--- name: cirq description: Google量子计算框架。当针对Google Quantum AI硬件、设计噪声感知电路或运行量子表征实验时使用。最适合Google硬件、噪声建模和低级电路设计。IBM硬件请使用qiskit；量子ML与自动微分请使用pennylane；物理模拟请使用qutip。 license: Apache-2.0 license allowed-tools: Read Write Edit Bash metadata: {"version": "1.0", "skill-author": "K-Dense Inc."} --- # Cirq - Python 量子计算 Cirq 是 Google Quantum AI 的开源框架,用于在量子计算机和模拟器上设计、模拟和运行量子电路。 ## 何时使用此技能 在以下情况下使用 Cirq： 1. **使用 Google 量子硬件** - 针对 Google Quantum AI 设备设计电路 2. **噪声感知电路设计** - 考虑实际硬件噪声进行电路优化 3. **量子表征实验** - 运行量子表征和基准测试实验 4. **低级电路设计** - 需要细粒度控制量子门和脉冲 5. **噪声建模** - 模拟和分析噪声对量子计算的影响 **替代框架：** - IBM 硬件 → 使用 Qiskit - 量子机器学习 → 使用 PennyLane - 物理模拟 → 使用 QuTiP ## 安装 ```bash uv pip install cirq ``` 对于硬件集成: ```bash # Google Quantum Engine uv pip install cirq-google # IonQ uv pip install cirq-ionq # AQT (Alpine Quantum Technologies) uv pip install cirq-aqt # Pasqal uv pip install cirq-pasqal # Azure Quantum uv pip install azure-quantum cirq ``` ## 快速开始 ### 基本电路 ```python import cirq import numpy as np # 创建量子比特 q0, q1 = cirq.LineQubit.range(2) # 构建电路 circuit = cirq.Circuit( cirq.H(q0), # 在 q0 上应用 Hadamard 门 cirq.CNOT(q0, q1), # CNOT 门,q0 为控制,q1 为目标 cirq.measure(q0, q1, key='result') ) print(circuit) # 模拟 simulator = cirq.Simulator() result = simulator.run(circuit, repetitions=1000) # 显示结果 print(result.histogram(key='result')) ``` ### 参数化电路 ```python import sympy # 定义符号参数 theta = sympy.Symbol('theta') # 创建参数化电路 circuit = cirq.Circuit( cirq.ry(theta)(q0), cirq.measure(q0, key='m') ) # 扫描参数值 sweep = cirq.Linspace('theta', start=0, stop=2*np.pi, length=20) results = simulator.run_sweep(circuit, params=sweep, repetitions=1000) # 处理结果 for params, result in zip(sweep, results): theta_val = params['theta'] counts = result.histogram(key='m') print(f"θ={theta_val:.2f}: {counts}") ``` ## 核心功能 ### 电路构建 关于构建量子电路的全面信息,包括量子比特、门、操作、自定义门和电路模式,请参阅: - **[references/building.md](references/building.md)** - 电路构建完整指南 常见主题: - 量子比特类型(GridQubit、LineQubit、NamedQubit) - 单量子比特和双量子比特门 - 参数化门和操作 - 自定义门分解 - 使用时刻组织电路 - 标准电路模式(Bell 态、GHZ、QFT) - 导入/导出(OpenQASM、JSON) - 使用量子位和可观测量 ### 模拟 关于模拟量子电路的详细信息,包括精确模拟、噪声模拟、参数扫描和量子虚拟机,请参阅: - **[references/simulation.md](references/simulation.md)** - 量子模拟完整指南 常见主题: - 精确模拟(态矢量、密度矩阵) - 采样和测量 - 参数扫描(单个和多个参数) - 噪声模拟 - 态直方图和可视化 - 量子虚拟机(QVM) - 期望值和可观测量 - 性能优化 ### 电路变换 关于优化、编译和操作量子电路的信息,请参阅: - **[references/transformation.md](references/transformation.md)** - 电路变换完整指南 常见主题: - 变换器框架 - 门分解 - 电路优化(合并门、弹出 Z 门、丢弃可忽略操作) - 硬件电路编译 - 量子比特路由和 SWAP 插入 - 自定义变换器 - 变换流水线 ### 硬件集成 关于在各种提供商的真实量子硬件上运行电路的信息,请参阅: - **[references/hardware.md](references/hardware.md)** - 硬件集成完整指南 支持的提供商: - **Google Quantum AI**(cirq-google) - Sycamore、Weber 处理器 - **IonQ**(cirq-ionq) - 离子阱量子计算机 - **Azure Quantum**(azure-quantum) - IonQ 和 Honeywell 后端 - **AQT**(cirq-aqt) - Alpine Quantum Technologies - **Pasqal**(cirq-pasqal) - 中性原子量子计算机 主题包括设备表示、量子比特选择、身份验证、作业管理和硬件电路优化。 ### 噪声建模 关于建模噪声、噪声模拟、表征和错误缓解的信息,请参阅: - **[references/noise.md](references/noise.md)** - 噪声建模完整指南 常见主题: - 噪声信道(去极化、振幅衰减、相位衰减) - 噪声模型(常数、门特定、量子比特特定、热) - 向电路添加噪声 - 读出噪声 - 噪声表征(随机基准测试、XEB) - 噪声可视化(热图) - 错误缓解技术 ### 量子实验 关于设计实验、参数扫描、数据收集和使用 ReCirq 框架的信息,请参阅: - **[references/experiments.md](references/experiments.md)** - 量子实验完整指南 常见主题: - 实验设计模式 - 参数扫描和数据收集 - ReCirq 框架结构 - 常见算法(VQE、QAOA、QPE) - 数据分析和可视化 - 统计分析和保真度估计 - 并行数据收集 ## 常见模式 ### 变分算法模板 ```python import scipy.optimize def variational_algorithm(ansatz, cost_function, initial_params): """变分量子算法模板。""" def objective(params): circuit = ansatz(params) simulator = cirq.Simulator() result = simulator.simulate(circuit) return cost_function(result) # 优化 result = scipy.optimize.minimize( objective, initial_params, method='COBYLA' ) return result # 定义 ansatz def my_ansatz(params): q = cirq.LineQubit(0) return cirq.Circuit( cirq.ry(params[0])(q), cirq.rz(params[1])(q) ) # 定义代价函数 def my_cost(result): state = result.final_state_vector # 基于态计算代价 return np.real(state[0]) # 运行优化 result = variational_algorithm(my_ansatz, my_cost, [0.0, 0.0]) ``` ### 硬件执行模板 ```python def run_on_hardware(circuit, provider='google', device_name='weber', repetitions=1000): """在量子硬件上运行的模板。""" if provider == 'google': import cirq_google engine = cirq_google.get_engine() processor = engine.get_processor(device_name) job = processor.run(circuit, repetitions=repetitions) return job.results()[0] elif provider == 'ionq': import cirq_ionq service = cirq_ionq.Service() result = service.run(circuit, repetitions=repetitions, target='qpu') return result elif provider == 'azure': from azure.quantum.cirq import AzureQuantumService # 设置工作区... service = AzureQuantumService(workspace) result = service.run(circuit, repetitions=repetitions, target='ionq.qpu') return result else: raise ValueError(f"未知提供商: {provider}") ``` ### 噪声研究模板 ```python def noise_comparison_study(circuit, noise_levels): """比较不同噪声水平下的电路性能。""" results = {} for noise_level in noise_levels: # 创建噪声电路 noisy_circuit = circuit.with_noise(cirq.depolarize(p=noise_level)) # 模拟 simulator = cirq.DensityMatrixSimulator() result = simulator.run(noisy_circuit, repetitions=1000) # 分析 results[noise_level] = { 'histogram': result.histogram(key='result'), 'dominant_state': max( result.histogram(key='result').items(), key=lambda x: x[1] ) } return results # 运行研究 noise_levels = [0.0, 0.001, 0.01, 0.05, 0.1] results = noise_comparison_study(circuit, noise_levels) ``` ## 最佳实践 1. **电路设计** - 为您的拓扑结构使用适当的量子比特类型 - 保持电路模块化和可重用 - 使用描述性键标记测量 - 执行前根据设备约束验证电路 2. **模拟** - 对纯态使用态矢量模拟(更高效) - 仅在需要时使用密度矩阵模拟(混合态、噪声) - 利用参数扫描而不是单独运行 - 监控大型系统的内存使用量(2^n 增长很快) 3. **硬件执行** - 始终先在模拟器上测试 - 使用校准数据选择最佳量子比特 - 针对目标硬件门集优化电路 - 为生产运行实施错误缓解 - 立即存储昂贵的硬件结果 4. **电路优化** - 从高级内置变换器开始 - 按顺序链接多个优化 - 跟踪深度和门数减少 - 变换后验证正确性 5. **噪声建模** - 使用来自校准数据的现实噪声模型 - 包括所有错误源(门、退相干、读出) - 在缓解之前表征 - 保持电路浅以最小化噪声积累 6. **实验** - 用清晰的分离构建实验(数据生成、收集、分析) - 使用 ReCirq 模式以确保可重现性 - 频繁保存中间结果 - 并行化独立任务 - 使用元数据彻底记录 ## 其他资源 - **官方文档**: https://quantumai.google/cirq - **API 参考**: https://quantumai.google/reference/python/cirq - **教程**: https://quantumai.google/cirq/tutorials - **示例**: https://github.com/quantumlib/Cirq/tree/master/examples - **ReCirq**: https://github.com/quantumlib/ReCirq ## 常见问题 **电路对于硬件来说太深:** - 使用电路优化变换器减少深度 - 参见 `transformation.md` 了解优化技术 **模拟内存问题:** - 从密度矩阵切换到态矢量模拟器 - 减少量子比特数量或对 Clifford 电路使用稳定器模拟器 **设备验证错误:** - 使用 device.metadata.nx_graph 检查量子比特连通性 - 将门分解为设备原生门集 - 参见 `hardware.md` 了解设备特定编译 **噪声模拟太慢:** - 密度矩阵模拟是 O(2^2n) - 考虑减少量子比特 - 选择性地仅在关键操作上使用噪声模型 - 参见 `simulation.md` 了解性能优化