回调函数使用

回调函数允许用户在电路执行过程中对状态向量应用额外的函数。一个典型的应用场景是在状态通过电路传播时计算纠缠熵。这可以通过qibo.callbacks.EntanglementEntropy和qibo.gates.CallbackGate门轻松实现。例如：

In [2]:

from qibo import gates, callbacks
from qibo import models, Circuit

# 创建一个熵回调函数，其中 qubit 0 是第一个子系统
entropy = callbacks.EntanglementEntropy([0])

# 初始化一个包含 2 个量子比特的电路，并添加门
circuit = Circuit(2) # 初始状态为 |00> (熵 = 0)
circuit.add(gates.CallbackGate(entropy)) # 在初始状态下执行熵计算
circuit.add(gates.H(0)) # 状态变为 |+0> (熵 = 0)
circuit.add(gates.CallbackGate(entropy)) # 在应用 H 门后执行熵计算
circuit.add(gates.CNOT(0, 1)) # 状态变为 |00> + |11> (熵 = 1)
circuit.add(gates.CallbackGate(entropy)) # 在应用 CNOT 门后执行熵计算

# 执行电路并使用回调函数
final_state = circuit()

from qibo import gates, callbacks from qibo import models, Circuit # 创建一个熵回调函数，其中 qubit 0 是第一个子系统 entropy = callbacks.EntanglementEntropy([0]) # 初始化一个包含 2 个量子比特的电路，并添加门 circuit = Circuit(2) # 初始状态为 |00> (熵 = 0) circuit.add(gates.CallbackGate(entropy)) # 在初始状态下执行熵计算 circuit.add(gates.H(0)) # 状态变为 |+0> (熵 = 0) circuit.add(gates.CallbackGate(entropy)) # 在应用 H 门后执行熵计算 circuit.add(gates.CNOT(0, 1)) # 状态变为 |00> + |11> (熵 = 1) circuit.add(gates.CallbackGate(entropy)) # 在应用 CNOT 门后执行熵计算 # 执行电路并使用回调函数 final_state = circuit()

[Qibo 0.2.21|INFO|2025-10-11 16:23:03]: Using qibojit (numba) backend on /CPU:0
e:\qiboenv\qibovenv\Lib\site-packages\scipy\linalg\_matfuncs.py:218: LogmExactlySingularWarning: The logm input matrix is exactly singular.
  F = scipy.linalg._matfuncs_inv_ssq._logm(A)
e:\qiboenv\qibovenv\Lib\site-packages\qibo\quantum_info\entropies.py:540: RuntimeWarning: divide by zero encountered in log2
  backend.np.log2(eigenvalues) / np.log2(base),

In [7]:

# execute the circuit
final_state = circuit()

# execute the circuit final_state = circuit()

In [13]:

print(entropy[0:3]) # [0, 0, 1, 0, 0, 1]

print(entropy[0:3]) # [0, 0, 1, 0, 0, 1]

[0.0, np.float64(3.203426503814917e-16), np.float64(1.0)]

In [15]:

# 添加到电路
circuit = Circuit(2)
circuit.add(gates.CallbackGate(entropy))
circuit.add(gates.H(0))
circuit.add(gates.CNOT(0, 1))

# 执行电路
result = circuit()

# 添加到电路 circuit = Circuit(2) circuit.add(gates.CallbackGate(entropy)) circuit.add(gates.H(0)) circuit.add(gates.CNOT(0, 1)) # 执行电路 result = circuit()

In [17]:

type(entropy) # <class 'qibo.callbacks.EntanglementEntropy'>

type(entropy) #

Out[17]:

qibo.callbacks.EntanglementEntropy

In [19]:

entropy[0:3] # [0, 0, 1, 0, 0, 1]

entropy[0:3] # [0, 0, 1, 0, 0, 1]

Out[19]:

[0.0, np.float64(3.203426503814917e-16), np.float64(1.0)]

In [ ]:

# 使用 pprint 模块的 pprint 函数打印 entropy 对象的所有属性和值
pprint.pprint(vars(entropy))

# 使用 pprint 模块的 pprint 函数打印 entropy 对象的所有属性和值 pprint.pprint(vars(entropy))

{'_nqubits': 2,
 '_results': [0.0,
              np.float64(3.203426503814917e-16),
              np.float64(1.0),
              0.0,
              np.float64(8.526512829121201e-14),
              np.float64(1.0),
              0.0,
              np.float64(3.203426503814917e-16),
              np.float64(1.0),
              0.0,
              np.float64(8.526512829121201e-14),
              np.float64(1.0),
              0.0,
              0.0],
 'base': 2,
 'compute_spectrum': False,
 'partition': [0],
 'spectrum': []}

In [20]:

print(entropy.__dict__)

print(entropy.__dict__)

{'_results': [0.0, np.float64(3.203426503814917e-16), np.float64(1.0), 0.0, np.float64(8.526512829121201e-14), np.float64(1.0), 0.0, np.float64(3.203426503814917e-16), np.float64(1.0), 0.0, np.float64(8.526512829121201e-14), np.float64(1.0), 0.0, 0.0], '_nqubits': 2, 'partition': [0], 'compute_spectrum': False, 'base': 2, 'spectrum': []}

In [ ]:

# 如果你想以更友好的方式查看
# 导入 pprint 模块，用于格式化输出
import pprint
# 使用 pprint.pprint() 方法打印 entropy 对象的 __dict__ 属性，显示其所有属性和方法
pprint.pprint(entropy.__dict__)

# 如果你想以更友好的方式查看 # 导入 pprint 模块，用于格式化输出 import pprint # 使用 pprint.pprint() 方法打印 entropy 对象的 __dict__ 属性，显示其所有属性和方法 pprint.pprint(entropy.__dict__)

{'_nqubits': 2,
 '_results': [0.0,
              np.float64(3.203426503814917e-16),
              np.float64(1.0),
              0.0,
              np.float64(8.526512829121201e-14),
              np.float64(1.0),
              0.0,
              np.float64(3.203426503814917e-16),
              np.float64(1.0),
              0.0,
              np.float64(8.526512829121201e-14),
              np.float64(1.0),
              0.0,
              0.0],
 'base': 2,
 'compute_spectrum': False,
 'partition': [0],
 'spectrum': []}

In [ ]: