معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Variational synthesis of quantum circuits

ویژگی	مقدار
سیستم عامل	-
نام فایل	cpflow-0.0.4
نام	cpflow
نسخه کتابخانه	0.0.4
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Nikita Nemkov
ایمیل نویسنده	nnemkov@gmail.com
آدرس صفحه اصلی	https://github.com/idnm/cpflow
آدرس اینترنتی	https://pypi.org/project/cpflow/
مجوز	MIT

## CPFlow Implementation of the synthesis algorithms for quantum circuits described in ... Distributed under the MIT licence. ## Installation `CPFlow` is available via `pip`. It is highly recommended to install the package in a new virtual environment. ```sh pip install cpflow ``` A feature that allows to decompose sythesized circuits into Clifford+T basis requires yet experimental `qiskit` branch that can be installed through ```sh pip install git+https://github.com/LNoorl/qiskit-terra@d2e0dc1185ccc3b0c9957e3d7d9bc610dede29d4 ``` ## Basic example Decomposing the CCZ gate with linear qubit connectivity 0-1-2. Can be executed in python console but intended for use with Jupyter notebooks. ```python import numpy as np from cpflow import * u_target = np.diag([1, 1, 1, 1, 1, 1, 1, -1]) # CCZ gate layer = [[0, 1], [1, 2]] # Linear connectivity decomposer = Synthesize(layer, target_unitary=u_target, label='ccz_chain') options = StaticOptions(num_cp_gates=12, accepted_num_cz_gates=10, num_samples=10) results = decomposer.static(options) d = results.decompositions[3] # This turned out to be the best decomposition. d.refine() print(d) d.circuit.draw() ``` Output: ```sh < ccz_chain| Rational | loss: 1.1920928955078125e-07 | CZ count: 8 | CZ depth: 8 > ``` ![image](https://user-images.githubusercontent.com/13020565/163995526-8ff39d97-f34a-4f0f-b723-8bb54803b500.png) ## More features For further examples we encourage to explore a [tutorial notebook](https://github.com/idnm/cpflow/blob/master/CPFlow_tutorial.ipynb) interactively. For motivation and background see the original paper link_to_paper.

نحوه نصب

نصب پکیج whl cpflow-0.0.4:

pip install cpflow-0.0.4.whl

نصب پکیج tar.gz cpflow-0.0.4:

pip install cpflow-0.0.4.tar.gz