Toolkits¶

此模块展示了目前本源量子云提供的量子计算编程框架QPanda和量子机器学习框架VQNet的学习资源。

1.量子计算编程框架QPanda¶

QPanda是本源量子独立自主研发的开源量子编程框架，旨在为用户提供高效、易用的量子编程环境。其支持量子硬件接入，具备高性能模拟功能，并提供专业的量子误差缓解和噪声分析工具。QPanda涵盖了量子编程框架、量子基础算法、量子机器学习、量子编程语言和量子计算集成开发环境等多个核心组件，拥有直观的编程接口、高效的模拟环境以及广泛的硬件兼容性。

QPanda3为QPanda最新版本，目前提供Python版本pyqpanda3，其安装命令为：``pip install pyqpanda3``（支持python3.9-3.12版本）。QPanda3 是一个高性能量子编程框架，通过优化线路编译、二进制指令流中间表示（OriginBIS）和硬件感知执行策略来提高量子计算效率。这些工程优化显著提高了处理速度和系统性能，解决了 NISQ 时代的关键挑战。与 OpenQASM 2.0 相比，核心创新 OriginBIS 将编码速度提高了 86.9 倍，解码速度提高了 35.6 倍，从而实现了更高效的数据处理、更低的内存开销和更高的通信效率。这直接提高了量子线路的执行效率，使大规模量子模拟更加可行。全面的基准测试表明了 QPanda3 的卓越性能：量子线路构建速度比 Qiskit 快 1.30 倍，执行速度提高 1.03 倍，转译效率提高 10.70 倍。值得注意的是，在 2D 网格拓扑上编译 118 量子比特的 W-state 电路时，QPanda3 甚至实现了 597.41 倍加速，突显了其大规模处理复杂量子工作负载的能力。通过将高速量子处理与模块化和可扩展的软件架构相结合，QPanda3 在现代的 NISQ 设备和未来的容错量子计算之间架起了一座实用的桥梁。它促进了金融建模、材料科学和组合优化等现实世界的应用，而其高稳定和可扩展的设计为工业应用和基于云的部署提供了支持。

QPanda参考文档详见： QPanda3文档。

注意：QPanda2已停止更新，建议尽快将资源迁移至QPanda3。

2.量子机器学习框架VQNet¶

VQNet是由本源量子开发的新一代量子与经典统一的机器学习框架，同时支持量子机器学习和经典机器学习模型的构建、训练。VQNet 的技术栈与本源量子计算云平台深度集成，可以实现量子网络模型的高效模拟训练，同时集成了QPanda模块，支持在真实量子计算机上进行模型训练和推理。其安装命令为：pip install pyvqnet。VQNet适用于多种应用场景，如图像识别、时间序列预测、自然语言处理、金融风控、生物医药（如分子性质预测）等，其量子增强的特征提取能力，可在减少参数量的同时提升模型表达能力，为“低碳 AI”提供技术基础。

VQNet文档详见： VQNet文档。