UnifiedQuantum

English | 中文版

UnifiedQuantum — 非商业性量子计算聚合框架。

UnifiedQuantum 是一个轻量级 Python 框架，为量子线路构建、模拟和云端执行提供统一接口，聚合 OriginQ、Quafu、IBM Quantum 等多平台后端于一套一致的 API 下。

除了核心的线路构建和执行能力，UnifiedQuantum 还提供完整的本地芯片校准与量子错误缓解（QEM）工具链：

• XEB 交叉熵基准测试：uniqc calibrate xeb 测量每层门保真度，支持单比特、双比特和并行 2q 模式
• 读出误差校准 + M3 缓解：混淆矩阵标定与线性求逆修正
• 本地含噪模拟：通过 dummy:<platform>:<backend> 复用真实芯片的拓扑和校准数据，先 compile/transpile，再在本地重现硬件噪声特性
• DSatur 并行调度：自动将 2q 门分配到最小并行轮次

所有校准结果写入 ~/.uniqc/calibration_cache/，QEM 模块读取并强制 TTL 新鲜度策略。

核心工作流

UnifiedQuantum 围绕一个简洁的工作流设计：任意方式构建线路 → uniqc CLI 统一执行。

1. 安装

# 推荐：通过 uv 安装 CLI 工具（全局可用，无需虚拟环境）
uv tool install unified-quantum

# 或从 PyPI 安装 Python 包（提供 Python API）
uv pip install unified-quantum

2. 构建线路（支持原生 API 或任意第三方工具）

from uniqc import Circuit

c = Circuit()
c.h(0)
c.cnot(0, 1)
c.measure(0)
c.measure(1)

# 输出 OriginIR 格式，可供 CLI 使用
open('circuit.ir', 'w').write(c.originir)

你也可以使用 Qiskit、Cirq 等工具构建线路，只需最终输出 OriginIR 或 OpenQASM 2.0 格式。

3. CLI 统一执行

# 本地模拟
uniqc simulate circuit.ir --shots 1000

# 提交到云端
uniqc submit circuit.ir --backend originq:WK_C180 --shots 1000

# dummy backend 编号规则
uniqc submit circuit.ir --backend dummy:local:simulator --shots 1000
uniqc submit circuit.ir --backend dummy:local:virtual-line-3 --shots 1000
uniqc submit circuit.ir --backend dummy:originq:WK_C180 --shots 1000

# 查询任务结果
uniqc result <task_id>

dummy 表示无约束、无噪声本地虚拟机；dummy:local:virtual-line-N / dummy:local:virtual-grid-RxC 表示带虚拟拓扑约束的无噪声本地 backend；dummy:<platform>:<backend> 表示先按真实 backend compile/transpile，再用真实芯片标定数据在本地含噪执行。

设计理念

UnifiedQuantum 是一个非商业性的开源项目，致力于打造 AI 时代原生的量子计算应用框架：

• AI 原生：专为 AI 工作流设计，无缝集成到现代开发与推理流程中
• CLI-first：开箱即用的命令行工具，一条命令完成线路构建、模拟、提交与结果分析
• 聚合：整合多种量子云平台（OriginQ、Quafu、IBM Quantum），提供统一接口
• 统一：一致的 API 设计，屏蔽各平台差异
• 透明：清晰的量子程序组装与执行方式，无隐藏行为
• 轻量：纯 Python 实现，安装简单，集成方便

配套 Skill：在 IAI-USTC-Quantum/quantum-computing.skill 中获取 Claude Code 集成指南与 AI 辅助量子编程工作流。

Features

• 多平台提交：一个 submit_task（或 uniqc submit）即可将同一份线路发往 OriginQ、Quafu、IBM Quantum，或本地 dummy 模拟器。支持自动检测输入格式：Circuit 对象、OriginIR 字符串、QASM 字符串、qiskit.QuantumCircuit。
• 格式互转：Circuit.from_qasm() / Circuit.from_originir() 导入，circuit.to_qasm() / circuit.to_originir() 导出。
• 本地模拟：自带 OriginIR Simulator、QASM Simulator，支持 statevector / density matrix 两种后端，以及带噪声的变体。
• 算法组件：内置 HEA、UCCSD、QAOA 等常用 ansatz，可直接用于 VQE / QAOA 研究。
• PyTorch 集成：提供 QuantumLayer、参数偏移梯度、批处理执行，便于构建混合量子—经典模型。
• 可互操作：线路既可用原生 API 构建，也可来自 Qiskit、Cirq 等第三方工具，只要最终产出 OriginIR 或 OpenQASM 2.0。
• 异步提交：submit_task 立即返回 task_id；poll_result() 非阻塞查询状态，get_result() 或 wait_for_result() 阻塞等待完成。
• 易扩展：门集、错误模型、平台适配器都按接口组织，添加新后端只需实现一个 adapter。

Installation

Supported Platforms

• Windows / Linux / macOS

Requirements

• Python 3.10 – 3.14

从 PyPI 安装（推荐）

# 安装 CLI 工具（全局可用，无需虚拟环境）
uv tool install unified-quantum

# 安装 Python 包（提供 Python API，可与 uv tool 安装共存）
uv pip install unified-quantum

中国大陆用户推荐配置清华源，可大幅提升下载速度：

# 临时使用（仅本次）
uv pip install unified-quantum --index-url https://pypi.tuna.tsinghua.edu.cn/simple/
# 永久生效
uv pip install --python-preference managed --index-url https://pypi.tuna.tsinghua.edu.cn/simple/

