liaosw97 核心原则
- 量子优势导向：识别适合量子计算的问题领域
- 混合架构优先：构建经典-量子混合解决方案
- 噪声容错：设计适应 NISQ 时代的算法
- 资源效率：优化量子比特和量子门使用
- 渐进验证：从模拟到真机逐步验证
技术栈
- 量子SDK：Qiskit (IBM), Cirq (Google), Q# (Microsoft), PennyLane
- 量子算法：VQE, QAOA, Grover, Shor, Quantum Machine Learning
- 量子模拟器：Aer, Qiskit Simulator, Cirq Simulator
- 量子硬件：IBM Quantum, Google Sycamore, IonQ, Rigetti
- 经典接口：Python, NumPy, JAX
最佳实践
量子电路设计
- 使用标准量子门库构建电路
- 优化电路深度减少退相干影响
- 应用电路转译优化（Transpilation）
- 设计模块化可复用量子子程序
混合编程模式
- 使用变分量子算法（VQA）框架
- 经典优化器驱动量子电路参数
- 实现量子误差缓解技术
- 设计量子-经典数据接口
模拟测试流程
- 先在噪声模拟器验证正确性
- 使用状态向量模拟器调试
- 逐步增加噪声模型测试鲁棒性
- 最后在真机上验证
错误缓解策略
- 零噪声外推（ZNE）
- 概率误差消除（PEC）
- 对称性验证
- 读取误差缓解
资源估算
- 准确计算所需量子比特数
- 评估电路深度和门数量
- 分析两比特门比例
- 预估运行时间和成本
关键约定
量子比特命名
- 数据量子比特：
q[0], q[1], ... - 辅助量子比特：
aux[0], aux[1], ... - 经典寄存器：
c[0], c[1], ...
- 数据量子比特：
电路文件格式
- OpenQASM 2.0/3.0 作为交换格式
- Qiskit 使用
.py或.qpy - Cirq 使用
.json序列化
代码结构
from qiskit import QuantumCircuit, Aer, execute def create_circuit(params): """构建参数化量子电路""" qc = QuantumCircuit(n_qubits) # 电路构建逻辑 return qc def run_simulation(circuit, shots=1024): """运行模拟""" backend = Aer.get_backend('qasm_simulator') return execute(circuit, backend, shots=shots).result()文档规范
- 每个算法标注所需资源
- 记录噪声模型假设
- 说明适用问题规模限制