def Uprime(self, display_matrix=False):
#state_search is the state we are searching for
#we will focus on the second term
#Note that state search must be in decimal
if self.search >= 2**self.dim:
raise TypeError(
"Search State parameter is outside of state space values")
elif self.search < 0:
raise TypeError(
"Search State parameter is outside of state space values")
else:
#focusings on the second term of Uprime
coin = self.c
num_dir = int(2**coin)
state = self.dim
num_state = int(2**state)
search_array = np.zeros((num_state, num_state))
search_array[self.search][self.search] = 1
search = Operator(search_array)
s_c = np.zeros((2**(coin), 2**(coin)))
for i in range(num_dir):
for j in range(num_dir):
s_c[i][j] = num_dir**-1
coin_ = Operator(s_c)
search_op = coin_.tensor(search)
S_ = self.S()
term2 = search_op.compose(S_)
U_ = self.U()
Uprime = U_ - (2 * term2)
if display_matrix:
print("Matrix for U':")
print(np.real(Uprime.data))
return Uprime
#por medio del atributo data asi se puede dibujar en latex
final1 = Statevector.from_instruction(qc)
final2 = Statevector.from_instruction(qc2)
final3 = final1.tensor(final2)
array_to_latex(final3.data, pretext="\\text{Statevector Solution 1= }")
# In[10]:
#Segundo, se utiliza la clase Operator que permite convertir varios objetos en Operators
#entre ellos un circuito, por lo tanto se convierten los dos en Operator y luego
#se realiza la multiplicacion tensorial mediante el metodo tensor el cual da como resultado otro
#operator que es ademas una compuerta unitaria lo que permite adicionarla a un circuito y pintar este
#luego se pinta el statevector de este circuito y se comprueba que es el mismo resultado del metodo anterior
A = Operator(qc)
B = Operator(qc2)
finalal = A.tensor(B)
#Del operator se saca el numero de qubits que contiene
q3 = QuantumRegister(finalal.num_qubits)
#cr = ClassicalRegister(finalal.num_qubits)
qc3 = QuantumCircuit(q3)
qc3.append(finalal, q3)
#qc3.measure(q3, cr)
# In[11]:
#Dibujo del circuito resultante
qc3.draw(output='mpl')
# In[12]:
#Statevector resultante
def parse_pauli_spec(spec):
op = Operator(Pauli(label=spec[0]))
for i in range(1, 4):
op = op.tensor(Pauli(label=spec[i]))
return op
