売上の周期を量子フーリエ変換で読む！

売上データ（CSV）を読み込み、一定の閾値で 1/0 に変換

それを量子ビットの初期状態に反映し、量子フーリエ変換（QFT）を適用。
測定結果のビット列分布から、周期性の傾向を視覚的に分析し、QFTで売上データの周期性（週・月・季節）を抽出。
従来のFFTとは異なり、“すべての周期を一度に重ねて測定”する量子的アプローチだ！

入力：
sales.csv（例: 日別売上データ, カラム: day, sales）
　閾値（例：1000）を超える売上 → 1、それ未満 → 0 に変換

出力：
2ⁿ通り（n = ビット数）のビット列が出現し、その出現頻度（count）を出力。
特定ビット列の頻度が突出することで、周期的パターンの存在を示す。

１．実行環境

• Python 3.12
• Qiskit 2.2.3（IBM Quantum）
• qiskit-aer 0.14.x（ローカル量子回路シミュレータ）
• 実行モデル：QFTGate + AerSimulator（Qiskit公式）

２．処理内容
売上データ（CSV）を読み込み、一定の閾値で 1/0 に変換。
それを量子ビットの初期状態に反映し、量子フーリエ変換（QFT）を適用。
測定結果のビット列分布から、周期性の傾向を視覚的に分析する。

３．プログラム

import csv
from qiskit import QuantumCircuit, transpile
from qiskit.circuit.library import QFTGate
from qiskit_aer import AerSimulator
from qiskit.visualization import plot_histogram
import matplotlib.pyplot as plt

# --- 売上CSVを読み込み、売上が threshold 以上なら1、未満なら0に変換 ---
threshold = 1000
sales_bits = []

with open("sales.csv", newline='') as csvfile:
 reader = csv.DictReader(csvfile)
 for row in reader:
 sales = int(row["sales"])
 bit = 1 if sales >= threshold else 0
 sales_bits.append(bit)

# --- 量子回路構築：ビット列に応じて量子状態を |0⟩ or |1⟩ に設定 ---
n_qubits = len(sales_bits)
qc = QuantumCircuit(n_qubits, n_qubits)

for i, bit in enumerate(reversed(sales_bits)):  # Qiskitは逆順配置
 if bit == 1:
 qc.x(i)

# --- QFTゲートを適用 ---
qc.append(QFTGate(n_qubits), range(n_qubits))

# --- 測定追加 ---
qc.measure(range(n_qubits), range(n_qubits))

# --- シミュレーション実行 ---
backend = AerSimulator()
compiled = transpile(qc, backend)
job = backend.run(compiled, shots=1024)
result = job.result()
counts = result.get_counts()

# --- 測定結果を表示 ---
print("QFT測定結果 (bitstring : count)")
for bit, count in sorted(counts.items()):
 print(f"  {bit}: {count}")

# --- ヒストグラム保存（タイトルはASCIIのみに限定） ---
fig = plot_histogram(counts)
plt.title("QFT Distribution from Sales Data")
fig.savefig("qft_output_histogram.png")
print("Saved: qft_output_histogram.png")

４．QFT測定結果 (bitstring : count)
0000000: 9
0000001: 6
0000010: 10
0000011: 5
0000100: 10