mit-han-lab/torchquantum
A PyTorch-based framework for Quantum Classical Simulation, Quantum Machine Learning, Quantum Neural Networks, Parameterized Quantum Circuits with support for easy deployments on real quantum computers.
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tuần
#1 Repository Của Tuần
#2 Repository Của Tuần
🚀 Quantum Computing trong PyTorch — nhanh, có thể gỡ lỗi, triển khai lên máy thực
Mô phỏng tính toán lượng tử trên phần cứng cổ điển bằng PyTorch, hỗ trợ trên GPU và dễ dàng triển khai lên máy tính lượng tử thực.
torchquantum là một framework mã nguồn mở do nhóm nghiên cứu MIT HAN Lab phát triển, dùng để xây dựng và mô phỏng các mạng nơơi lượng tử (Quantum Neural Networks), mạch lượng tử có tham số (Parameterized Quantum Circuits) và các thuật toán học sâu lượng tử (Quantum Machine Learning) trên nền tảng PyTorch. Dự án hỗ trợ mô phỏng trạng thái lượng tử (statevector) và mô phỏng sóng điện từ (pulse simulation) trên GPU, có khả năng mở rộng lên tới hơn 30 qubit với nhiều GPU.
✨ Điểm nổi bật
- Xây dựng và mô phỏng mạch lượng tử trong PyTorch: sử dụng API quen thuộc của PyTorch để định nghĩa mạch lượng tử.
- Đồ thị tính toán động: hỗ trợ gỡ lỗi dễ dàng nhờ cơ chế đồ thị linh động.
- Tính toán gradient tự động: tận dụng autograd của PyTorch để tính đạo hàm tự động.
- Chạy trên CPU/GPU với chế độ batch: hỗ trợ huấn luyện và suy diễn hàng loạt trên cả CPU và GPU.
- Triển khai dễ dàng lên máy tính lượng tử thực: kết nối với các nền tảng như IBMQ để chạy mạch trên thiết bị lượng tử thực.
- Xây dựng mô hình lai truyền thống – lượng tử: dễ dàng kết hợp các thành phần cổ điển và lượng tử trong cùng một mô hình.
- Mô phỏng ở mức độ sóng (pulse-level): đang phát triển để hỗ trợ mô phỏng chi tiết các tín hiệu điều khiển.
💡 Vì sao đáng chú ý
torchquantum khác biệt so với các framework như Qiskit hay PennyLane nhờ sử dụng đồ thị tính toán động, hỗ trợ tính toán gradient tự động qua autograd và tối ưu hiệu năng trên GPU. Nhờ kiến trúc này, các nhà nghiên cứu có thể dễ dàng xây dựng, huấn luyện và gỡ lỗi các mô hình lượ lượng tử phức tạp. Đặc biệt phù hợp với ứng dụng trong thiết kế thuật toán lượng tử, huấn luyện mạch lượng tử có tham số, tối ưu điều khiển lượng tử và học sâu lượng tử.
#PyTorch #QuantumComputing #QuantumMachineLearning #OpenSource #TiniX
Similar Projects
Discover other similar projects and AI models.
Tensors and Dynamic neural networks in Python with strong GPU acceleration
Implement a ChatGPT-like LLM in PyTorch from scratch, step by step
Learn how to develop, deploy and iterate on production-grade ML applications.
🧑🏫 60+ Implementations/tutorials of deep learning papers with side-by-side notes 📝; including transformers (original, xl, switch, feedback, vit, ...), optimizers (adam, adabelief, sophia, ...), gans(cyclegan, stylegan2, ...), 🎮 reinforcement learning (ppo, dqn), capsnet, distillation, ... 🧠
🧑🏫 60+ Implementations/tutorials of deep learning papers with side-by-side notes 📝; including transformers (original, xl, switch, feedback, vit, ...), optimizers (adam, adabelief, sophia, ...), gans(cyclegan, stylegan2, ...), 🎮 reinforcement learning (ppo, dqn), capsnet, distillation, ... 🧠
Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object tracking
DeepSpeed is a deep learning optimization library that makes distributed training and inference easy, efficient, and effective.