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.
What it solves
TorchQuantum는 PyTorch를 사용해 클래식 하드웨어에서 양자 계산을 시뮬레이션하는 프레임워크입니다. 특히 파라미터화된 양자 회로의 설계, 학습, 디버깅이라는 문제를 해결하며, 이를 PyTorch 생태계에 직접 통합함으로써 시뮬레이션 속도를 높이고 실제 양자 하드웨어에 배포하기 쉽게 합니다.
How it works
이 라이브러리는 QuantumDevice 클래스를 제공하여 statevectors를 저장하고, 다양한 양자 게이트 함수와 연산자를 제공합니다. PyTorch의 autograd를 활용해 자동 미분을 수행하며, CPU와 GPU 모두에서 배치 모드 처리를 지원합니다. 이를 통해 양자 레이어를 학습 가능한 PyTorch 모듈로 취급하는 하이브리드 클래식‑양자 모델을 구축할 수 있습니다.
Who it’s for
양자 알고리즘 설계, 양자 머신러닝(QML), 양자 신경망, 파라미터화된 양자 회로 학습, 양자 최적 제어 등에 종사하는 연구자를 위해 설계되었습니다.
Highlights
- PyTorch Integration: 동적 계산 그래프와 autograd를 사용해 클래식 딥러닝 워크플로와 원활히 통합합니다.
- GPU Acceleration: GPU에서 statevector 및 pulse 시뮬레이션을 지원하며, 다중 GPU에 걸쳐 30개 이상의 큐비트를 확장할 수 있습니다.
- Hybrid Modeling: 하이브리드 클래식‑양자 모델 구축을 간소화합니다.
- Hardware Deployment: IBMQ와 같은 실제 양자 디바이스에 시뮬레이션 회로를 쉽게 배포할 수 있는 플러그인을 포함합니다.
- Broad Application: MNIST 분류부터 변분 양자 고유값 문제(VQE)까지 다양한 작업에 활용됩니다.