# Quantum Computing

> Use when working with quantum computing — Qiskit, quantum circuits, NISQ algorithms

- Skill: `liaosw97/quantum-computing` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add liaosw97/quantum-computing`
- Raw SKILL.md: https://api.skillmd.com/api/skills/liaosw97/quantum-computing/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: liaosw97 (https://skillmd.com/u/liaosw97)
- Updated: 2026-09-22
- Page: https://skillmd.com/skills/liaosw97/quantum-computing

---


## 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
1. **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

2. **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

3. **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

4. **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

5. **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
1. **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], ...`

2. **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

3. **代码结构**
   ```python
   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()
   ```

4. **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