qiskit_noise_learning.analysis.LinearSystemData

class qiskit_noise_learning.analysis.LinearSystemData(A: ndarray | sparray, b: ndarray, sigma_b: ndarray, row_diagnostics: Mapping[str, ndarray], row_index_map: Mapping[RowIndex, int], column_index_map: Mapping[ColumnIndex, int], time_lb: datetime64, time_ub: datetime64)

ベース： Generic[RowIndex, ColumnIndex]

解くべき線形システムと、生形式のメタデータ。

軸ラベルとメタデータ A @ x = b を持つ線形システム。

行および列のラベルは、任意のハッシュ可能な型です。このクラスは、行や列が何を表すかについて、いかなる仮定も行っていません。 このシステムでは、行 from_fit() はオブジェクト Path であり、列はフィデリティモデルのパラメータラベルです。

インデックスマップは、ラベルが位置にどのように対応しているかを示す、信頼できる記録です A。 ラベルで指定された数量を配列と照合する必要がある場合は、 row_index_map や から対応関係を再構築するのではなく column_index_map 、 row_labels や を通じてインデックス指定を行うべきです column_labels。

パラメーター

• A – 形状 を持つ行列 (m, n)。密配列または SciPy の疎配列として指定します。
• b – ターゲットベクトルの長さ m。
• sigma_b – 統計 - 各行 b ごとの 1-sigma 不確実性（長さは ） m。
• row_diagnostics – 生成を行った各ステージによって記録された b、行ごとの名前付き数量。それぞれは長さ の配列であり、その数量が未定義である行に対して nan を格納 m している。 キーは、上流で使用されるメタデータ名です。詳細については、を参照してください from_fit()。
• row_index_map – 行ラベルから、その行の整数位置への対応付け A。
• column_index_map – 列ラベルから、その列の整数位置への対応関係 A。
• time_lb – 行全体で最も早い時刻。
• time_ub – 行全体における最新の時刻。

__init__

方法

属性

row_labels

column_labels

from_fit