从源码构建

如果你需要开发新版、安装开发版本或启用 C++ 模拟器：

git clone --recurse-submodules https://github.com/IAI-USTC-Quantum/UnifiedQuantum.git
cd UnifiedQuantum

# Maintainer / 全量开发环境：安装 dev、docs 和全部可选后端依赖，并按当前包索引升级解析
uv sync --all-extras --group dev --group docs --upgrade

# 运行完整测试套件
uv run pytest uniqc/test

# 包含真实云平台量子线路执行测试
uv run pytest uniqc/test --real-cloud-test

维护者环境不应把 qiskit、QuTiP、Sphinx 等当前维护的可选或文档模块缺失视为正常跳过条件。pyproject.toml 不钉住第三方依赖版本，主分支也不提交 uv.lock；全量开发和 CI 应按当前包索引解析最新可用依赖，及时暴露上游兼容性问题。Quafu/pyquafu 是例外：该平台 SDK 已 deprecated，且 pyquafu 依赖 numpy<2，因此不再包含在 [all] 中。

真实云平台测试中，读取后端、验证 token、查询平台 status/API 的测试默认执行；只有会实际提交量子线路的测试默认跳过，需要显式传 --real-cloud-test。

Requirements:

• CMake >= 3.26
• C++ compiler with C++17 support
• Git submodules (fmt)
• pybind11 from the Python build environment, declared in pyproject.toml

如果系统 CMake 版本过低（< 3.26），先升级：

pip install cmake --upgrade

pip 备选方案

pip 不支持 uv tool install 的 CLI 全局安装方式（无需虚拟环境即可全局调用 uniqc 命令）。如无特殊需求，推荐使用上面的 uv 安装方式。

# 从 PyPI 安装
pip install unified-quantum

# 从源码安装
pip install .
pip install -e .

可选依赖

核心依赖（包括 scipy）在默认安装中已包含。以下为可选功能依赖：

Quafu 已归档 / Archived：[quafu] extra 已移除。Quafu 平台 SDK 已 deprecated；如仍需使用，请直接 pip install pyquafu 并自行承担 numpy<2 的环境降级风险，UnifiedQuantum 后续不保证 Quafu 相关代码一致性和完整性。

Qiskit 已是核心依赖（随 unified-quantum 默认安装），无需单独的 [qiskit] extra。

TorchQuantum 后端当前不包含在 PyPI extras 中，需要手动安装：

uv pip install unified-quantum[pytorch]
uv pip install "torchquantum @ git+https://github.com/Agony5757/torchquantum.git@fix/optional-qiskit-deps"

不安装 TorchQuantum 不会影响核心功能、QuTiP 模拟、云平台适配器或常规 uniqc.torch_adapter 功能；只有 TorchQuantum 专用后端与示例会在实际使用时提示缺少该依赖。

CLI Quick Reference

# 查看帮助
uniqc --help

# 安装 AI 技能（AI Agent）
npx skills add IAI-USTC-Quantum/quantum-computing.skill --agent codex --skill '*'
npx skills add IAI-USTC-Quantum/quantum-computing.skill --agent claude-code --skill '*'

# 本地模拟
uniqc simulate circuit.ir --shots 1000

# 提交到云端（支持 originq / quafu / ibm / dummy）
uniqc submit circuit.ir --backend originq:WK_C180 --shots 1000

# 查询任务结果
uniqc result <task_id>

# 配置云平台 Token
uniqc config init
uniqc config set originq.token YOUR_TOKEN

# 校准与 QEM 数据准备
uniqc calibrate readout --backend dummy --qubits 0 1 --shots 1000
uniqc calibrate xeb --backend dummy --type 1q --qubits 0 1 --depths 5 10

后端信息查询

# 列出所有可用后端（默认隐藏 unavailable/deprecated）
uniqc backend list

# 显示所有后端（包括 unavailable/deprecated）
uniqc backend list --all

# 显示带保真度信息的表格
uniqc backend list --info

# 查看单个后端详情（含保真度、相干时间、拓扑）
uniqc backend show originq:WK_C180

# 强制刷新后端缓存（update 始终全量拉取最新数据）
uniqc backend update

Examples

📁 examples/ — Runnable demonstrations

Getting Started

Algorithms

Documentation

📖 GitHub Pages

Release Notes

• 版本变化总览：https://iai-ustc-quantum.github.io/UnifiedQuantum/docs/source/7_releases/index.html

关于我们

UnifiedQuantum 由 IAI-USTC-Quantum 团队开发和维护。

• 机构：合肥综合性国家科学中心人工智能研究院 · 量子人工智能团队
• GitHub 组织：github.com/IAI-USTC-Quantum
• 文档站点：iai-ustc-quantum.github.io
• 联系我们：chenzhaoyun@iai.ustc.edu.cn

欢迎提交 Issues、Pull Request，或通过邮件联系我们。如果您对量子计算研究感兴趣，欢迎加入我们。

Status

🚧 Actively developing. API may change.

v0.0.15 起：所有在 0.0.x 中通过 DeprecationWarning 标记的公共 API 将在 0.1.0 中移除。升级前请运行 pytest -W error::DeprecationWarning 清理所有弃用警告。详见 弃用政策。