案例教程# 电路基础 概述 设置 “Hello World" 样例 参数化量子电路(PQC) 电路的高级用法 输入状态 蒙特卡罗方法噪声模拟 应用任意幺正门 指数门 非幺正门 量子近似优化算法 (QAOA) 概述 设置 定义图 参数化量子电路 (PQC) 主优化循环 一维横场 Ising 模型 VQE 概述 背景 设置 更高层的 API 批处理 VQE 示例 不同的后端 更低层的 API MNIST 分类的量子机器学习 概述 设置 数据处理 使用 vectorized_value_and_grad API Jax 后端兼容性 使用 tf.data 训练模型 使用 tf.keras API Keras 中的量子经典混合模型 Jax 中的混合模型 使用 PyTorch 进行量子机器学习 概述 设置 使用 torch_interface 包装量子函数 批处理版本 具有经典后处理的混合模型 分类问题的量子机器学习技巧 概述 数据集和预处理 幅度编码 经典后处理 PCA 嵌入 数据重新加载 分子上的变分量子本征求解器 (VQE) 概述 设置 生成哈密顿量 VQE 设置 具有不同哈密顿量表示的一维 TFIM 上的 VQE 概述 设置 参数 参数化量子电路 泡利字符串运算子 能量 主优化循环 稀疏矩阵、稠密矩阵和 MPO 哈密顿量 生成 QuOperator 能量 主优化循环 稀疏矩阵、密集矩阵和 MPO MERA 概述 背景 设置 能量 MERA 电路 训练 对比 梯度计算效率比较 概述 设置 Qiskit 梯度框架基准 TensorCircuit 自动微分基准测试 contractor 使用 概述 设置 试验体系 opt-einsum cotengra 算符扩散 概述 设置 参数 量子电路的幺正矩阵\(U(t)\) \(t=0\) 时的运算符 算子传播 结果 参考资料 线路优化与线路表达能力关系探究 概述 设置 参数 精确对角化 输出状态的密度矩阵 哈密顿量 损失函数 Renyi 纠缠熵 主优化循环 结果 参考资料 通过激发态 VQE 探测多体局域化 概述 设置 参数 构建电路 构造哈密顿量 损失函数 本征见证 研究项目 可微量子架构搜索 概述 设置 问题描述 概率系综方法 直接优化结构参数 最后的微调 参考资料 贫瘠高原 概述 设置 参数 产生 QNN 批量方差计算 结果 结合SKLearn实现的支持向量分类 概述 设置 数据处理 量子模型 将量子模型打包成SVC 创建传统SVC模型 测试对比 SKLearn的局限性 结论