Cirq v1.5.0版本发布:量子计算框架的重要更新
Cirq是由Google Quantum AI团队开发的开源量子计算框架,专为设计、模拟和运行量子电路而构建。作为NISQ(含噪声中等规模量子)时代的重要工具,Cirq提供了丰富的功能来应对当前量子硬件的限制和挑战。
核心更新内容
Cirq 1.5.0版本带来了多项重要改进和新功能,其中最值得注意的是对Python 3.13和NumPy-2的支持,以及Cirq-Rigetti子包的变更。这些更新反映了量子计算生态系统的持续演进和Cirq框架的成熟度。
经典控制与条件操作增强
新版本引入了BitMaskKeyCondition功能,这是一个强大的多量子位经典控制条件实现。通过位掩码机制,开发者可以更灵活地定义复杂的控制逻辑,这在量子-经典混合算法中尤为重要。例如,在量子纠错或条件量子操作场景中,这种控制方式可以显著简化电路设计。
参数扫描功能强化
Cirq 1.5.0改进了参数扫描功能,现在支持将多个参数扫描串联组合成一个新的扫描。这一特性在需要执行多维度参数优化的量子实验中非常有用,如量子变分算法(VQE、QAOA等)的参数优化过程。
量子门分解优化
矩阵门(MatrixGate)的分解算法得到了改进,现在能够更好地处理全局相位变化。这一优化确保了在将任意酉矩阵分解为基本量子门序列时,能够保持更精确的量子态演化,对于需要高精度量子操作的应用场景尤为重要。
量子噪声与错误处理
新版本增加了多个与噪声和错误处理相关的功能:
-
去极化噪声模拟转换器:可以方便地将去极化噪声模型应用到量子电路中,帮助研究人员评估算法在噪声环境下的表现。
-
随机测量协议转换器:支持随机基准测试等协议的实现,这是评估量子门保真度的重要工具。
-
读取错误缓解工具:新增了针对Pauli字符串期望值的读取错误缓解功能,提高了量子测量结果的准确性。
设备与后端支持
Google量子处理器支持
Cirq-Google模块增强了对Google量子处理器的支持,包括:
- 改进了电路序列化能力,支持更多类型的电路对象和参数
- 增加了对stimcirq门和操作的支持
- 扫描协议消息现在支持类型化单位和可选元数据
- 支持电路执行时的自定义设备参数覆盖
IonQ量子计算机支持
Cirq-Ionq模块新增了对IonQ量子处理器的多项支持:
- 新增了IonQ
ZZGate的定义 - 增加了
AriaNativeGateset和ForteNativeGateset设备门集 - 提供了电路到原生门集的转换功能
- 改进了批处理电路提交功能
开发工具与基础设施
Cirq 1.5.0在开发工具方面也有显著改进:
-
OpenQASM支持:增加了对OpenQASM 3.0的初步解析支持,为与其他量子编程框架的互操作性奠定了基础。
-
Z相位校准工作流:新增了实验性的Z相位校准工作流,帮助优化两量子位门的性能。
-
性能优化:包括量子位哈希优化、电路构建优化等,提升了框架的整体运行效率。
向后兼容性说明
需要注意的是,Cirq-Rigetti子包在此版本中已被弃用,需要单独安装。此外,CircuitOperation的use_repetition_ids参数将在下一个版本中默认值从True改为False,开发者应明确指定该参数以确保代码的向后兼容性。
Cirq 1.5.0的这些更新体现了量子计算软件栈的持续成熟,为研究人员和开发者提供了更强大、更稳定的工具来探索量子计算的潜力。无论是算法开发、噪声研究还是实际设备应用,新版本都带来了值得关注的功能改进。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00