tensorcircuit-ng

用AI框架跑量子模拟，自动微分+GPU加速，上手快

TensorCircuit-NG 是新一代基于张量网络的量子软件框架，专为 AI 原生设计。它解决量子计算模拟中计算复杂度高、与机器学习框架集成难的问题，核心能力包括：利用张量网络高效模拟量子电路，支持自动微分以训练量子神经网络，无缝集成 JAX 和 PyTorch 等主流深度学习框架，并支持 GPU 加速和分布式训练，适用于 NISQ 设备上的量子-经典混合算法研究和开放量子系统模拟。该框架旨在为量子机器学习和量子计算应用提供高性能、可扩展的软件基础。

开源 free 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 92

维护状态活跃

是否开源是

定价模式 free

项目数据

分类智能体

开发团队tensorcircuit

所属国家

官网地址

GitHubhttps://github.com/tensorcircuit/tensorcircuit-ng

定价模式free

价格说明开源框架，Apache-2.0 许可，完全免费，无付费版本。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型ai-agent,automatic-differentiation,distributed-training,gpu,jax,machine-learning,nisq,open-quantum-systems,pytorch,quantum-algorithm,quantum-circuit,quantum-computing,quantum-dynamics,quantum-error-correction,quantum-hardware,quantum-machine-learning,quantum-noise,quantum-simulation,tensor-network,tensorflow

GitHub 星标★ 92

30天Star增速

HF 下载量

上线时间2024-08-30 00:00:00

最近更新2026-09-19 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

核心亮点

原生集成 JAX/PyTorch，自动微分无缝衔接量子电路与深度学习模型
基于张量网络，模拟量子线路效率高，支持 GPU 和分布式训练
面向 NISQ 和开放量子系统，覆盖混合量子-经典算法研究需求

不足之处

项目处于早期，文档和社区生态尚待完善
依赖 JAX 生态，对非 JAX 用户有一定学习成本

适用场景

量子机器学习研究：训练量子神经网络
量子电路高效模拟与验证
量子-经典混合算法开发与实验

替代项目

TensorCircuit、PennyLane、Qiskit

项目介绍

tensorcircuit-ng 是基础设施领域的开源项目，由 tensorcircuit 开发，2024 年首次发布。

它收录于基础设施分类，该分类目前共有 1,132 个项目，GitHub 星标数为 92。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-19。Apache-2.0 许可，完全免费，无付费版本。

它主要面向的使用场景是：量子机器学习研究：训练量子神经网络。同类可对比的替代方案包括 TensorCircuit、PennyLane、Qiskit。

上一篇：litefuse

下一篇：axern