PennyLane中qml.compile函数对空basis_set参数的支持优化
在量子计算编程框架PennyLane的最新开发中,团队对qml.compile函数的basis_set参数处理逻辑进行了重要改进。这项改进使得开发者能够更灵活地控制量子操作分解行为,特别是在需要尽可能分解所有可分解操作的情况下。
背景与问题
qml.compile是PennyLane中一个强大的函数编译装饰器,它允许开发者指定量子操作在编译过程中的分解行为。其中的basis_set参数用于定义一组"基础操作"——即那些不应该被进一步分解的量子操作。
在之前的实现中,当basis_set参数被设置为空集合(如{}、[]或())时,系统会将其视为"未指定",并默认使用qml.ops.__all__作为基础操作集。这种行为限制了开发者表达"尽可能分解所有可分解操作"的意图。
技术实现细节
新的实现方案对basis_set参数的处理逻辑进行了如下改进:
-
明确区分None和空集合:现在系统能够明确区分
None(表示使用默认基础操作集)和空集合(表示没有基础操作,应尽可能分解所有操作) -
支持多种空集合类型:无论是空字典
{}、空列表[]还是空元组(),都会被识别为有效的空基础操作集 -
分解逻辑优化:当遇到空基础操作集时,系统会尝试分解任何具有分解方法的操作,无论它属于哪个操作类别
使用示例
这项改进后,开发者可以更直观地表达编译意图:
@partial(qml.compile, basis_set={}) # 明确表示尽可能分解所有操作
@qml.qnode(qml.device('default.qubit'))
def circuit():
qml.U2(0.5, 0.6, 0) # 这个操作将被尽可能分解
return qml.expval(qml.Z(0))
技术意义
这项改进在量子电路编译中具有重要意义:
-
更精确的控制:开发者现在可以明确区分"使用默认基础集"和"不使用任何基础集"两种情况
-
自动化流程支持:在自动化编译流程中,空基础集可以作为明确的指令,要求系统尽可能分解所有可分解操作
-
教学与研究:在教学演示和研究实验中,这项功能可以方便地展示量子操作如何被分解为更基础的组件
实现考量
在实现这一改进时,开发团队考虑了以下关键点:
-
向后兼容性:确保现有代码不会因为这一改变而出现行为变化
-
性能影响:空基础集情况下的分解路径经过了优化,避免不必要的性能开销
-
API一致性:这一改变与其他PennyLane API的设计哲学保持一致,提供更直观和灵活的参数控制
这项改进现已合并到PennyLane主分支,为量子计算开发者提供了更强大的电路编译控制能力。
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 StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06