访问官网
Github
文档
论文项目介绍：PennyLane
PennyLane 是一个功能强大的跨平台 Python 库，专注于量子计算、量子机器学习和量子化学的领域。它是专为研究人员和研究需求而开发的开放源码框架，是量子编程领域的领军者。
主要功能
程序量子计算机
PennyLane 提供了构建量子电路的能力，支持各种状态准备、门操作和测量。用户可以在高性能模拟器或多种硬件设备上运行这些电路，并且还支持诸如电路中间测量和误差缓解等高级功能。
掌握量子算法
从 NISQ（噪声中型量子时代）到容错量子计算，PennyLane 提供了解锁各类量子算法的途径。用户可以分析算法性能、可视化电路，并获得支持量子化学和算法开发的工具。
使用量子硬件和模拟器进行机器学习
用户可以将 PennyLane 与 PyTorch、TensorFlow、JAX、Keras 或 NumPy 集成，定义和训练使用量子优化器和硬件兼容梯度的混合模型。
量子数据集
PennyLane 提供访问高质量、预模拟数据集的功能，以减少研究时间并加速算法开发。用户还可以浏览这些数据集或贡献自己的数据。
编译和性能
PennyLane 实验性地支持即时编译（JIT），可以编译整个混合工作流程，支持自适应电路、实时测量反馈和无限循环等高级特性。
安装和使用
PennyLane 需要 Python 3.10 或更高版本。用户可以通过 pip 安装 PennyLane：
python -m pip install pennylane
PennyLane 还提供 Docker 支持，用户可以在 Docker Hub 上找到相关镜像并获取详细信息。
入门指南
PennyLane 提供了快速入门指南，帮助用户快速启动并构建量子电路。无论您是探索量子机器学习、量子计算还是量子化学，PennyLane 都为您的研究提供了广泛的工具和资源支持。
研究应用和演示
PennyLane 处于量子计算、量子机器学习和量子化学研究的前沿。用户可以通过探索研究演示和应用实例，深入了解其在量子硬件中的应用。
参与和支持
PennyLane 欢迎用户参与贡献。用户可以通过 fork PennyLane 仓库并提交 pull request 来贡献代码。同时，欢迎反馈错误、提出新功能建议，并分享基于 PennyLane 构建的项目。
若需要帮助，用户可以加入 PennyLane 讨论论坛，与量子社区连接，获得支持，与团队直接沟通，并在友好、安全、包容的环境中分享想法和问题。
PennyLane 是一个开放源码项目，使用 Apache 2.0 许可证免费发布。使用它进行研究时，请引用其相关论文。
