mindquantum.utils

实用工具。

mindquantum.utils.fdopen(fname, mode, perms=420, encoding=None)

以正确权限打开文件的上下文管理器。

参数：

• fname (str) - 需要读写的文件的路径。

• mode (str) - 以何种方式打开文件（查询内置函数 open() 进行更多帮助）。

• perms (int) - 权限掩码（查询 os.open() 进行更多帮助）。

• encoding (str) - 对文件进行编码或者解码的编码器。默认值：None。

mindquantum.utils.ket_string(state, tol=1e-07)

获取量子态的ket格式。

参数：

• state (numpy.ndarray) - 输入量子态。

• tol (float) - 小幅度的忽略容差。默认值：1e-7。

返回：

str，量子态的ket格式。

样例：

>>> import numpy as np
>>> from mindquantum.utils import ket_string
>>> state = np.array([1, -1j])/np.sqrt(2)
>>> print(ket_string(state))
['√2/2¦0⟩', '-√2/2j¦1⟩']

mindquantum.utils.mod(vec_in, axis=0)

计算输入向量的模。

参数：

• vec_in (Union[list[numbers.Number], numpy.ndarray]) - 计算模的向量。

• axis (int) - 沿着哪个轴计算模。默认值：0。

返回：

numpy.ndarray，输入向量的模。

样例：

>>> from mindquantum.utils import mod
>>> vec_in = np.array([[1, 2, 3], [4, 5, 6]])
>>> mod(vec_in)
array([[4.12310563, 5.38516481, 6.70820393]])
>>> mod(vec_in, 1)
array([[3.74165739],
       [8.77496439]])

mindquantum.utils.normalize(vec_in, axis=0)

根据指定的轴归一化输入向量。

参数：

• vec_in (Union[list[number], numpy.ndarray]) - 需要归一化的向量。

• axis (int) - 沿着哪个轴归一化向量。默认值：0。

返回：

numpy.ndarray，归一化后的向量。

样例：

>>> from mindquantum.utils import normalize
>>> vec_in = np.array([[1, 2, 3], [4, 5, 6]])
>>> normalize(vec_in)
array([[0.24253563, 0.37139068, 0.4472136 ],
       [0.9701425 , 0.92847669, 0.89442719]])
>>> normalize(vec_in, 1)
array([[0.26726124, 0.53452248, 0.80178373],
       [0.45584231, 0.56980288, 0.68376346]])

mindquantum.utils.random_circuit(n_qubits, gate_num, sd_rate=0.5, ctrl_rate=0.2, seed=None)

生成随机线路。

参数：

• n_qubits (int) - 随机线路的量子比特数。

• gate_num (int) - 随机线路中门的数量。

• sd_rate (float) - 单量子门和双量子门的比例。

• ctrl_rate (float) - 门具有控制位的可能性。

• seed (int) - 生成随机线路的随机种子。

样例：

>>> from mindquantum.utils import random_circuit
>>> random_circuit(3, 4, 0.5, 0.5, 100)
q1: ──Z────RX(0.944)────────●────────RX(-0.858)──
      │        │            │            │
q2: ──●────────●────────RZ(-2.42)────────●───────

mindquantum.utils.random_state(shapes, norm_axis=0, comp=True, seed=None)

生成某个随机的量子态。

参数：

• shapes (tuple) - 想要生成量子态的个数和维度，例如， (m, n) 表示m个量子态，每个状态由 \(\log_2(n)\) 量子比特形成。

• norm_axis (int) - 应用归一化的轴。默认值：0。

• comp (bool) - 如果为 True ，量子态的每个振幅将是一个复数。默认值：True。

• seed (int) - 随机种子。默认值：None。

返回：

numpy.ndarray，一个随机的归一化量子态。

样例：

>>> from mindquantum.utils import random_state
>>> random_state((2, 2), seed=42)
array([[0.44644744+0.18597239j, 0.66614846+0.10930256j],
       [0.87252821+0.06923499j, 0.41946926+0.60691409j]])