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

TorchQuantum 是一个使用 PyTorch 在传统硬件上模拟量子计算的框架。它解决了设计、训练和调试量子电路（尤其是参数化量子电路）的挑战，通过直接集成到 PyTorch 生态系统，使模拟更快、部署到真实量子硬件也更容易。

How it works

该库提供 QuantumDevice 类来存储 statevectors，并提供一套量子门函数和算子。它利用 PyTorch 的 autograd 进行自动梯度计算，支持在 CPU 和 GPU 上的批处理模式。这使用户能够构建混合经典‑量子模型，将量子层视为可训练的 PyTorch 模块。

Who it’s for

它面向从事量子算法设计、量子机器学习（QML）、量子神经网络、参数化量子电路训练以及量子最优控制的研究者。

Highlights

  • PyTorch Integration: 使用动态计算图和 autograd，实现与经典深度学习工作流的无缝集成。
  • GPU Acceleration: 支持在 GPU 上进行 statevector 与 pulse 仿真，可在多 GPU 环境下扩展至 30+ 量子比特。
  • Hybrid Modeling: 简化混合经典‑量子模型的构建。
  • Hardware Deployment: 包含插件，可轻松将模拟电路部署到真实量子设备，如 IBMQ。
  • Broad Application: 已用于从 MNIST 分类到变分量子本征求解器（VQE）等各种任务。