README_cn.md

September 1, 2026 · View on GitHub

TENSORCIRCUIT-NG

English | 简体中文

TensorCircuit-NG 是下一代开源高性能量子软件框架，也是面向智能体量子科研的AI 原生运行时。

TensorCircuit-NG 基于张量网络引擎构建，完美支持自动微分、即时编译、硬件加速、向量并行化和分布式训练，为量子编程提供统一的基础设施和接口。它可以无缝编织量子线路、神经网络和张量网络，具备极高的模拟效率和灵活性。

TensorCircuit-NG 建立在现代机器学习框架 Jax, TensorFlow, PyTorch 之上，支持机器学习后端无关的统一界面。其特别适用于理想情况、含噪声情况、稳定子情况、可控近似情况、连续动力学情况及费米子情况下，大规模量子经典混合范式和变分量子算法的高效模拟。其可以高效地编织和模拟量子线路、张量网络和神经网络组成的混合计算图。

TensorCircuit-NG 现在支持真实量子硬件连接和实验，并提供优雅的 CPU/GPU/QPU 硬件混合部署训练方案。

TensorCircuit-NG 是 TensorCircuit 在技术与架构上的演进版本，由原核心开发团队领导并持续维护。本仓库填补了旧有镜像在维护上的空白（如对 numpy > 2.0 和 qiskit > 1.0 的支持）并实现了大幅的功能增强。作为完全兼容的无缝替代方案，TensorCircuit-NG 提供了下一代量子计算模拟能力，包括稳定子（stabilizer）、量子多能级（qudit）、模拟（analog）及对称性（symmetric）线路模拟，以及支持多节点、多 GPU 的分布式大规模模拟。

新的配套项目： 我们最近发布了 TenCirPauli。这是一个 Python-first、Rust-native 的配套项目，为 TensorCircuit-NG 提供原生 Pauli propagation 和固定粒子数的 U(1) 量子线路执行能力。

入门

请从完整文档中的快速上手开始。

有关软件用法，算法实现和工程范式演示的更多信息和介绍，请参阅 200+ 示例脚本和 40+ 案例教程。测试用例和 API docstring 也提供了丰富的使用信息。

智能体量子科研 (推荐)

TensorCircuit-NG 不只是用于生成代码，也为 AI Agent 提供开展量子科研所需的上下文、规则、技能和执行后端。若使用 AI 编程助手（如 Claude Code, Cursor, CodeX）编写 TC-NG 应用，我们强烈建议直接在克隆的本地代码库中进行开发，以便为 AI 提供更丰富的上下文。

在 ORBIT-Q 基准中，TensorCircuit-NG 在被评估的量子软件框架中取得了领先的 Agent 解题成功率和运行效率。

丰富上下文： examples/ 中的 100 多个脚本和 tests/ 中的大量测试用例提供了至关重要的参考，能显著减少 AI 幻觉。
内置规则： 我们提供了专门的 AGENTS.md 文件。它是 AI 助手的“开发手册”（类似 CLAUDE.md），定义了编码标准和最佳实践，确保生成的代码符合 TC-NG 调用范式。
专用智能体技能 (Agentic Skills)： .agents/skills/ 目录包含了一系列工作流，引导 AI 助手完成复杂的跨步骤任务.

建议工作流：

克隆仓库：git clone https://github.com/tensorcircuit/tensorcircuit-ng.git
切换到本地实验分支：git checkout -b my-playground，以防弄乱原始仓库。
在 AI IDE 中打开仓库文件夹，即可开始开始基于 TC-NG 的应用和研究。

现在，快来体验通过自然语言开展量子科研吧！通过将极致性能与意图驱动的智能体工作流（.agents/skills/）无缝集成，TC-NG 帮助研究人员从科研问题出发，完成实现、探索、优化、验证和可复用科研产物的生成。

您可以参考相关的 AI 原生文档：Devin Deepwiki, Google Code Wiki 和 Context7 MCP.

初学者也可以参考量子计算教程学习量子计算基础和 TensorCircuit-NG 的典型用法.

