Qiskit 1.4.0版本发布:量子计算框架的重要更新
量子计算作为前沿计算技术,正在快速发展。Qiskit是IBM开发的开源量子计算框架,为研究人员和开发者提供了构建、分析和运行量子程序的工具。本次发布的1.4.0版本带来了多项重要改进和优化,特别是在API清理、性能提升和错误修复方面。
主要变更概述
1.4.0版本继续推进Qiskit框架的现代化进程,移除了多个过时的API,同时引入了新的功能增强。值得注意的是,这个版本对后端接口进行了进一步的统一,简化了量子电路处理流程,并优化了多个核心组件的性能。
废弃功能与API清理
本次版本中,开发团队对多个即将移除的功能发出了明确的废弃警告:
-
后端接口统一:废弃了BackendV1相关的多个组件,包括BackendProperties和BackendV2Converter,这是向更现代化的后端接口过渡的重要一步。
-
电路构建优化:废弃了Register和Bit类的子类化能力,简化了量子位和寄存器的管理方式。
-
可视化调整:将show_idle和show_barrier参数统一为idle_wires和plot_barriers,使API命名更加一致。
-
电路转换工具:移除了NormalizeRXAngle和rzx_templates等过时的电路转换工具。
这些变更反映了Qiskit框架向更简洁、更一致的API设计方向发展的趋势,开发者应尽快更新代码以适应这些变化。
核心功能改进
-
电路调度增强:新增了计算调度电路预估持续时间的方法,这对于量子程序性能分析和优化具有重要意义。
-
参数处理优化:修复了assign_parameters方法中标准门缓存的问题,提高了参数化电路的构建效率。
-
控制流支持:改进了.decompose方法对控制流的处理能力,增强了复杂量子算法的表达能力。
-
全局相位管理:修复了移除具有全局相位差异的等效门时的相位跟踪问题。
关键错误修复
-
矩阵处理:对病态矩阵应用了轻微扰动处理,提高了数值稳定性。
-
路由算法:修正了Sabre路由算法在处理不连续后端时的排列跟踪问题。
-
延时操作:在Delay比较中考虑了时间单位,确保时序分析的准确性。
-
泡利旋转:修复了CommutationChecker对双量子位泡利旋转的处理错误。
-
随机克利福德门:修正了random_clifford函数的实现问题。
-
酉合成:解决了当目标包含全局门时UnitarySynthesis传递的问题。
性能优化
-
缓存策略:在CommutationChecker中采用了更保守的缓存策略,平衡了内存使用和计算效率。
-
控制门处理:优化了add_control方法,不再展开基础门集中的门。
-
稀疏泡利算符:修正了使用密集Y标签初始化SparsePauliOp的问题。
开发者建议
对于现有项目,建议开发者:
-
检查代码中是否使用了已废弃的API,并按照警告信息进行更新。
-
特别注意后端接口的变化,及时迁移到新的Target系统。
-
利用新增的电路调度分析工具优化量子程序性能。
-
测试控制流和参数化电路的相关修改是否影响现有功能。
Qiskit 1.4.0的这些改进使框架更加稳定和高效,为构建复杂的量子算法提供了更好的基础。随着量子计算技术的成熟,Qiskit团队持续优化框架设计,帮助开发者更高效地探索量子计算的潜力。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00