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 是一個使用 PyTorch 在傳統硬體上模擬量子計算的框架。它解決了設計、訓練與除錯量子電路（尤其是參數化量子電路）的挑戰，透過直接整合至 PyTorch 生態系，使模擬更快速、部署至真實量子硬體也更容易。

How it works

此函式庫提供 QuantumDevice 類別來儲存 statevectors，並提供一系列量子閘函式與運算子。它利用 PyTorch 的 autograd 進行自動梯度計算，並支援在 CPU 與 GPU 上的批次模式處理。使用者因此可以構建混合式古典‑量子模型，將量子層視為可訓練的 PyTorch 模組。

Who it’s for

此框架適合從事量子演算法設計、量子機器學習（QML）、量子神經網路、參數化量子電路訓練與量子最佳控制的研究者。

Highlights

  • PyTorch Integration: 使用動態計算圖與 autograd，無縫結合古典深度學習工作流程。
  • GPU Acceleration: 支援在 GPU 上進行 statevector 與 pulse 模擬，可在多個 GPU 上擴展至 30+ 量子位元。
  • Hybrid Modeling: 簡化混合式古典‑量子模型的建構。
  • Hardware Deployment: 包含插件，可輕鬆將模擬電路部署至真實量子裝置，如 IBMQ。
  • Broad Application: 已應用於從 MNIST 分類到變分量子本徵求解器（VQE）等各種任務。