pennylane
Release 0.39.0
Pennylane是用於量子計算，量子機學習和量子化學的跨平台Python庫。
量子編程的確定開源框架。由研究人員建造，用於研究。 
程序量子計算機。建立具有廣泛的狀態準備，大門和測量的量子電路。在高性能模擬器或各種硬件設備上運行，具有高級功能，例如中路測量和緩解錯誤。
主量子算法。從NISQ到容忍量子計算，解鎖用於研究和應用的算法。分析量子化學和算法開發的性能，可視化電路和訪問工具。
用量子硬件和模擬器進行機器學習。與Pytorch ， Tensorflow ， Jax ， Keras或Numpy集成，以使用量子意識的優化器和與硬件兼容的梯度來定義和訓練混合模型，以進行高級研究任務。量子機學習Quickstart。
量子數據集。訪問高質量的預先模擬的數據集，以減少研究時間和加速算法開發。瀏覽數據集或貢獻您自己的數據。
彙編和性能。實驗支持即時彙編。編譯您的整個混合工作流程，並支持高級功能，例如自適應電路，實時測量反饋和無限環路。有關更多詳細信息，請參見催化劑。
有關更多詳細信息和其他功能，請參閱Pennylane網站。
Pennylane需要Python版本3.10及更高版本。可以使用PIP完成Pennylane以及所有依賴項的安裝：
python -m pip install pennylane Docker圖像可在Pennylane Docker Hub頁面上找到，其中還有有關Pennylane Docker支持的詳細說明。有關更多信息，請參見此處的描述。
遵循我們的Quickstart指南，旨在介紹關鍵功能並幫助您立即開始構建量子電路，從而快速使用Pennylane運行。
無論您是探索量子機學習（QML），量子計算還是量子化學，Pennylane都提供了多種工具和資源來支持您的研究：
您還可以查看我們的文檔，以獲取使用Pennylane的快速啟動指南，以及有關如何編寫自己與Pennylane兼容的量子設備的詳細開發人員指南。
通過使用Pennylane和Quantum硬件探索尖端算法，深入研究量子計算。探索Pennylane演示。
如果您想貢獻自己的演示，請參見我們的演示提交指南。
Pennylane在量子計算，量子機學習和量子化學方面處於研究的最前沿。探索如何在以下出版物中使用Pennylane進行研究：
量子計算：用隨機測量的快速量子電路切割
量子機學習：比古典好嗎？基準測試量子機學習模型的微妙藝術
量子化學：通過正則壓縮雙重分解加速化學的量子計算
有影響力的研究推動了Pennylane。讓我們知道您在GitHub或我們網站上進行研究所需的功能。
我們歡迎捐款 - 簡而言之，分配了Pennylane存儲庫，然後提出包含您貢獻的拉動請求。 Pennylane的所有貢獻者都將被列為發行版的作者。所有針對代碼（新插件，新功能等）貢獻的用戶都將在Pennylane Arxiv紙上列出。
我們還鼓勵錯誤報告，有關新功能和增強功能的建議，甚至鼓勵與Pennylane建立的涼爽項目或應用程序的鏈接。
有關更多詳細信息，請參見我們的貢獻頁面和開髮指南。
如果您有問題，請在我們的Github問題跟踪器上發布問題，讓我們知道。
加入Pennylane討論論壇，與量子社區建立聯繫，獲得支持並直接與我們的團隊互動。這是分享想法，提出問題並與研究人員和開發人員合作的理想場所！
請注意，我們致力於為所有人提供一個友好，安全和熱情的環境。請閱讀並尊重行為準則。
Pennylane是許多貢獻者的工作。
如果您正在使用Pennylane進行研究，請引用我們的論文：
Ville Bergholm等人。 Pennylane：雜交量子古典計算的自動分化。 2018。 Arxiv：1811.04968
Pennylane是免費的開源，是Apache許可證版本2.0版。
