Расширенное обучение квантовым схемам

• Квантовые операции высокого порядка.
• Квантовое измерение.
• Шумящие квантовые схемы.
• Симулятор шума.
• Отображение кубитов.
• Сфера Блоха.

Вариационные квантовые алгоритмы

• Классификация ирисов с помощью квантовых нейронных сетей.
• Алгоритм квантовой приближённой оптимизации.
• Применение квантовых нейронных сетей в обработке естественного языка.
• Использование вариационного квантового решателя в квантово-химических расчётах.
• Проверка эквивалентности схем с параметрами.

Универсальные квантовые алгоритмы

• Метод оценки квантового фазового состояния.
• Поиск по алгоритму Гровера и алгоритм дракона на основе MindQuantum.
• Реализация алгоритма Шора на базе MindQuantum.
• HHL-алгоритм.

Для получения дополнительной информации о API и других функциях, пожалуйста, обратитесь к документации MindQuantum по ссылке.

Установка

1. Убедитесь, что ваша система поддерживает инструкции AVX2.
2. Установите MindSpore, следуя инструкциям на сайте MindSpore, версия должна быть не ниже 1.4.0.
3. Ознакомьтесь с остальными зависимостями в файле setup.py.

PIP-установка

Установка MindSpore

Следуйте инструкциям на официальном сайте MindSpore для установки версии 1.4.0 или выше.

Установка MindQuantum

pip install mindquantum

Компиляция из исходного кода

1. Скачайте исходный код с GitHub:

   cd ~
   git clone https://gitee.com/mindspore/mindquantum.git

2. Соберите MindQuantum:

   • На Linux-системах убедитесь, что у вас установлен CMake версии 3.18.3 или новее, затем выполните следующую команду:

     cd ~/mindquantum
     bash build.sh --gitee

• Здесь --gitee указывает скрипту загрузить зависимости с платформы gitee. Если вам нужна GPU-версия, сначала установите CUDA 11.x и соответствующие драйверы для видеокарты, а затем выполните следующие команды:

  cd ~/mindquantum
  bash build.sh --gitee --gpu

• На Windows-системах убедитесь, что установлены MinGW-W64 и CMake версии 3.18.3 или новее. Затем выполните следующую команду:

  cd ~/mindquantum
  ./build.bat /Gitee

• На Mac-системах установите openmp и CMake версии 3.18.3 или новее. Затем запустите следующую команду:

  cd ~/mindquantum
  bash build.sh --gitee

3. Установите скомпилированный пакет whl:

   Перейдите в каталог output и используйте команду pip для установки скомпилированного пакета whl.

Проверка успешной установки

Выполните следующую команду. Если не появится сообщение об ошибке «No module named 'mindquantum'», установка прошла успешно.

python -c 'import mindquantum'

Docker-установка

Вы можете использовать Mindquantum в Mac или Windows системах с Docker. Подробнее см. в руководстве по установке Docker.

FAQ

Перед запуском кода настройте количество параллельных ядер для имитатора квантовых вычислений. Например, чтобы установить количество ядер равным 4, выполните следующую команду:

export OMP_NUM_THREADS=4

На больших серверах рекомендуется настроить количество ядер в соответствии с размером модели для достижения оптимальной производительности.

Дополнительные вопросы см. на странице FAQ.

Создание двоичного пакета whl

Если вы хотите создать двоичный пакет whl для распространения, следуйте инструкциям в руководстве Создание двоичных пакетов whl.

Быстрый старт

Чтобы быстро создать параметризованную квантовую схему и обучить квантовый нейронный сеть, см. руководство пользователя MindQuantum.

Документация

Дополнительную информацию об установке, обучении и API можно найти в документации MindQuantum.

Сообщество

Управление

Ознакомьтесь с тем, как MindSpore управляет открытым исходным кодом.

Вклад

Мы приветствуем вклад в проект. Более подробную информацию см. в нашей вики для участников. Добро пожаловать на ознакомление с MindQuantum — белой книгой (https://arxiv.org/abs/2406.17248).

При использовании MindQuantum в научных исследованиях, пожалуйста, сделайте ссылку:

@misc{xu2024mindspore,
      title={MindSpore Quantum: A User-Friendly, High-Performance, and AI-Compatible Quantum Computing Framework},
      author={Xusheng Xu and Jiangyu Cui and Zidong Cui and Runhong He and Qingyu Li and Xiaowei Li and Yanling Lin and Jiale Liu and Wuxin Liu and Jiale Lu and others},
      year={2024},
      eprint={2406.17248},
      archivePrefix={arXiv},
      primaryClass={quant-ph},
      url={https://arxiv.org/abs/2404.09908}
}

Лицензия

Apache License 2.0