tensorcircuit-differentiable

TensorCircuit-NG 可微分量子线路

原生 SDK 路径

本能力同时支持 TensorCircuit-NG 的原生公开 API。用户需要 自定义电路、张量网络、后端、vmap、梯度与优化 时，由 Agent 在固定依赖环境中编写和运行任务代码，不限于下文便捷 Tool 的预设模型。

使用 node scripts/sdk-access.mjs inspect tensorcircuit-differentiable 定位环境，按完整 SDK 工作流执行。模块导航：tensorcircuit、jax、optax、qiskit、cirq；导航不是 API 白名单。

显式选择 JAX 数值精度和 target；需要 float64 时在建立数组前启用 jax_enable_x64。CPU、GPU 选择按任务与已安装后端决定。

TensorCircuit-NG 1.10.0、Qiskit 2.5.2、JAX 0.7.1 与 NumPy 2.3.5 在独立环境内固定；JAX、Optax 和 Cirq 转换依赖已提供。TensorFlow、PyTorch、CuPy 和 GPU 是上游可选后端，需按目标另备兼容依赖；本机工程检查不覆盖这些后端。

下文关于模型、门集、输入与预算的限制描述便捷 Tool 的合同；原生 SDK 另受上游版本、可选依赖、宿主资源与用户授权约束。已禁用或被拒绝的动作不能借代码路径绕过。执行状态和科研验收分别报告。

当用户需要用 TensorCircuit 计算线路期望、验证变分线路导数或与其他 SDK 交叉对照时，Agent 经 Harness 调用 tensorcircuit_local 提供的 differentiate_tensorcircuit_circuit。本 Skill 指导参数选择与结果解释；计算由 TensorCircuit + JAX CPU 完成。

• numQubits 与 gates 定义全零初态的理想酉线路。支持 H、X、Y、Z、S、T、RX、RY、RZ、CX、CZ、SWAP；双比特门的 targets 为 [control,target]（SWAP 为两个交换位），角度单位 rad。
• observables 是与量子位数同长的 I/X/Y/Z 字符串，最左字符对应 q0。例如 ZI 表示 Z0，XY 表示 X0Y1；输出期望保留输入顺序。加权 Hamiltonian 可由调用方按系数组合期望和 Jacobian，勿把 Pauli words 当作系数。
• trainableGateIndices 明确选择 gates 数组中需要求导的 RX/RY/RZ；每项是独立参数。可填空数组只做仿真。Jacobian 行对应 observables，列严格对应该索引数组的顺序，不是所有旋转门的隐含顺序。
• amplitudes[k] 为 [real,imag]，概率向量按 q0 在最左的二进制字典序排列。返回 SDK 原始数值，不裁剪、不归一化；stateNormSquared 用来检查数值漂移。这些是精确线路仿真的数值期望，不是 finite-shots 频数。
• 参数数量、量子位数和门数由调用方决定；完整输出按 2^N 增长，可寻址数组表示限制仍适用。资源预算通过独立 execution 参数设置，不改变线路语义。
• OpenQuantum Harness 对大结果自动返回 openquantum-science-summary：先查看 summary.result 中的期望、Jacobian、范数与单位；需要完整态矢量时，用已有文件或 shell Tool 读取会话工作区内的 fullResult.path，再取 JSON 的 result.amplitudes / result.probabilities。omitted: true 表示数据保存在文件中，不表示零值或计算缺失；不要为了获取被省略的数据重新计算。保存失败时仍返回完整输出，科学状态保持 not_evaluated。
• 固定 TensorCircuit-NG 1.10.0、JAX 0.7.1 和 NumPy 2.3.5，使用 CPU 与 complex128；未开放 GPU、云平台和优化器。
• 梯度仅对当前输入的理想线路有效，不自动构成优化收敛、抗噪声能力或硬件优势结论。对复杂电路先选择解析可核对例子，必要时与第二 SDK、参数移位或有限差分对照。
• 当前是 L1，scientificValidation=not_evaluated；成功计算与数值回归不等于最终科学 Acceptance。