Skip to content

Latest commit

 

History

History
156 lines (105 loc) · 5.23 KB

README_cn.md

File metadata and controls

156 lines (105 loc) · 5.23 KB
Raw

TENSORCIRCUIT

English | 简体中文

TensorCircuit 是下一代量子电路模拟器，支持自动微分、即时编译、硬件加速和向量并行化。

TensorCircuit 建立在现代机器学习框架之上，并且与机器学习后端无关。 它特别适用于量子经典混合范式和变分量子算法的高效模拟。

入门

请从 快速上手 和 Jupyter 教程 开始。

有关更多信息和介绍，请参阅有用的 示例脚本 和 完整文档。 测试 中的 API docstring 和测试用例也提供了丰富的信息。

以下是一些最简易的演示。

  • 电路操作:
import tensorcircuit as tc
c = tc.Circuit(2)
c.H(0)
c.CNOT(0,1)
c.rx(1, theta=0.2)
print(c.wavefunction())
print(c.expectation_ps(z=[0, 1]))
print(c.sample(allow_state=True, batch=1024, format="count_dict_bin"))
  • 运行时特性定制:
tc.set_backend("tensorflow")
tc.set_dtype("complex128")
tc.set_contractor("greedy")
  • 使用即时编译 + 自动微分:
def forward(theta):
    c = tc.Circuit(2)
    c.R(0, theta=theta, alpha=0.5, phi=0.8)
    return tc.backend.real(c.expectation((tc.gates.z(), [0])))

g = tc.backend.grad(forward)
g = tc.backend.jit(g)
theta = tc.array_to_tensor(1.0)
print(g(theta))

安装

该包是用纯 Python 编写的，可以通过 pip 直接获取：

pip install tensorcircuit

我们推荐安装时同时安装 TensorFlow，这可以通过以下安装可选项实现：

pip install tensorcircuit[tensorflow]

其他安装选项包括： [torch], [jax] and [qiskit]。

此外我们有每日发布的最新版本 pip package，可以尝鲜开发的最新功能，请通过以下方式安装:

pip uninstall tensorcircuit
pip install tensorcircuit-nightly

我们也有 Docker 支持。

优势

  • 基于张量网络模拟引擎

  • 即时编译、自动微分、向量并行化兼容，GPU 支持

  • 效率

    • 时间：与 TFQ, Pennylane, 或 Qiskit 相比，加速 10 到 10^6+ 倍

    • 空间：600+ qubits 1D VQE 工作流（收敛能量误差：< 1%）

  • 优雅

    • 灵活性：自定义张量收缩、多种 ML 后端/接口选择、多种数值精度

    • API 设计：人类可理解的量子，更少的代码，更多的可能

贡献

现况

该项目由腾讯量子实验室发布，由 Shi-Xin Zhang 创造并维护。当前核心作者包括 Shi-Xin Zhang 和 Yu-Qin Chen。我们也感谢来自实验室和开源社区的贡献。

引用

如果该软件对您的研究有帮助, 请引用我们发表在 Quantum 期刊的白皮书文章:

TensorCircuit: a Quantum Software Framework for the NISQ Era.

说明

有关贡献指南和说明，请参阅 贡献。

我们欢迎大家提出 issues, PR, 和 讨论，这些都托管在 GitHub 上。

研究和应用

DQAS

可微量子架构搜索的应用见 应用。 参考论文：https://arxiv.org/pdf/2010.08561.pdf (QST)。

VQNHE

关于变分量子神经混合本征求解器的应用，请参见 应用。 参考论文：https://arxiv.org/pdf/2106.05105.pdf (PRL) 和 https://arxiv.org/pdf/2112.10380.pdf 。

VQEX - MBL

VQEX 在 MBL 相位识别上的应用见 教程。 参考论文: https://arxiv.org/pdf/2111.13719.pdf (PRB)。

Stark - DTC

数值验证 Stark 多体局域化稳定的离散时间晶体，类似的 Floquet 系统模拟请参考 例子. 参考论文: https://arxiv.org/pdf/2208.02866.pdf (PRL).