v0.11.0 稳定版

MindQuantum

一个通用的、开源的量子-经典混合计算框架。专为科研、模拟和部署而设计。

pip install mindquantum
交互式环境

拖拽门以构建电路 • 即时模拟

量子经典混合计算

基于 MindSpore 自动微分引擎构建,支持参数化量子电路(PQC)和量子神经网络的无缝训练。

高性能模拟

支持单比特门、双比特门和通用幺正门操作。针对 CPU/GPU 后端进行了向量化优化。

丰富的算法库

内置 VQE、QAOA、Grover 搜索和量子相位估计算法。可直接用于化学模拟和组合优化。

学习路径

系统化的教程,助您掌握量子计算。

查看所有课程

原生 Python 语法

MindQuantum 设计简洁且表达力强。利用算符重载构建电路,并在高性能模拟器上仅需寥寥数行代码即可运行。

  • 向量化运算: 高效处理批量量子态。
  • 自动微分: 自动计算变分量子算法中期望值的梯度。
main.py
1 import mindquantum as mq
2 from mindquantum import Circuit, H, RX, RY
3
4 # 构建参数化电路
5 circ = Circuit()
6 circ += H.on(0)
7 circ += RX('theta').on(0)
8 circ += RY(1.2).on(1, 0)
9
10 # 模拟
11 sim = mq.Simulator('mqvector', 2)
12 ham = mq.Hamiltonian(mq.QubitOperator('Z0'))
13 result = sim.get_expectation_with_grad(ham, circ)
14 print(result)