SampledExpectation layer seems to recompute the same circuits for different measurement ops
Les mainteneurs répondent en général sous 21 jours
@MichaelBroughton y travaille déjà.
Depuis le 20/6/2020.
Évaluation
Cette issue n'a pas encore été évaluée.
Description
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?
- Langage dominant
- Python
- Étoiles
- 2.2k
- Forks
- 675
- Merge moyen
- 15 j 11 h
- PR mergées (30 j)
- 3
Préparer son environnement
- Aucun Dockerfile ni fichier Docker Compose
- Aucun modèle de pull request
- Lire le guide de contribution
Par où commencer
- Lisez l'issue en entier, puis le guide de contribution du projet.
- Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
- Forkez le dépôt et travaillez sur une branche.
- Ouvrez une pull request qui référence le numéro de l'issue.
Autres issues de tensorflow/quantum
-
area/c++ area/core kind/bug-report
Difficulté 2/5 1-3 heures Accessibilité débutants 78/100
tensorflow/quantum#1140 ·
Les mainteneurs répondent en général sous 21 jours
-
area/c++ area/core kind/bug-report
Difficulté 3/5 1-2 jours Accessibilité débutants 74/100
tensorflow/quantum#1141 ·
Les mainteneurs répondent en général sous 21 jours
-
Support Keras 3Peut-être à nouveau libre @rosspeili l’a pris il y a 127 jours, et aucune pull request n’est ouverte. Ouvertearea/keras help wanted skill-level/intermediate
tensorflow/quantum#1090 · 5 commentaires · 1 personne assignée ·
Les mainteneurs répondent en général sous 21 jours
-
Support dynamic quantum circuitsOuvertearea/circuits priority/after-0.7.7 skill-level/expert
Difficulté 5/5 Plus d'une semaine Accessibilité débutants 25/100
tensorflow/quantum#1087 ·
Les mainteneurs répondent en général sous 21 jours
-
Efficiently handle circuit sizes 10x or more of today's circuitsPeut-être à nouveau libre @SripriyaDevarapalli l’a pris il y a 47 jours, et aucune pull request n’est ouverte. Ouvertearea/circuits area/performance help wanted priority/after-0.7.7 skill-level/expert
Difficulté 5/5 Plus d'une semaine Accessibilité débutants 25/100
tensorflow/quantum#1086 · 1 commentaire ·
Les mainteneurs répondent en général sous 21 jours
Toutes les issues de tensorflow/quantum
Issues similaires
-
[dbt] exported dataset keys reference physical columnsPeut-être pris @WilliamKelley l’a pris aujourd’hui. Ouverteneeds-triage
Difficulté 2/5 1-3 heures Accessibilité débutants 68/100
apache/ossie-converters#251 ·
Les mainteneurs répondent en général sous 2 jours
-
cli difficulty: easy enhancement
Difficulté 2/5 1-3 heures Accessibilité débutants 82/100
Les mainteneurs répondent en général sous 2 jours
-
Difficulté 2/5 1-3 heures Accessibilité débutants 62/100
desec-io/desec-stack#1312 ·
Les mainteneurs répondent en général sous 14 jours
-
needs-triage
Difficulté 2/5 1-3 heures Accessibilité débutants 82/100
aws/aws-durable-execution-sdk-python#977 ·
Les mainteneurs répondent en général sous 1 jour
-
needs-triage
Difficulté 1/5 Moins d'une heure Accessibilité débutants 88/100
flashinfer-ai/flashinfer#9803 ·
Les mainteneurs répondent en général sous 1 jour