Qiskit 2.0.0 版本深度解析:量子计算框架的重大革新
项目背景与版本概述
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全套工具链。2.0.0 版本是该框架的一次重大更新,标志着 Qiskit 进入了全新的发展阶段。本次更新不仅带来了性能提升和新功能,更重要的是对架构进行了彻底重构,移除了大量遗留代码,为未来的量子计算开发奠定了更坚实的基础。
核心架构变革
1. 后端系统全面升级
2.0.0 版本彻底移除了基于 BackendV1 的旧有后端实现,包括:
- 废弃的 BackendV1 基类及相关模型
- 移除 providers.models 和 qobj 模块
- 淘汰了基于 BackendV1 的分析后端实现
这一变革使 Qiskit 完全转向了更现代的 BackendV2 接口,提供了更简洁、更高效的量子硬件交互方式。开发者现在可以享受更统一的编程体验,而无需处理旧版本中的兼容性问题。
2. 脉冲系统重构
本次更新对脉冲相关功能进行了大规模清理:
- 移除了整个 pulse 模块及其可视化组件
- 删除了 QPY 中的脉冲序列序列化支持
- 淘汰了与脉冲相关的所有 transpiler passes
这一变化反映了 Qiskit 向更高抽象层的转变,鼓励开发者通过门级操作而非直接脉冲控制来构建量子程序,从而简化开发流程。
关键新特性
1. 经典表达式系统增强
引入了强大的经典表达式处理能力:
- 新增对 Float 类型的支持
- 添加了 +、-、*、/ 等运算符
- 支持 const 常量表达式
- 实现了 stretch 变量支持
这些改进使得量子电路中的经典控制逻辑更加灵活和强大,为混合量子-经典算法提供了更好的支持。
2. 稀疏可观测量(SparseObservable)功能扩展
新增了多项与稀疏可观测量相关的功能:
- 实现了稀疏可观测量的演化计算
- 添加了 compose 方法
- 提供了 C API 接口
- 支持与 SparsePauliOp 的相互转换
这些增强使得处理大型量子系统的可观测量的效率显著提升,特别适合复杂量子化学分析等应用场景。
3. 优化编译器与传递系统
编译器系统获得了多项重要改进:
- 新增 Light Cone Transpiler Pass,可优化量子电路的局部性
- 引入 ContractIdleWiresInControlFlow 优化传递
- 改进了 CommutationChecker 的精度,使用平均门保真度
- 为多控制单量子比特门提供了更好的分解方案
这些优化使得生成的量子电路更加高效,减少了实际运行所需的量子门数量。
性能优化与底层改进
1. Rust 集成加速
将 HighLevelSynthesis 传递移植到 Rust 实现,显著提升了高阶量子门合成的性能。这是 Qiskit 逐步采用 Rust 进行性能关键组件重写的重要一步。
2. 并行计算工具重构
对并行计算工具进行了全面重构并公开为正式 API,使得利用多核处理器加速量子分析和编译变得更加容易。
3. 基础设施升级
- 最低支持的 Rust 版本提升至 1.79
- 停止对 32 位 x86 架构的支持
- 将 Linux aarch64 提升为一级支持平台
这些变化反映了现代量子计算开发对硬件资源的需求,同时确保了框架在主流平台上的最佳性能。
开发者体验改进
1. 电路绘制增强
- 默认关闭 idle_wires 显示,使电路图更加简洁
- 统一了绘图参数命名,用 idle_wires 替代 show_idle
- 修复了屏障标签位置问题
2. API 清理与简化
- 移除了 QuantumCircuit 中意外公开的内部方法
- 确保 BlueprintCircuit.copy_empty_like 返回标准 QuantumCircuit
- 简化了 DAGCircuit.control_flow_op_nodes 的返回类型
3. 错误处理与稳定性
- 为病态矩阵计算添加了轻微扰动处理
- 修复了 SabreSwap 传递中的路由排列跟踪问题
- 改进了控制流操作在各类传递中的处理方式
迁移指南与兼容性说明
对于从早期版本升级的用户,需要注意以下重大变更:
- 所有基于 BackendV1 的代码需要迁移到 BackendV2 接口
- 脉冲相关功能已被完全移除,需要寻找替代方案
- 多个已弃用的模块和方法在此版本中被彻底删除
- 部分默认行为变更,如电路绘制的 idle_wires 设置
建议开发者在升级前全面测试现有代码,并参考官方迁移文档进行必要调整。
未来展望
Qiskit 2.0.0 为框架的未来发展奠定了坚实基础。我们可以预期后续版本将继续沿着以下方向发展:
- 更深入的 Rust 集成,提升关键组件的性能
- 增强的混合量子-经典算法支持
- 更智能的编译器优化
- 对新兴量子硬件架构的更好支持
这次重大更新使 Qiskit 更加现代化、高效和易用,为量子计算开发者提供了更强大的工具来探索量子计算的无限可能。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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