File size: 2,213 Bytes
f9cda5d
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
import time
import jax
import jax.numpy as jnp
import numpy as np
import pandas as pd
import dense_evolution as de

jax.config.update("jax_enable_x64", True)

N_Q = 12
sim = de.DenseSVSimulator(n_qubits=N_Q, use_gpu=False, use_float32=False)

punti_g = np.linspace(0.0, 2.5, 3500)
risultati = []

print("============================================================")
print(f"🔬 ULTRA-HIGH RESOLUTION QUANTUM ISING SCAN: 3500 STEPS")
print("============================================================")

def esegui_circuito_ising_reale(g_campo):
    ansatz_circuit = []
    
    for q in range(N_Q - 1):
        ansatz_circuit.append(['cx', q, q + 1])
        ansatz_circuit.append(['rz', q + 1, float(1.2)])
        ansatz_circuit.append(['cx', q, q + 1])
        
    for q in range(N_Q):
        ansatz_circuit.append(['rx', q, float(g_campo * 0.6)])
        
    sim.set_initial_state()
    sim.run_circuit_jit_beast_mode(ansatz_circuit)
    return sim.get_probabilities()

def calcola_vera_correlazione_zz(prob_array):
    dim = len(prob_array)
    indici = np.arange(dim)
    somma_zz = 0.0
    
    for q in range(N_Q - 1):
        bit_i = (indici & (1 << q)) >> q
        bit_j = (indici & (1 << (q + 1))) >> (q + 1)
        parita = np.where(bit_i == bit_j, 1.0, -1.0)
        somma_zz += float(np.sum(prob_array * parita))
        
    return somma_zz / (N_Q - 1)

t_global_start = time.perf_counter()

for idx, g in enumerate(punti_g):
    prob = esegui_circuito_ising_reale(g)
    E_zz = calcola_vera_correlazione_zz(prob)
    
    if (idx + 1) % 250 == 0 or idx == 0 or idx == len(punti_g) - 1:
        print(f"Step {idx+1:04d}/3500 | Campo g: {g:.3f} | Correlazione <H_zz>: {E_zz:+.6f}")
    
    risultati.append({
        "Campo_g": g,
        "Expectation_H_zz": E_zz
    })

df = pd.DataFrame(risultati)
df.to_csv("transizione_fase_ising.csv", index=False)

tempo_totale = time.perf_counter() - t_global_start
print("============================================================")
print(f"✅ SCANSIONE ULTRA-RISOLTA COMPLETATA IN {tempo_totale:.2f} s")
print("============================================================")