SampledExpectation layer seems to recompute the same circuits for different measurement ops
Maintainer antworten meist innerhalb von 21 Tagen
@MichaelBroughton arbeitet bereits daran.
Seit 20.6.2020.
Bewertung
Dieses Issue wurde noch nicht bewertet.
Beschreibung
Example
c = cirq.Circuit()
qubits = cirq.GridQubit.rect(2, 1)
c.append(cirq.rz(0.)(qubits[0]))
c.append(cirq.H(qubits[1]))
sampled_expectation_layer = tfq.layers.SampledExpectation()
output = sampled_expectation_layer(
[c],
operators=[cirq.Z(qubits[0]), cirq.Z(qubits[1]), cirq.Z(qubits[0]) * cirq.Z(qubits[1])],
repetitions=1)
print(output) # we have [1, -1, 1] sometimes
assert output[0,0]*output[0,1] == output[0,2] # and this may fail
It is unnatural to me that, when repetitions=1 (1 sample), we have inconsistent measurement results between Z1, Z2 and Z1*Z2.
And from code here https://github.com/tensorflow/quantum/blob/db2eac4e598f614a8c0e157c56313a23ef1943fb/tensorflow_quantum/core/ops/batch_util.py#L554-L561, this may be due to that each circuit, batch, measurement ops combination is simulated separately on backends. If it is so, it is not only unnatural but also inefficient since one can measure all ops for one circuit simulation.
My understanding may be wrong somewhere, any ideas on this?
- Vorherrschende Sprache
- Python
- Sterne
- 2.2k
- Forks
- 675
- Ø Merge
- 15 T. 11 Std.
- Gemergte PRs (30 T.)
- 3
Entwicklungsumgebung
- Kein Dockerfile und keine Docker-Compose-Datei
- Keine Pull-Request-Vorlage
- Beitragsleitfaden lesen
Erste Schritte
- Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
- Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
- Forken Sie das Repository und arbeiten Sie in einem Branch.
- Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.
Mehr aus tensorflow/quantum
-
area/c++ area/core kind/bug-report
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 78/100
tensorflow/quantum#1140 ·
Maintainer antworten meist innerhalb von 21 Tagen
-
area/c++ area/core kind/bug-report
Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 74/100
tensorflow/quantum#1141 ·
Maintainer antworten meist innerhalb von 21 Tagen
-
Support Keras 3Evtl. wieder frei @rosspeili hat das vor 127 Tagen übernommen, und es ist kein Pull Request offen. Offenarea/keras help wanted skill-level/intermediate
tensorflow/quantum#1090 · 5 Kommentare · 1 zugewiesene Person ·
Maintainer antworten meist innerhalb von 21 Tagen
-
area/circuits priority/after-0.7.7 skill-level/expert
Schwierigkeit 5/5 Über eine Woche Anfängerfreundlichkeit 25/100
tensorflow/quantum#1087 ·
Maintainer antworten meist innerhalb von 21 Tagen
-
Efficiently handle circuit sizes 10x or more of today's circuitsEvtl. wieder frei @SripriyaDevarapalli hat das vor 47 Tagen übernommen, und es ist kein Pull Request offen. Offenarea/circuits area/performance help wanted priority/after-0.7.7 skill-level/expert
Schwierigkeit 5/5 Über eine Woche Anfängerfreundlichkeit 25/100
tensorflow/quantum#1086 · 1 Kommentar ·
Maintainer antworten meist innerhalb von 21 Tagen
Alle Issues in tensorflow/quantum
Ähnliche Issues
-
[dbt] exported dataset keys reference physical columnsEvtl. vergeben @WilliamKelley hat das heute übernommen. Offenneeds-triage
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 68/100
apache/ossie-converters#251 ·
Maintainer antworten meist innerhalb von 2 Tagen
-
cli difficulty: easy enhancement
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 82/100
Maintainer antworten meist innerhalb von 2 Tagen
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 62/100
desec-io/desec-stack#1312 ·
Maintainer antworten meist innerhalb von 14 Tagen
-
needs-triage
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 82/100
aws/aws-durable-execution-sdk-python#977 ·
Maintainer antworten meist innerhalb von 1 Tag
-
needs-triage
Schwierigkeit 1/5 Unter einer Stunde Anfängerfreundlichkeit 88/100
flashinfer-ai/flashinfer#9803 ·
Maintainer antworten meist innerhalb von 1 Tag