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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C039
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0120
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00