-
Notifications
You must be signed in to change notification settings - Fork 0
This repository contains the codes and data generated for the article 'Restricting to the chip architecture maintains the quantum neural network accuracy'. In this work we analyze how chip architecture, specifically IBM's superconducting chips, affect a quantum neural network model. To do this, we analyze how different parameterizations behave in a
lucasfriedrich97/chip_architecture
This commit does not belong to any branch on this repository, and may belong to a fork outside of the repository.
Folders and files
Name | Name | Last commit message | Last commit date | |
---|---|---|---|---|
Repository files navigation
Segue uma breve discrição dos arquivos contidos neste diretório. 001 -> dados gerados quando a parametrização U foi gerada de forma aleatória e o observavel usado foi O = |0><0| atuando no ultimo qubit 002 -> dados gerados quando a parametrização U foi gerada de forma aleatória e o observavel usado foi O = SIGMA_{Z} atuando no ultimo qubit 003 -> dados gerados quando a parametrização U foi fixada e nenhuma restrição da arquitetura foi usado o observavel usado foi O = SIGMA_{Z} atuando no ultimo qubit 004 -> dados gerados quando a parametrização U foi fixada e foi usado a restrição da arquitetura o observavel usado foi O = SIGMA_{Z} atuando no ultimo qubit 005 -> dados gerados quando a parametrização U foi fixada e nenhuma restrição da arquitetura foi usado o observavel usado foi O = |0><0| atuando no ultimo qubit 006 -> dados gerados quando a parametrização U foi fixada e foi usado a restrição da arquitetura o observavel usado foi O = |0><0| atuando no ultimo qubit figuras - contem as figuras usadas no artigo main.py -> codigo usado para obter os dados contidos em 001 e 002 main2.py -> codigo usado para obter os dados contidos em 003, 004, 005 e 006 plot2.py - codigo usado para gerar os graficos contidos em figuras data.pdf -> dados usados para o treinamento e teste
About
This repository contains the codes and data generated for the article 'Restricting to the chip architecture maintains the quantum neural network accuracy'. In this work we analyze how chip architecture, specifically IBM's superconducting chips, affect a quantum neural network model. To do this, we analyze how different parameterizations behave in a
Resources
Stars
Watchers
Forks
Releases
No releases published
Packages 0
No packages published