pennylane
Release 0.39.0
Pennylane是用于量子计算，量子机学习和量子化学的跨平台Python库。
量子编程的确定开源框架。由研究人员建造，用于研究。 
程序量子计算机。建立具有广泛的状态准备，大门和测量的量子电路。在高性能模拟器或各种硬件设备上运行，具有高级功能，例如中路测量和缓解错误。
主量子算法。从NISQ到容忍量子计算，解锁用于研究和应用的算法。分析量子化学和算法开发的性能，可视化电路和访问工具。
用量子硬件和模拟器进行机器学习。与Pytorch ， Tensorflow ， Jax ， Keras或Numpy集成，以使用量子意识的优化器和与硬件兼容的梯度来定义和训练混合模型，以进行高级研究任务。量子机学习Quickstart。
量子数据集。访问高质量的预先模拟的数据集，以减少研究时间和加速算法开发。浏览数据集或贡献您自己的数据。
汇编和性能。实验支持即时汇编。编译您的整个混合工作流程，并支持高级功能，例如自适应电路，实时测量反馈和无限环路。有关更多详细信息，请参见催化剂。
有关更多详细信息和其他功能，请参阅Pennylane网站。
Pennylane需要Python版本3.10及更高版本。可以使用PIP完成Pennylane以及所有依赖项的安装：
python -m pip install pennylane Docker图像可在Pennylane Docker Hub页面上找到，其中还有有关Pennylane Docker支持的详细说明。有关更多信息，请参见此处的描述。
遵循我们的Quickstart指南，旨在介绍关键功能并帮助您立即开始构建量子电路，从而快速使用Pennylane运行。
无论您是探索量子机学习（QML），量子计算还是量子化学，Pennylane都提供了多种工具和资源来支持您的研究：
您还可以查看我们的文档，以获取使用Pennylane的快速启动指南，以及有关如何编写自己与Pennylane兼容的量子设备的详细开发人员指南。
通过使用Pennylane和Quantum硬件探索尖端算法，深入研究量子计算。探索Pennylane演示。
如果您想贡献自己的演示，请参见我们的演示提交指南。
Pennylane在量子计算，量子机学习和量子化学方面处于研究的最前沿。探索如何在以下出版物中使用Pennylane进行研究：
量子计算：用随机测量的快速量子电路切割
量子机学习：比古典好吗？基准测试量子机学习模型的微妙艺术
量子化学：通过正则压缩双重分解加速化学的量子计算
有影响力的研究推动了Pennylane。让我们知道您在GitHub或我们网站上进行研究所需的功能。
我们欢迎捐款 - 简而言之，分配了Pennylane存储库，然后提出包含您贡献的拉动请求。 Pennylane的所有贡献者都将被列为发行版的作者。所有针对代码（新插件，新功能等）贡献的用户都将在Pennylane Arxiv纸上列出。
我们还鼓励错误报告，有关新功能和增强功能的建议，甚至鼓励与Pennylane建立的凉爽项目或应用程序的链接。
有关更多详细信息，请参见我们的贡献页面和开发指南。
如果您有问题，请在我们的Github问题跟踪器上发布问题，让我们知道。
加入Pennylane讨论论坛，与量子社区建立联系，获得支持并直接与我们的团队互动。这是分享想法，提出问题并与研究人员和开发人员合作的理想场所！
请注意，我们致力于为所有人提供一个友好，安全和热情的环境。请阅读并尊重行为准则。
Pennylane是许多贡献者的工作。
如果您正在使用Pennylane进行研究，请引用我们的论文：
Ville Bergholm等人。 Pennylane：杂交量子古典计算的自动分化。 2018。Arxiv：1811.04968
Pennylane是免费的开源，是Apache许可证版本2.0版。
