tequilahub/tequila

Tequila – 用于变分量子算法的 Python 框架

是什么 – Tequila 是一个 Python 库，允许您以硬件无关的方式编写、组合、微分和优化量子计算电路。它专注于 变分 算法（VQE、QAOA 等），并为量子后端（模拟器和真实设备）以及量子化学包提供高层抽象。

核心理念

• 抽象数据结构 – 电路、哈密顿量、期望值和优化目标均以对象形式表示（tq.gates、tq.ExpectationValue、tq.Variable）。这使您可以在不硬编码特定模拟器的情况下构建复杂的工作流。
• 自动微分 – 该库可自动计算期望值的梯度，从而支持 BFGS 等基于梯度的优化器。
• 后端无关执行 – 只要安装了支持的后端（Qulacs、Qibo、Qiskit、Cirq、PyQuil、QLM），Tequila 就会自动检测并使用它们。您还可以接入量子化学引擎（Psi4、PySCF、Madness）来从分子结构生成量子哈密顿量。
• 化学导向的工具 – 提供构建分子哈密顿量、生成常见变分形式（UCC、UpCCGSD、SPA 等）以及与经典参考方法（CISD、FCI）比较的辅助函数。

典型工作流（Hello-World）

import tequila as tq
from math import pi

# 1️⃣ 定义变分参数
θ = tq.Variable('θ')

# 2️⃣ 构建简单电路（对第 0 个量子比特进行 Ry 旋转）
U = tq.gates.Ry(angle=θ*pi, target=0)

# 3️⃣ 选择可观测量（第 0 个量子比特上的 Pauli-X）
H = tq.paulis.X(0)

# 4️⃣ 构造期望值 ⟨ψ(θ)|H|ψ(θ)⟩
E = tq.ExpectationValue(H=H, U=U)

# 5️⃣ 优化 – 最小化期望值的平方
result = tq.minimize(method='bfgs', objective=E**2)

# 6️⃣ 检查结果
print('最优波函数:', tq.simulate(U, variables=result.angles))
result.history.plot('energies')

该模式可扩展至化学领域：定义 Molecule，生成量子哈密顿量，选择变分形式，然后调用 tq.minimize。

安装

• 核心包以 tequila-basic 的形式在 PyPI 上发布。使用 pip install tequila-basic 安装。
• 为在模拟器上获得最佳性能，可添加快速后端如 Qulacs（pip install qulacs）。
• 可选的化学后端（Psi4、PySCF、Madness）需单独安装（conda 或 pip），并可自动检测。
• 开发版本可直接从 GitHub 安装（pip install git+https://github.com/tequilahub/tequila.git）。

生态系统与社区

• 教程与文档 – 专用网站（tequilahub.github.io/tequila-tutorials）提供涵盖基础用法、化学模块和高级主题的笔记本。
• 研究影响 – README 列出了数十篇使用 Tequila 进行 VQE、基组无关方法、量子光学硬件设计、鲁棒性分析等的同行评审论文。其中许多论文在 tequila-tutorials 仓库中提供了示例笔记本。
• 可扩展性 – 您可以通过拉取请求贡献新的后端、变分形式或优化策略。项目遵循标准 Python 工具链（Ruff 用于格式化，CI 通过 GitHub Actions）。

谁可能使用它

• 希望通过 Python 接口在不同模拟器或真实量子硬件上运行 VQE 的量子化学研究人员。
• 原型设计新型变分形式或基于梯度的优化方案的算法开发者。
• 寻找教学友好型库的教育工作者，该库抽象了底层后端细节，同时仍暴露底层电路模型。

---

以上所有信息均直接取自仓库的 README；未推断任何额外功能。