PennyLane

Ce qu'elle fait

PennyLane fournit un framework pour construire, simuler et exécuter des circuits quantiques tout en s'intégrant aux bibliothèques de ML classiques (PyTorch, TensorFlow, JAX). Elle expose des nœuds quantiques différentiables, des optimiseurs et des plugins de périphériques pour vous permettre d'entraîner des circuits quantiques variationnels, d'exécuter des flux de travail VQE/QAOA et de basculer entre les simulateurs et le matériel réel.

Quand l'utiliser

Utilisez PennyLane lorsque vous devez prototyper des modèles d'apprentissage automatique quantique, effectuer des calculs de chimie variationnelle (VQE) ou exécuter des boucles d'entraînement hybrides quantique-classique nécessitant une optimisation basée sur le gradient à travers les paramètres. Elle est adaptée à la recherche, aux tutoriels et aux expériences de production ciblant différents backends matériels.

Ce qui est inclus

• Scripts : aucun script inclus dans la compétence découverte (has_scripts=false)
• Références : documentation de référence complète et sous-fichiers (has_references=true) incluant des guides pour les circuits, l'optimisation et les périphériques
• Instructions : le fichier SKILL.md contient des exemples de démarrage rapide pour créer des qnodes, optimiser les paramètres, changer de périphérique et des flux de travail courants comme le VQE et les classificateurs variationnels. Il liste également les meilleures pratiques pour les simulateurs, l'initialisation des paramètres et des conseils de performance.

Agents compatibles

Probablement utile pour les agents ayant des capacités de codage et de recherche (Claude Code / Codex / Copilot / Gemini Code) capables d'exécuter du Python et de travailler avec des bibliothèques scientifiques et des notebooks.