MQT QMAP量子电路映射工具安装指南
2025-06-01 16:02:55作者:宗隆裙
MQT QMAP是一款用于量子电路映射的开源工具,主要采用C++17开发并提供了Python绑定接口。本文将详细介绍如何在不同环境下安装和使用该工具。
推荐安装方式
对于大多数用户,我们推荐使用Python包管理工具进行安装,这种方式简单快捷且无需编译。
准备工作
建议使用现代Python包管理工具uv,它比传统工具更快速高效。安装方法如下:
macOS/Linux系统:
curl -LsSf https://astral.sh/uv/install.sh | sh
Windows系统:
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
安装MQT QMAP
使用uv安装:
uv pip install mqt.qmap
或者使用传统pip安装:
python -m pip install mqt.qmap
安装完成后,可通过以下命令验证:
python -c "import mqt.qmap; print(mqt.qmap.__version__)"
版本兼容性说明:从2.7.0版本开始,不再支持Python 3.8,建议使用Python 3.9或更高版本。
从源码构建(高性能版)
如需获得最佳性能,建议从源码构建安装:
uv pip install mqt.qmap --no-binary mqt.qmap --no-binary mqt.core
或使用pip:
pip install mqt.qmap --no-binary mqt.qmap --no-binary mqt.core
构建要求
- 支持C++17的编译器
- CMake 3.24或更高版本
- SMT求解器Z3
Z3安装方法:
- Ubuntu系统:
sudo apt-get install libz3-dev - macOS系统:
brew install z3 - 通过Python安装:
pip install z3-solver
项目集成指南
Python项目集成
在项目配置文件中添加依赖项:
pyproject.toml:
[project]
dependencies = ["mqt.qmap>=3.0.0"]
setup.py:
from setuptools import setup
setup(
install_requires=["mqt.qmap>=3.0.0"],
)
C++项目集成
使用FetchContent(推荐)
include(FetchContent)
set(FETCH_PACKAGES "")
set(MQT_QMAP_VERSION 3.0.0
CACHE STRING "MQT QMAP version")
set(MQT_QMAP_REV "v3.0.0"
CACHE STRING "MQT QMAP identifier")
set(MQT_QMAP_REPO_OWNER "cda-tum"
CACHE STRING "MQT QMAP repository owner")
if(CMAKE_VERSION VERSION_GREATER_EQUAL 3.24)
FetchContent_Declare(
mqt-qmap
GIT_REPOSITORY https://github.com/${MQT_QMAP_REPO_OWNER}/mqt-qmap.git
GIT_TAG ${MQT_QMAP_REV}
FIND_PACKAGE_ARGS ${MQT_QMAP_VERSION})
list(APPEND FETCH_PACKAGES mqt-qmap)
else()
find_package(mqt-qmap ${MQT_QMAP_VERSION} QUIET)
if(NOT mqt-qmap_FOUND)
FetchContent_Declare(
mqt-qmap
GIT_REPOSITORY https://github.com/${MQT_QMAP_REPO_OWNER}/mqt-qmap.git
GIT_TAG ${MQT_QMAP_REV})
list(APPEND FETCH_PACKAGES mqt-qmap)
endif()
endif()
FetchContent_MakeAvailable(${FETCH_PACKAGES})
使用Git子模块
git submodule add https://github.com/munich-quantum-toolkit/qmap.git external/mqt-qmap
在CMakeLists.txt中添加:
add_subdirectory(external/mqt-qmap)
结语
本文详细介绍了MQT QMAP的多种安装方式,用户可根据实际需求选择最适合的安装方法。对于性能敏感的应用场景,建议从源码构建以获得最佳性能。
登录后查看全文
热门项目推荐
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 StartedRust078- 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
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
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
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
项目优选
收起
Claude 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 Started
Rust
434
76
暂无描述
Dockerfile
690
4.46 K
openEuler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。
C
407
326
Ascend Extension for PyTorch
Python
547
671
deepin linux kernel
C
28
16
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.59 K
925
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
955
930
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
650
232
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.08 K
564
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
C
436
4.43 K