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:
- الاحتمال التجريبي لكل سلسلة = العدّ ÷ مجموع اللقطات.
- التوزيع الهامشي (Marginal): لدراسة كيوبت واحد نجمع العدّات على قيم الكيوبتات الأخرى. الدالة
marginal_counts(counts, indices=[2])منqiskit.resultتفعل 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 $\sqrt{p(1-p)/N}\approx0.0067$.
- 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
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
| السطر | الشرح |
|---|---|
| 1 | استيراد الجيب لحساب القيمة النظرية. |
| 2-4 | استيراد الدائرة والمحاكي ودالة التوزيع الهامشي. |
| 6 | دائرة بثلاثة كيوبتات وثلاثة بتات. |
| 7-8 | حالة بيل على q0 وq1. |
| 9 | دوران RY(1) على q2 مستقل عن البقية. |
| 10 | قياس الكيوبتات الثلاثة. |
| 12-13 | تشغيل 4000 لقطة ببذرة 21. |
| 14 | عدد اللقطات الكلي. |
| 15 | تحويل العدّات إلى احتمالات تجريبية مرتبة. |
| 16-17 | طباعة العدّات والاحتمالات. |
| 19 | التوزيع الهامشي للبت 2 فقط. |
| 20 | طباعته. |
| 21 | الاحتمال التجريبي لـ q2 = 1. |
| 22 | مقارنته بالقيمة النظرية sin²(0.5). |
| 24 | تقدير ⟨Z1 Z0⟩: +1 إذا تساوى البتان و−1 إذا اختلفا. |
| 25 | طباعة 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
- IBM Quantum (2025). Qiskit SDK API documentation. IBM Quantum Documentation quantum.cloud.ibm.com
- Qiskit contributors (2025). Qiskit Aer documentation. GitHub Pages qiskit.github.io