以下是一些最简易的演示。

电路操作:

import tensorcircuit as tc
c = tc.Circuit(2)
c.H(0)
c.CNOT(0,1)
c.rx(1, theta=0.2)
print(c.wavefunction())
print(c.expectation_ps(z=[0, 1]))
print(c.sample(allow_state=True, batch=1024, format="count_dict_bin"))

运行时特性设置:

tc.set_backend("jax")
tc.set_dtype("complex128")
tc.set_contractor("cotengra")

使用即时编译 + 自动微分:

def forward(theta):
    c = tc.Circuit(2)
    c.R(0, theta=theta, alpha=0.5, phi=0.8)
    return tc.backend.real(c.expectation((tc.gates.z(), [0])))

g = tc.backend.grad(forward)
g = tc.backend.jit(g)
theta = tc.array_to_tensor(1.0)
print(g(theta))

安装

该包是用纯 Python 编写的，可以通过 pip 直接获取：

pip install tensorcircuit-ng

我们推荐安装时同时安装 JAX，这可以通过以下安装可选项实现：

pip install tensorcircuit-ng[jax]

其他安装选项包括： [torch], [tensorflow], [qiskit] 和 [cloud]。

此外我们有每日发布的最新版本 pip package，可以尝鲜开发的最新功能，请通过以下方式安装:

pip uninstall tensorcircuit-ng
pip install tensorcircuit-nightly

优势

基于张量网络模拟引擎
即时编译、自动微分、向量并行化兼容
GPU 支持、量子硬件支持、混合部署方案支持
高性能原生，分布式多卡多节点支持
效率
- 时间：与 TFQ, Pennylane, CuQuantum, TorchQuantum 或 Qiskit 相比，加速 10 到 $10^{6}$ + 倍
- 空间：1000+ qubits 1D VQE 工作流（收敛能量误差：< 0.5%）
优雅
- 灵活性：自定义张量收缩、多种 ML 后端/接口选择、多种数值精度、多种量子硬件
- API 设计：人类可理解的量子，更少的代码，更多的可能

可执行科研 Hub

可执行科研 Hub 是 TensorCircuit-NG 智能体科研技术栈中的“文献到科研产物”层。每篇论文都被整理为包含实现代码、目标图表、后端、规模化策略和验证上下文的可运行、带元数据、可检查的科研资产。

浏览可执行科研 Hub，或查看 examples/reproduce_papers 中的源代码。更完整的智能体科研工作流请参阅智能体量子科研文档。

贡献

现况

该项目由 Shi-Xin Zhang 创造并维护。当前核心作者包括 Shi-Xin Zhang 和 Yu-Qin Chen。我们也感谢来自开源社区的贡献。

引用

如果该软件对您的研究有帮助, 请引用我们发表的两版白皮书文章来支持我们的研发付出和学术贡献。

说明

有关贡献指南和说明，请参阅贡献。

我们欢迎大家提出 issues, PR, 和讨论，这些都托管在 GitHub 上。

协议

TensorCircuit-NG 是基于 Apache License 2.0 的开源软件。

研究和应用

DQAS

可微量子架构搜索的应用见应用。

参考论文：https://arxiv.org/abs/2010.08561 (QST)。

VQNHE

关于变分量子神经混合本征求解器的应用，请参见应用。

参考论文：https://arxiv.org/abs/2106.05105 (PRL) 和 https://arxiv.org/abs/2112.10380 。

VQEX-MBL

VQEX 在 MBL 相位识别上的应用见教程。

参考论文: https://arxiv.org/abs/2111.13719 (PRB)。

Stark-DTC

数值验证 Stark 多体局域化稳定的离散时间晶体，类似的 Floquet 系统模拟请参考例子。

参考论文: https://arxiv.org/abs/2208.02866 (PRL)。

RA-Training

利用我们提出的随机量子门激活策略训练优化变分量子算法的实现请参考项目.

参考论文: https://arxiv.org/abs/2303.08154 (PRR)。

TenCirChem

TenCirChem 是高效的，专注于处理和计算分子性质的量子计算软件。其基于 TensorCircuit 并为量子化学任务进行了专门的优化。

参考论文: https://arxiv.org/abs/2303.10825 (JCTC)。

TenCirPauli

关于围绕 TensorCircuit-NG 的 Rust-native Pauli propagation、固定粒子数 U(1) 量子线路执行、Pauli 代数、结构化 Hamiltonian、测量规划、对称性约化、受限子空间和后端矩阵-向量乘法接口，请参见 TenCirPauli。该项目还支持费米子、玻色子、qudit、Majorana 和混合系统的结构化算符代数，以及费米子到量子比特的映射和化学计算互操作。