getting_started

# PennyLane 入门 ## 什么是 PennyLane？ 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。它通过自动微分和与经典机器学习框架的无缝集成，使量子计算机能够像神经网络一样进行训练。 ## 安装 使用 uv 安装 PennyLane： bash uv pip install pennylane 针对特定设备插件（IBM, Amazon Braket, Google, Rigetti 等）： bash # IBM Qiskit uv pip install pennylane-qiskit # Amazon Braket uv pip install amazon-braket-pennylane-plugin # Google Cirq uv pip install pennylane-cirq # Rigetti uv pip install pennylane-rigetti ## 核心概念 ### 量子节点 (QNodes) QNode 是可以在量子设备上评估的量子函数。它将量子电路定义与设备结合在一起： python import pennylane as qml # 定义设备 dev = qml.device('default.qubit', wires=2) # 创建 QNode @qml.qnode(dev) def circuit(params): qml.RX(params[0], wires=0) qml.RY(params[1], wires=1) qml.CNOT(wires=[0, 1]) return qml.expval(qml.PauliZ(0)) ### 设备 设备用于执行量子电路。PennyLane 支持： - **模拟器**: `default.qubit`, `default.mixed`, `lightning.qubit` - **硬件**: 通过插件访问 (IBM, Amazon Braket, Rigetti 等) python # 本地模拟器 dev = qml.device('default.qubit', wires=4) # Lightning 高性能模拟器 dev = qml.device('lightning.qubit', wires=10) ### 测量 PennyLane 支持多种测量类型： python @qml.qnode(dev) def measure_circuit(): qml.Hadamard(wires=0) # 期望值 return qml.expval(qml.PauliZ(0)) @qml.qnode(dev) def measure_probs(): qml.Hadamard(wires=0) # 概率分布 return qml.probs(wires=[0, 1]) @qml.qnode(dev) def measure_samples(): qml.Hadamard(wires=0) # 采样测量 return qml.sample(qml.PauliZ(0)) ## 基本工作流 ### 1. 构建电路 python import pennylane as qml import numpy as np dev = qml.device('default.qubit', wires=3) @qml.qnode(dev) def quantum_circuit(weights): # 应用门 qml.RX(weights[0], wires=0) qml.RY(weights[1], wires=1) qml.CNOT(wires=[0, 1]) qml.RZ(weights[2], wires=2) # 测量 return qml.expval(qml.PauliZ(0) @ qml.PauliZ(1)) ### 2. 计算梯度 python # 自动微分 grad_fn = qml.grad(quantum_circuit)