OpenQuantum
Open-source quantum Agent workspace with a desktop client, Web UI, messaging, Qiskit/MCP tools, and scientific validation
- Transport
- Not stated
- Package
- —
- Registry id
- —
No install snippet on purpose. A working MCP config is a command, its arguments and an environment block — the last two are where API keys live, so this catalogue never stores them and cannot publish them. Follow the link above for the authors' own instructions.
OpenQuantum 是面向量子研究、实验与教学的开源 Agent 与应用平台。你可以用自然语言选择方法、调用专业量子软件、查看计算过程与结果，也可以直接复跑算法示例、进入量子学习通准备课程，或接入自己的算法与应用。
提出问题，运行计算，共创能力。 从学习者的第一次实验，到研究者的方法比较，再到开发者的应用集成，都可以从已支持的任务开始。
为什么选择 · 浏览能力 · 开始使用 · 使用与结果 · 开发与扩展 · 路线与 RSI · 参与建设 · 开源生态
在科研工作台提出问题，查看工具调用，再带着结果继续探索。
为什么选择 OpenQuantum
让人、AI 与开放生态共同创造量子能力。
我们不重造量子软件生态，而是让专业能力更容易被使用、组合和继续建设。 OpenQuantum 的工作，是把领域方法、Agent 执行和开放工具接到具体任务上；它的价值不必等到真实 QPU 取得优势才开始，本地计算、教学实验和方法验证也是实际用途。
从问题出发，调用专业能力
让问题意识转化为探索能力。 你不必先学会每套 SDK，才能开始一个已支持的任务：Skill 提供工作方法，Agent 调用专业 Tool，工作台保留输入与结果。我们希望减少反复配置、接口学习和流程搭建，让学习者能够动手，让研究者把更多精力放在提出假设、设计对照与判断结果上，而不是替代这些判断。
让工具之间产生新的研究空间。 PyZX 电路优化、QCEC 等价性检查与噪声模拟，分别回答不同问题。把它们用于同一个研究目标，可以进一步追问“理想电路更简洁，含噪表现是否也更好”。我们持续建设这种有科学意义的组合：对齐模型、单位、位序和预算，理解方法何时适用、何时失效；接口接通本身不等于结论成立。各工具的当前范围见计算与资源配置。
让一次研究，成为下一次的起点
让一次工作留下可继承的经验。 常用步骤、计算结果与适用的独立检查，为复核和后续使用提供基础。我们希望进一步积累带条件的方法比较与失败证据：不仅知道一次计算成功，也理解它为什么适用、何时应换一条路线。有依据的负结果同样有价值，但程序报错不等于科学反驳。完整科学验收目前按相应能力的支持范围提供，经验整理也不等于系统已自动学习。
把你的方法，变成别人能用的能力
让成果从“有人做出”走向“他人继续创造”。 方法可以写成 Skill，计算程序可以接成 Tool，完整应用可以保留自己的界面和业务流程。研究者、教师、开发者与软硬件伙伴，可以从自己的专长出发贡献，而不必先重做整套平台。我们的目标不只是传播已有成果，也让它们进入新的课程、研究与应用；量子学习通是现有应用入口之一。
把选择权留给使用者和贡献者。 开源实现与扩展接口允许你检查、修改和维护自己的组合；模型服务与计算后端分别配置，不把所有应用绑定到单一模型或设备。上游作者、许可证与贡献继续可见，研究数据是否共享由使用者决定。我们希望保留下来的不只是一个界面，而是能够随模型、算力与研究方向变化继续使用的专业方法。
一个人因此完成了原本难以开展的探索，一项方法因此进入新的问题，一个贡献者因此做出新的应用，都是平台值得积累的价值。下一步是让这些经验不仅帮助使用者，也帮助改善下一轮研究的能力。
可以用它做什么
选择一个方向，告诉工作台你的问题、输入和希望检查的结果。OpenQuantum 的 Agent 按任务使用 Skill 中的方法，并调用相应 Tool 执行计算；量子学习通提供独立的教学界面。
算法学习与方法比较 · 电路与量子信息 · 基态、化学与优化 · 误差缓解与量子纠错 · 哈密顿量模拟与开放系统 · 实验模拟与硬件 · 参考资料与选型 · 量子学习通
本地计算可以从无需量子云账户的任务开始。真实硬件和付费服务按需配置；各方法的输入范围、准备条件与验证状态分别保留在详细目录中。
算法学习与方法比较
从一个可运行示例开始，修改输入、检查数值结果，再把方法用于自己的问题。已将 UnitaryLab 的 66 份 quantum-skills 指南适配为原生 Skill，其中 49 项提供可执行示例，逐项覆盖原算法库的 39 个模块及指南独有方法；其余指南用于分类、后端选择和迁移。
| 任务方向 | 可运行的方法与示例 |
|---|---|
| 算法基础与搜索 | QFT、QPE、Hadamard test、振幅放大与估计、Grover、Shor、Simon、离散对数和图行走 |
| 线性系统与矩阵方法 | HHL、VQLS、QSVT 线性求解、绝热求解、LCU 与 QSP；附经典本征求解参考 |
| 哈密顿量模拟 | Trotter–Suzuki、qDrift、QSP、Taylor LCU，以及披露替换方式的 Cartan 示例 |
| 变分计算与机器学习 | VQE、VQD、QAOA、VQC、QCBM、CVQNN，以及梯度与量子 Fisher 信息计算 |
| 态制备与多体计算 | Möttönen、MPS、Isometry、变分态制备，分子 DMRG、Fermi–Hubbard VQE 与 Ising 演化 |
| 纠错构码与微分方程 | qLDPC 构码与 syndrome；一维、二维热方程和周期平流的薛定谔化示例 |
这些示例使用 Qiskit、PennyLane、quimb、PySCF、NumPy/SciPy 等开源后端，可直接运行，也可由 Agent 经已有代码执行工具调用。默认参数是教学算例；实际输入、参考误差和收敛状态需要按任务检查。
适配保留上游来源与许可证，不依赖闭源 UnitaryLab 运行时。工作流覆盖不表示上游 Python API、优化器或后端完全兼容；Cartan、CVQNN、DMRG 等差异在逐项覆盖表和运行说明中公开。
电路与量子信息
| 任务方向 | 可以发起的任务 | 可以查看的结果 |
|---|---|---|
| 量子电路 | 分析或转换 OpenQASM / QPY 电路，比较转译，检查等价性，运行电路仿真 | 电路结构、转译结果、等价性检查、态矢或采样分布 |
| Qiskit / Cirq 互操作 | 用 qBraid 按固定 OpenQASM 2 路径转换受支持的酉电路 | 转换后的电路、保留的量子位编号与空闲位；可选完整酉矩阵对照 |
| 电路优化与测量式计算 | 用 PyZX 做 ZX 重写与电路提取，用 Graphix 转换和模拟 MBQC 模式 | 优化前后电路与门数、资源图和测量模式；可选独立对照 |
| 电路优化与切割 | 用 Compact 优化门序列，用 QCut 切分电路并重建期望值 | 优化前后电路与独立等价对照；切割开销、实际采样量与可选未切割参考 |
| Clifford+T 噪声采样 | 用 Clifft 研究 T 门干涉与噪声，或采样受支持的 Stim 格式电路 | 最终位串频数与可选密度矩阵参考；另可返回中间测量及 detector / observable 原始奇偶记录 |
| 量子态与测量 | 审计密度矩阵与纠缠指标；模拟已知 product / GHZ 态的局域随机测量 | 状态指标与独立检查，子区纯度估计及有限样本误差 |
基态、化学与优化
From the project's README.