Classiq量子计算平台0.78.0版本发布:IQAE应用与可视化增强
量子计算编程平台Classiq近期发布了0.78.0版本更新,本次更新主要带来了全新的IQAE应用功能以及多项可视化改进。作为一款领先的量子算法设计工具,Classiq通过高层次抽象简化了量子程序的开发流程,使研究人员和开发者能够更高效地构建复杂的量子应用。
核心更新:IQAE量子振幅估计应用
本次版本最值得关注的特性是新增的IQAE(Iterative Quantum Amplitude Estimation)应用模块。IQAE是一种改进的量子振幅估计算法,相比传统QAE方法,它通过迭代方式减少了所需的量子比特数量和电路深度。
在0.78.0版本中,开发者现在可以直接通过SDK中的IQAE应用接口来定义振幅估计问题。用户只需提供目标量子态的准备函数(以Qmod格式定义),系统就能自动完成振幅估计过程,无需手动构建完整的量子电路。
这一改进显著简化了振幅估计任务的实现流程。以往开发者需要自行设计包含量子傅里叶变换等复杂组件的电路,现在通过高层抽象接口即可完成。该应用特别适用于金融风险分析、量子化学模拟等需要概率幅精确估计的场景。
可视化功能增强
本次更新还对电路可视化系统进行了重要修复:
-
基础视图显示修复:解决了基础视图始终为空的问题,现在能够正确渲染量子电路图。这对于需要快速查看电路基本结构的用户尤为重要。
-
示例模型兼容性改进:修复了包括"Shor算法模幂运算"在内的多个示例模型在新版可视化系统中的兼容性问题。这些修复确保了教学示例和经典算法的可视化展示效果。
技术实现建议
对于量子算法开发者,我们建议:
-
新开发的振幅估计应用优先采用IQAE应用接口,而非传统的cmain结合iqae原语的方式。新接口提供了更高层次的抽象,能减少样板代码并提高可维护性。
-
在需要调试量子电路时,可以灵活使用基础视图和高级视图的不同可视化选项,基础视图适合快速验证电路结构,高级视图则提供更详细的组件信息。
升级与兼容性
Classiq平台保持了良好的向后兼容性。Python SDK用户可以通过标准升级流程获取新功能,而IDE用户将自动获得更新。值得注意的是,虽然IQAE应用是新推荐的使用方式,但传统的iqae原语仍将继续支持,为现有项目提供平稳过渡。
这次更新体现了Classiq平台持续优化开发者体验的努力,通过提供更高层次的抽象和更可靠的可视化工具,进一步降低了量子算法开发的门槛。对于从事量子金融、量子化学或需要精确概率估计的研究人员来说,0.78.0版本带来的改进将显著提升工作效率。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00