pennylane
Release 0.39.0
Pennylane은 양자 컴퓨팅, 양자 기계 학습 및 양자 화학을위한 크로스 플랫폼 파이썬 라이브러리입니다.
양자 프로그래밍을위한 결정적인 오픈 소스 프레임 워크. 연구자들이 연구를 위해 구축했습니다. 
프로그램 양자 컴퓨터 . 광범위한 상태 준비, 게이트 및 측정으로 양자 회로를 구축하십시오. 중간 회로 측정 및 오류 완화와 같은 고급 기능을 사용하여 고성능 시뮬레이터 또는 다양한 하드웨어 장치에서 실행하십시오.
마스터 양자 알고리즘 . NISQ에서 결함 내성 양자 컴퓨팅에 이르기까지 연구 및 응용 프로그램을위한 알고리즘 잠금을 해제하십시오. 양자 화학 및 알고리즘 개발을위한 성능을 분석, 회로 시각화 및 액세스 도구를 액세스하십시오.
양자 하드웨어 및 시뮬레이터가있는 기계 학습 . Pytorch , Tensorflow , Jax , Keras 또는 Numpy 와 통합하여 고급 연구 작업을 위해 양자 인식 최적화기 및 하드웨어 호환 구배를 사용하여 하이브리드 모델을 정의하고 훈련시킵니다. 양자 기계 학습 QuickStart.
양자 데이터 세트 . 고품질의 사전 시뮬레이션 된 데이터 세트에 액세스하여 연구 시간을 줄이고 알고리즘 개발을 가속화합니다. 데이터 세트를 탐색하거나 자신의 데이터를 제공하십시오.
편집 및 성능 . 정시 컴파일에 대한 실험적 지원. 적응 형 회로, 실시간 측정 피드백 및 무한 루프와 같은 고급 기능을 지원하여 전체 하이브리드 워크 플로를 컴파일하십시오. 자세한 내용은 촉매를 참조하십시오.
자세한 내용과 추가 기능은 Pennylane 웹 사이트를 참조하십시오.
Pennylane에는 Python 버전 3.10 이상이 필요합니다. Pennylane의 설치 및 모든 종속성은 PIP를 사용하여 수행 할 수 있습니다.
python -m pip install pennylane Docker Images는 Pennylane Docker Hub 페이지에 있습니다. 여기서 Pennylane Docker 지원에 대한 자세한 설명도 있습니다. 자세한 내용은 여기 설명을 참조하십시오.
QuickStart Guide를 따르면 Pennylane을 통해 빠르게 시작하여 주요 기능을 도입하고 즉시 양자 회로 구축을 시작하도록 도와줍니다.
Pennylane은 양자 기계 학습 (QML), 양자 컴퓨팅 또는 양자 화학을 탐색하든, 연구 지원을위한 광범위한 도구와 리소스를 제공합니다.
또한 Pennylane 사용에 대한 QuickStart 가이드의 문서를 확인하고 Pennylane 호환 양자 장치를 작성하는 방법에 대한 자세한 개발자 안내서를 확인할 수도 있습니다.
Pennylane 및 Quantum 하드웨어를 사용하여 최첨단 알고리즘을 탐색하여 양자 컴퓨팅에 더 깊이 다이빙하십시오. Pennylane 데모를 탐색하십시오.
자신의 데모를 제공하려면 데모 제출 가이드를 참조하십시오.
Pennylane은 양자 컴퓨팅, 양자 기계 학습 및 양자 화학 연구의 최전선에 있습니다. Pennylane이 다음 출판물에서 연구에 어떻게 사용되는지 탐구하십시오.
양자 컴퓨팅 : 무작위 측정으로 빠른 양자 회로 절단
양자 기계 학습 : 고전보다 낫습니까? 양자 머신 러닝 모델 벤치마킹의 미묘한 예술
양자 화학 : 정규화 된 압축 이중 인수 화를 통한 화학의 양자 계산 가속화
영향력있는 연구는 Pennylane을 이끌어냅니다. Github 또는 당사 웹 사이트에 대한 연구에 필요한 기능을 알려주십시오.
우리는 기부금을 환영합니다 - Pennylane 저장소를 간단하게 포크 한 다음 귀하의 기여를 포함하는 풀 요청을 수행합니다. Pennylane의 모든 기고자는 릴리스의 저자로 등재됩니다. 코드에 크게 기여하는 모든 사용자 (새 플러그인, 새로운 기능 등)는 Pennylane Arxiv 논문에 나열됩니다.
또한 버그 보고서, 새로운 기능 및 개선 사항에 대한 제안, 심지어 Pennylane에 구축 된 멋진 프로젝트 또는 응용 프로그램에 대한 링크를 권장합니다.
자세한 내용은 기여 페이지 및 개발 안내서를 참조하십시오.
문제가있는 경우 GitHub 문제 추적기에 문제를 게시하여 알려주십시오.
Pennylane 토론 포럼에 가입하여 양자 커뮤니티와 연결하고 지원을 받고 팀과 직접 참여하십시오. 아이디어를 공유하고 질문을하며 동료 연구원 및 개발자와 협력 할 수있는 완벽한 장소입니다!
우리는 모두에게 친절하고 안전하며 환영하는 환경을 제공하기 위해 노력하고 있습니다. 행동 강령을 읽고 존중하십시오.
Pennylane은 많은 기고자들의 작품입니다.
Pennylane을 사용하여 연구를하고 있다면 우리 논문을 인용하십시오.
Ville Bergholm et al. Pennylane : 하이브리드 양자 클래식 계산의 자동 차별화. 2018. ARXIV : 1811.04968
Pennylane은 무료 및 오픈 소스 이며 Apache 라이센스 버전 2.0에 따라 출시되었습니다.
