QuTiP 4.7.4与最新版SciPy 1.12.0的兼容性问题分析
问题背景
QuTiP(Quantum Toolbox in Python)是一个用于量子力学模拟的开源Python库,广泛应用于量子光学和量子信息领域的研究。近期,用户在使用QuTiP 4.7.4版本时遇到了与SciPy 1.12.0版本的兼容性问题,导致无法正常导入QuTiP库。
问题根源
问题的核心在于QuTiP 4.7.4版本中的parallel.py文件使用了已被弃用的SciPy导入方式。具体来说,该文件中包含以下导入语句:
from scipy import array
这种导入方式在SciPy 1.11版本中已被标记为弃用,并在1.12.0版本中完全移除。SciPy官方建议用户改用NumPy中的array函数,即:
from numpy import array
技术细节
-
历史背景:早期版本的SciPy确实提供了
array函数,但随着NumPy成为Python科学计算的核心库,SciPy团队决定逐步移除与NumPy重复的功能。 -
弃用过程:在SciPy 1.11版本中,使用
scipy.array会触发弃用警告,提示用户将在SciPy 2.0.0中完全移除该功能。然而,实际移除时间比预期的更早,在1.12.0版本就执行了。 -
影响范围:这一问题影响了所有使用QuTiP 4.7.4及更早版本,并升级到SciPy 1.12.0的用户。
解决方案
QuTiP开发团队已经意识到这个问题,并在后续提交中修复了此问题:
-
代码修复:在QuTiP的代码库中,已经将
from scipy import array替换为from numpy import array。 -
版本更新:修复后的代码将包含在QuTiP 4.7.5及更高版本中。
-
临时解决方案:对于急需使用QuTiP的用户,可以采取以下临时措施:
- 降级SciPy到1.11.x版本
- 手动修改本地安装的QuTiP代码
最佳实践建议
-
版本管理:在科学计算项目中,建议使用虚拟环境并固定关键依赖包的版本,以避免类似的兼容性问题。
-
弃用警告:开发者应重视库的弃用警告,及时更新代码以避免未来可能出现的兼容性问题。
-
依赖关系:库开发者应明确声明依赖包的版本范围,特别是对于可能引入重大变更的依赖项。
总结
这一事件凸显了科学计算生态系统中库之间依赖关系管理的重要性。QuTiP团队已经积极应对这一问题,用户可以通过升级到即将发布的4.7.5版本来解决兼容性问题。同时,这也提醒开发者需要密切关注依赖库的更新日志和弃用警告,以保持项目的长期稳定性。
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