PennyLane 是一个开源量子软件平台，专注于量子计算、量子机器学习和量子化学。从灵感到实现，创建有意义的量子算法。主要特点：快速从灵感到实现。量子计算可能很复杂——PennyLane 使其变得自然。利用世界上最大的研究演示库、交互式教程和尖端组件，在量子化学、量子信息、优化和量子机器学习中构建算法。在重要的地方快速。关键区域可扩展。无论是执行、编译还是分析，PennyLane 都很快。通过工业资源估计和 Catalyst 编译器解锁生产等级性能。利用高性能的 Lightning 模拟器在 GPU、超级计算机和云端扩展您的工作流程。硬件无关，硬件就绪。PennyLane 可以与广泛的量子硬件设备集成。无论是超导量子比特、被捕获的离子系统、中性原子还是光子学，PennyLane 提供工具来估算资源并专门为当今和未来的硬件设备编译电路！参与、协作、创新。PennyLane 是全球最活跃的量子社区。您是一个全球研究人员、开发人员和教育工作者网络的一部分。这些人正在积极定义量子计算的前沿。无论量子是否是您的日常工作，还是您在黑客马拉松上第一次接触，您都得到了该领域最响应的社区的支持。有关更多详细信息和附加功能，请参见 PennyLane 网站及我们最新的发布说明。安装：PennyLane 需要 Python 版本 3.11 及以上。可以通过以下命令安装 PennyLane 及所有依赖项：python -m pip install pennylane。Docker 支持：在 PennyLane Docker Hub 页面上可以找到 Docker 镜像，还有关于 PennyLane Docker 支持的详细描述。获取快速入门：通过我们的互动教程和快速入门指南快速启动和运行 PennyLane，以介绍关键特性并帮助您立即开始构建量子电路。无论您是探索量子机器学习、量子计算还是量子化学，PennyLane 都提供多种工具和资源来支持您的研究。关键资源：研究演示库，通过代码书和编码挑战学习量子编程，PennyLane 讨论论坛。您还可以查看我们的文档和详细的开发者指南。演示：通过探索 PennyLane 演示中的量子计算研究，更深入了解量子计算——涵盖基本量子概念和最新的量子算法研究结果。如果您想贡献自己的演示，请参见我们的演示提交指南。为 PennyLane 做贡献：我们欢迎贡献——只需分叉 PennyLane 仓库，然后提交包含您贡献的拉取请求。所有对 PennyLane 的贡献者将在发布中列为作者。我们还鼓励报告错误、建议新功能和增强功能，甚至分享在 PennyLane 上构建的酷项目或应用程序的链接。有关更多详细信息，请参见我们的贡献页面和开发指南。支持：源代码：https://github.com/PennyLaneAI/pennylane，问题跟踪器：https://github.com/PennyLaneAI/pennylane/issues。如果您遇到问题，请通过在我们的 GitHub 问题跟踪器上发布问题来告知我们。加入 PennyLane 讨论论坛，与量子社区联系，获得支持，并与我们的团队直接交流。这里是分享想法、提出问题和与其他研究人员和开发人员合作的完美场所！请注意，我们致力于提供一个友好、安全、欢迎的环境。请阅读并遵守行为守则。作者：PennyLane 是许多贡献者的工作。如果您使用 PennyLane 进行研究，请引用我们的论文：Ville Bergholm 等人。PennyLane：混合量子-经典计算的自动微分。2018年。arXiv:1811.04968。许可证：PennyLane是免费的开源软件，依据 Apache 许可证第 2.0 版发布。