OpenQuantum
Open-source quantum Agent workspace with a desktop client, Web UI, messaging, Qiskit/MCP tools, and scientific validation
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.