mindquantum.algorithm.error_mitigation.virtual_distillation

mindquantum.algorithm.error_mitigation.virtual_distillation(circ: Circuit, executor: Callable[[Circuit], Dict[str, int]], little_endian: bool = True, **kwargs)[源代码]

基于虚拟蒸馏的误差缓解算法（arXiv:2011.07064）。

该算法用于计算每个量子比特i上 \(Z_i\) 泡利算符的误差缓解期望值。要测量其他泡利算符( \(X_i\) 或 \(Y_i\) )的期望值，需要在输入电路末尾添加适当的基矢旋转门：

对于 \(X_i\) 测量：在量子比特i上添加H门
对于 \(Y_i\) 测量：在量子比特i上添加RX(π/2)门

参数：

circ (Circuit) - 待执行的量子线路。
executor (Callable[[Circuit], dict[str, int]]) - 一个可调用对象，用于执行量子线路并返回一个字典，该字典将测量结果比特串映射到其计数。注意：executor必须能够处理输入线路两倍数量的量子比特。
little_endian (bool) - executor返回的比特串是否为小端序。默认值：True。
kwargs - 传递给executor的额外参数。

返回：

numpy.ndarray，每个量子比特i的误差缓解期望值 \(\langle Z_i\rangle\) 。要获取其他泡利算符的期望值，需要在调用此函数之前向输入线路添加适当的基矢旋转门。

样例：

>>> circ = Circuit([X.on(0), RY(1).on(1)])
>>> sim = Simulator('mqvector', 4)  # Double number of qubits
>>> def executor(circ):
...     res_dict = sim.sampling(circ, shots=10000).data
...     return res_dict
>>> result = virtual_distillation(circ, executor)  # Returns <Z_i>
>>> # To measure <X_1>:
>>> circ_x = circ + H.on(1)
>>> result_x = virtual_distillation(circ_x, executor)