PennyLane 是一个用于量子计算、量子机器学习和量子化学的跨平台 Python 库。由研究人员构建，用于研究

一、软件介绍

文末提供程序和源码下载

PennyLane 是一个用于量子计算、量子机器学习和量子化学的跨平台 Python 库。由研究人员构建，用于研究。

二、Key Features 主要特点

对量子计算机进行编程 。构建具有各种状态准备、门和测量的量子电路。在高性能仿真器或各种硬件设备上运行，具有中间电路测量和误差缓解等高级功能。
掌握量子算法 。从 NISQ 到容错量子计算，解锁用于研究和应用的算法。分析性能、可视化电路并访问用于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 。与 PyTorch 、TensorFlow 、JAX 、Keras 或 NumPy 集成，使用量子感知优化器和硬件兼容的梯度来定义和训练混合模型，以执行高级研究任务。量子机器学习快速入门。
Quantum 数据集 。访问高质量的预模拟数据集，以缩短研究时间并加速算法开发。浏览数据集或贡献您自己的数据。
编译和性能。对 just-in-time 的实验性支持汇编。编译您的整个混合工作流程，支持自适应电路、实时测量等高级功能 feedback 和无界循环。

三、Installation 安装

PennyLane requires Python version 3.10 and above. Installation of PennyLane, as well as all dependencies, can be done using pip:
PennyLane 需要 Python 3.10 及更高版本。PennyLane 的安装以及所有依赖项都可以使用 pip 完成：

复制代码

python -m pip install pennylane

四、Getting started 开始

Get up and running quickly with PennyLane by following our quickstart guide, designed to introduce key features and help you start building quantum circuits right away.
按照我们的快速入门指南快速启动并运行 PennyLane，该指南旨在介绍关键功能并帮助您立即开始构建量子电路。

Whether you're exploring quantum machine learning (QML), quantum computing, or quantum chemistry, PennyLane offers a wide range of tools and resources to support your research:
无论您是在探索量子机器学习（QML）、量子计算还是量子化学，PennyLane 都提供了广泛的工具和资源来支持您的研究：

Key Resources: 主要资源：

You can also check out our documentation for quickstart guides to using PennyLane, and detailed developer guides on how to write your own PennyLane-compatible quantum device.
您还可以查看我们的文档以获取使用 PennyLane 的快速入门指南，以及有关如何编写自己的PennyLane 兼容量子设备的详细开发人员指南。

五、Demos 演示

Take a deeper dive into quantum computing by exploring cutting-edge algorithms using PennyLane and quantum hardware. Explore PennyLane demos.
通过使用 PennyLane 和量子硬件探索尖端算法，更深入地了解量子计算。探索 PennyLane 演示。

Research Applications 研究应用

PennyLane is at the forefront of research in quantum computing, quantum machine learning, and quantum chemistry. Explore how PennyLane is used for research in the following publications:
PennyLane 处于量子计算、量子机器学习和量子化学研究的前沿。在以下出版物中探索 PennyLane 如何用于研究：

Quantum Computing : Fast quantum circuit cutting with randomized measurements
量子计算 ：使用随机测量进行快速量子电路切割
Quantum Machine Learning : Better than classical? The subtle art of benchmarking quantum machine learning models
量子机器学习 ：比传统更好？对量子机器学习模型进行基准测试的微妙艺术
Quantum Chemistry : Accelerating Quantum Computations of Chemistry Through Regularized Compressed Double Factorization
量子化学 ：通过正则化压缩双因式分解加速化学的量子计算

六、软件下载

夸克网盘分享

本文信息来源于GitHub作者地址：https://github.com/PennyLaneAI/pennylane