TensorCircuit‑NG：以張量網路為核心的 AI‑原生量子模擬框架

重點速訊

TensorCircuit‑NG是以張量網路為核心、訴求AI原生的高效量子軟體框架，目標支援代理式研究與自動化科學發現。

專案概述

專案建立於tensornetwork引擎之上，提供自動微分、即時編譯（JIT）、硬體加速、向量化平行與分散式訓練等基礎設施與介面。開發者可以在同一平臺內無縫組合量子電路、神經網路與張量網路，提高模擬效率與彈性。

技術與適用情境

TensorCircuit‑NG支援多種現代機器學習框架，包括Jax、TensorFlow與PyTorch，特別適合大規模量子－古典混合模擬與變分量子演算法。庫內含理想電路、含雜訊電路、Clifford、qudit、近似張量網路與類比與費米子等多種電路類型，並支援量子硬體存取與CPU/GPU/QPU混合部署。

延續與相容性

此版本由原TensorCircuit開發團隊主導，作為技術演進與維護的延伸，並標榜可做為相容的替換方案，以因應依賴新版數值庫與外部工具的需求。

影響簡評

對於追求高效量子模擬與自動化探索的研究群體與工程團隊，TensorCircuit‑NG提供一套結合張量網路與現代機器學習基礎設施的統一平臺，有助於推動量子‑古典混合方法的實驗與部署。

延伸閱讀

• Q-Patch 在小樣本中以量子核與時頻貼片提升音訊深偽辨識
• 在商用 QPU 上部署 Cayley 單位元適配器（CUA）：架構、電路轉譯與語言任務評測
• XLang：為代理人與分散系統打造的 Agent-Native 語言

原始來源：GitHub Explorer

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。