qsl-quantum 0.5.0

QSL - Quantum Search Language: Full-stack quantum computing framework with simulator, algorithms (QFT/Shor/QAOA/VQE), QML, hardware backends (IBM/AWS), AI scientist, and self-evolving meta-system

🚀 QSL — Quantum Search Language v0.5.0

用一句话描述你想解决什么问题，剩下的交给量子计算。

---

✨ 特性总览

一个 全栈量子计算框架，从声明式量子搜索到AI驱动的量子科学家：

层级	模块	功能
1️⃣	量子门 & 算法	50+ 量子门 · QFT · Shor 量子相位估计 · QAOA · VQE (parameter-shift)
2️⃣	量子机器学习	向量化 QuantumLayer · QNN · 量子核 · QSVM · 可微 QGAN (Straight-Through)
3️⃣	后端 & 编译器	高性能模拟器 · IBM/AWS 真机 · 门融合 · 布局映射 · 零噪声外推
4️⃣	AI 量子科学家	自然语言→量子程序 · 自主智能体 · 假设检验 · 自动发现
5️⃣	元系统 & 网络	遗传电路搜索 · 量子定理证明 (Grover) · 分布式节点 · 量子区块链

---

🎯 5 秒上手

from qsl import QSLProgram, compile_and_run

# 声明你想找什么：解一个 3-SAT 问题
program = QSLProgram(
    name="3-SAT",
    n_qubits=3,
    premises=["x0 | ~x1", "x1 | x2", "~x0 | ~x2"],
    shots=10
)
result = compile_and_run(program)
print(result.get_solutions())  # → [3, 4] 即 |011⟩ 和 |100⟩

不需要懂量子力学。 框架会自动编译最优量子电路并执行。

---

📦 核心功能演示

🔢 Shor 算法 — 整数因子分解

from qsl import ShorSolver

# 量子相位估计实现周期查找 (支持超过旧12-qubit阈值)
solver = ShorSolver(21, max_control_qubits=12)
factors = solver.factor()
print(f"21 = {' × '.join(map(str, factors))}")  # → 21 = 3 × 7

🧬 VQE — 分子基态能量计算

from qsl import VQE
import numpy as np

# 计算氢分子 H₂ 基态能量 (parameter-shift 梯度)
vqe = VQE(4, VQE.h2_hamiltonian(), n_layers=2)
energy, ground_state = vqe.optimize(maxiter=100)
print(f"H₂ ground energy: {energy:.4f} Hartree")

📊 QAOA — 组合优化 (MaxCut / 投资组合)

from qsl import QAOA
import numpy as np

# MaxCut 问题
adj = np.array([[0,1,0],[1,0,1],[0,1,0]])
Q = QAOA.maxcut_cost_matrix(adj)
qaoa = QAOA(3, Q, p=2, encoding="qubo")
params, cost = qaoa.optimize()
bitstring, value = qaoa.get_optimal_bitstring()

🔍 Grover — 布尔表达式量子搜索

from qsl import GroverSearch, solve_sat
from qsl.core.parser import parse_bool

# 直接从布尔表达式构建量子 Oracle (无经典枚举!)
expr = parse_bool("x0 & x1 & ~x2")
grover = GroverSearch(n_qubits=4, verbose=False)
result = grover.search_expressions([expr], num_solutions=1)

🤖 量子机器学习层

from qsl import QuantumLayer
import torch

# 完全向量化的 PyTorch 层 (无 Python for 循环)
layer = QuantumLayer(n_qubits=4, n_features=4, encoding="angle")
x = torch.randn(8, 4)  # batch of 8
out = layer(x)          # shape: (8, 4) — 可端到端训练

---

🛠 安装

# 核心 (仅依赖 numpy, ~100KB)
pip install qsl-quantum

# 量子算法 (scipy)
pip install qsl-quantum[algorithms]

# 量子机器学习 (torch, scikit-learn)
pip install qsl-quantum[qml]

# 真实量子硬件
pip install qsl-quantum[ibm]      # IBM Quantum
pip install qsl-quantum[aws]      # AWS Braket

# 全部依赖
pip install qsl-quantum[full]

⚠️ 导入时会提示未安装 SDK 的后端不可用，本地模拟器始终可用。

---

📁 项目结构

qsl/
├── core/           量子态 · 布尔解析器 · Grover (真正量子Oracle)
├── compiler/       DSL · 编译器 · 门融合/交换 · 错误缓解
├── backends/       模拟器 · IBM · AWS Braket · 自动选择
├── algorithms/     QFT · Shor (量子相位估计) · QAOA · VQE (parameter-shift)
├── qml/            QuantumLayer (向量化) · QNN · QSVM · QGAN (可微)
├── ai/             LLM 翻译器 · 量子智能体 · 假设检验
├── pipelines/      药物发现 · 密码分析 · 投资组合优化 (真正QAOA)
├── meta/           遗传电路搜索 · 量子定理证明 (Grover)
├── network/        分布式节点 · 量子区块链
└── utils/          异常体系 · 输入验证
tests/              398 个单元测试

---

✅ 运行测试

pip install -e ".[dev]"
pytest tests/ -v
# ======= 398 passed in ~9s =======

---

🔬 v0.5.0 重大修复 (相比 v0.4.1)

问题	修复
Grover Oracle 经典全枚举 2ⁿ 态	✅ 从布尔表达式直接构建量子电路
Shor >12 qubit 退回经典	✅ 正确量子相位估计 + 逆QFT
QuantumLayer Python for 循环	✅ 全部改为 numpy/torch 批量运算
QGAN torch.bernoulli 不可微	✅ Straight-Through Estimator
DensityMatrix 转 list-of-lists	✅ 全程保持 numpy ndarray
药物发现随机哈密顿量	✅ 支持 OpenFermion+PySCF 真实计算
IBM 后端经典枚举Oracle	✅ 量子Oracle电路构建
投资组合经典线性求解	✅ 逐点运行QAOA生成前沿
VQE 有限差分梯度 O(n_params×2ⁿ)	✅ Parameter-shift 规则
定理证明器经典枚举	✅ Grover 量子搜索证明空间
QFT apply/matrix 不一致	✅ 受控相位门逻辑修正
DensityMatrix amplitude damping 仅作用于 qubit 0	✅ 所有qubit循环施加
QAOA Ising/QUBO 编码不匹配	✅ 统一变量转换
QuantumLayer CNOT 优先级bug	✅ 运算符逻辑修正
解析器不支持下划线开头变量	✅ _ 标识符支持
kron 遮蔽 numpy.kron	✅ 重命名为 kronecker_prod
VQE 非H₂分子静默替换	✅ 明确报错提示
IBM JobStatus 路径问题	✅ try/except 兼容Qiskit 1.0+

---

👤 作者

宋梓铭 · Gitee · [e-mail]

---

📄 许可证

MIT License — 可自由使用、修改、分发。