كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيعبقري الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةموسوعة شبكات التعلم العميق الحديثةمختبر الشبكات العصبية البيانيةمختبر تحليل الصور الطبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجةمختبر الذكاء الاصطناعي الكمّي
مثال برمجيمتوسطQiskit

تحليل النتائج

Analyzing Results

تحويل العدّات إلى احتمالات، واستخراج التوزيع الهامشي لكيوبت واحد بـ marginal_counts، وتقدير قيمة توقع $\langle Z_1Z_0\rangle$ من العينات ومقارنتها بالنظرية.

مخرجات التنفيذ عدّات (Counts)، أي قاموس من السلاسل إلى أعداد. التحليل المعتاد:

  1. الاحتمال التجريبي لكل سلسلة = العدّ ÷ مجموع اللقطات.
  1. التوزيع الهامشي (Marginal): لدراسة كيوبت واحد نجمع العدّات على قيم الكيوبتات الأخرى. الدالة marginal_counts(counts, indices=[2]) من qiskit.result تفعل ذلك وتبقي البت 2 فقط. في المثال $q_2$ مستقل عن البقية ومحضَّر بـ $R_Y(1)$، فالقيمة النظرية $P(q_2=1)=\sin^2(0.5)\approx0.2298$، والتقدير من 4000 لقطة قريب منها ضمن الخطأ الإحصائي $\sqrt{p(1-p)/N}\approx0.0067$.
  1. قيم التوقع (Expectation Values): لمؤثر قطري مثل $Z_1Z_0$ نعطي كل سلسلة القيمة $(-1)^{b_1\oplus b_0}$ ونأخذ المتوسط المرجّح. لأن $q_0,q_1$ في حالة بيل $|\Phi^+\rangle$ فـ $\langle Z_1Z_0\rangle=1$ تماماً، وكل العينات تؤكد ذلك. في السلسلة $k$ يكون k[2] هو $q_0$ وk[1] هو $q_1$ بسبب الترتيب الصغير النهاية.

لمؤثرات غير قطرية (مثل $X$) يلزم تغيير الأساس قبل القياس أو استخدام الأولية StatevectorEstimator. وعند المقارنة بالقيم النظرية يُستحسن حساب الخطأ المعياري لكل تقدير بدلاً من الحكم بالعين. التنفيذ هنا على محاكٍ كلاسيكي (AerSimulator أو أوليات Statevector)، وليس على حاسوب كمّي حقيقي.

المتطلبات: pip install qiskit qiskit-aer

الشيفرة

Qiskit
from math import sin
from qiskit import QuantumCircuit, transpile
from qiskit_aer import AerSimulator
from qiskit.result import marginal_counts

qc = QuantumCircuit(3, 3)
qc.h(0)
qc.cx(0, 1)
qc.ry(1.0, 2)
qc.measure(range(3), range(3))

sim = AerSimulator()
counts = sim.run(transpile(qc, sim), shots=4000, seed_simulator=21).result().get_counts()
shots = sum(counts.values())
probs = {k: v / shots for k, v in sorted(counts.items())}
print("counts:", dict(sorted(counts.items())))
print("probabilities:", probs)

q2 = marginal_counts(counts, indices=[2])
print("marginal q2:", q2)
p1 = q2.get("1", 0) / shots
print("P(q2=1) =", p1, "| theory sin^2(0.5) =", round(sin(0.5) ** 2, 4))

zz = sum((1 if k[1] == k[2] else -1) * v for k, v in counts.items()) / shots
print("<Z1 Z0> from counts =", zz)

شرح الشيفرة سطراً بسطر

السطرالشرح
1استيراد الجيب لحساب القيمة النظرية.
2-4استيراد الدائرة والمحاكي ودالة التوزيع الهامشي.
6دائرة بثلاثة كيوبتات وثلاثة بتات.
7-8حالة بيل على q0 وq1.
9دوران RY(1) على q2 مستقل عن البقية.
10قياس الكيوبتات الثلاثة.
12-13تشغيل 4000 لقطة ببذرة 21.
14عدد اللقطات الكلي.
15تحويل العدّات إلى احتمالات تجريبية مرتبة.
16-17طباعة العدّات والاحتمالات.
19التوزيع الهامشي للبت 2 فقط.
20طباعته.
21الاحتمال التجريبي لـ q2 = 1.
22مقارنته بالقيمة النظرية sin²(0.5).
24تقدير ⟨Z1 Z0⟩: +1 إذا تساوى البتان و−1 إذا اختلفا.
25طباعة التقدير.

المخرجات (من تشغيل فعلي)

counts: {'000': 1539, '011': 1551, '100': 446, '111': 464}
probabilities: {'000': 0.38475, '011': 0.38775, '100': 0.1115, '111': 0.116}
marginal q2: {'0': 3090, '1': 910}
P(q2=1) = 0.2275 | theory sin^2(0.5) = 0.2298
<Z1 Z0> from counts = 1.0

نُفّذ بـ Python 3.13.18 في 2026-11-20 08:14 UTC.

العدّات من AerSimulator مع seed_simulator=21؛ القيمة ⟨Z1Z0⟩ = 1 حتمية، أما P(q2=1) فتتذبذب حول 0.2298.

المراجع

  1. IBM Quantum (2025). Qiskit SDK API documentation. IBM Quantum Documentation quantum.cloud.ibm.com
  2. Qiskit contributors (2025). Qiskit Aer documentation. GitHub Pages qiskit.github.io