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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00