• MindSpore Quantum简介
• 量子编程准备
• 软件安装与配置
• 量子编程初体验
• 代码提交到MindQuantum代码仓流程
• FAQ

一、MindSpore Quantum 简介

1.1 什么是 MindSpore Quantum？

Mindspore Quantum是昇思MindSpore社区推出的新一代、开源量子经典混合计算框架，能够高效地支持主流的量子算法和经典量子混合算法，不但在量子机器学习、量子化学模拟和量子组合优化等变分量子算法上有着卓越的性能，而且在量子化学模拟规模上也处于领先地位，为量子计算的研究和发展提供了一个高效的开发平台。

1.2 核心特性

• 高性能模拟：推出CPU和GPU架构优化的高性能量子模拟器，支持单/双精度模拟模式切换，满足不同精度需求。
• NISQ算法支持：高效支持量子机器学习、量子化学模拟和量子组合优化等主流变分量子算法。
• 丰富的量子启发式算法：内置业界领先的量子启发式优化算法库，包含模拟分岔机、相干伊辛机、噪声平均场退火等多种高性能求解器，并针对不同硬件（CPU, GPU, NPU）进行了深度性能优化。
• 简捷易用：提供丰富且高度集成的量子编程接口，降低开发难度，提升开发效率。
• 深度学习集成：与MindSpore深度结合，让混合量子-经典算法开发更高效。

1.3 应用场景

• 量子机器学习
• 量子化学模拟
• 组合优化问题
• 量子算法研究

二、量子编程准备

1）访问AtomGit官网（https://atomgit.com/mindspore/mindquantum）注册并登录，如之前注册过Gitee账号，可绑定Gitee账号，同步数据。

2）欢迎 Watch、Star、Fork MindQuantum代码仓。

三、软件安装与配置

3.1 安装Python编程环境（如果已经安装Python或Anaconda，可跳过此步）

安装MindQuantum前，请确保您的 Python 环境是 Python 3.9, 3.10 或 3.11 版本。您可以使用 python --version 命令查看。

进入Python官网的安装页面，根据本地系统（Windows、Mac、Linux）选择合适的版本， 此处建议安装Python==3.9.0（MindQuantum支持py3.7~3.9） （如果Python官网无法进入或下载速度很慢，建议使用后面两个国内的镜像，华为源，第三方源，找到对应版本的安装包，下载安装）

页面拉到最下方，如下图，选择相应版本安装。

Python官网安装包

华为源Python安装包

注意：安装过程中请勾选Add Python 3.9 to PATH，会自动设置环境变量。

安装完成后，打开终端（点击电脑左下角的windows图标，再点击命令提示符，如下图）输入python。

如果出现版本号，进入python交互式环境，说明安装成功；反之，安装失败。

退出python交互式环境，输入quit()

3.2 安装MindSpore

请根据MindSpore官网安装指南，安装2.6.0及以上版本的MindSpore。如果 MindSpore 版本不匹配，可能会导致安装或运行时出现兼容性问题。

3.3 安装MindQuantum

1）使用pip安装（推荐）

pip install mindquantum

# 如果提示网络问题，可以设置下载源，华为源或清华源

pip install mindquantum --trusted-host https://mirrors.huaweicloud.com -i https://mirrors.huaweicloud.com/repository/pypi/simple
pip install mindquantum -i https://mirrors.tuna.tsinghua.edu.cn

如果pip联网安装，报错或出现问题，点击下方链接，找到对应操作系统的 whl 包下载，本地安装。

cid:link_2

打开终端，输入命令并执行：

pip install ***\mindquantum-0.12.0-cp39-cp39-win_amd64.whl 
# 例如：pip install C:\Users\XXX\Downloads\mindquantum-0.12.0-cp39-cp39-win_amd64.whl 
# ***表示whl包所在的路径，如C:\Users\XXX\Downloads

2）检查是否安装成功

执行如下命令，如果没有报错No module named 'mindquantum'，则说明安装成功。

安装完成后，在终端输入命令，会显示mindquantum的版本号，说明安装完成。

pip show mindquantum

四、量子编程初体验

4.1 搭建参数化量子线路

首先新建一个py或者ipynb文件，使用 mindquantum搭建包括H门、RX门和RY门的量子线路，并得到量子态。

from mindquantum import *
import numpy as np

encoder = Circuit().h(0).rx({'a0': 2}, 0).ry('a1', 1)
print(encoder)
print(encoder.get_qs(pr={'a0': np.pi / 2, 'a1': np.pi / 2}, ket=True))

运行上述代码，将会输出量子线路和末态

┏━━━┓ ┏━━━━━━━━━━┓
q0: ──┨ H ┠─┨ RX(2*a0) ┠───
      ┗━━━┛ ┗━━━━━━━━━━┛
      ┏━━━━━━━━┓
q1: ──┨ RY(a1) ┠───────────
      ┗━━━━━━━━┛

-1/2j¦00⟩
-1/2j¦01⟩
-1/2j¦10⟩
-1/2j¦11⟩

4.2 训练量子神经网络

ansatz = CPN(encoder.hermitian(), {'a0': 'b0', 'a1': 'b1'})
sim = Simulator('mqvector', 2)
ham = Hamiltonian(-QubitOperator('Z0 Z1'))
grad_ops = sim.get_expectation_with_grad(
    ham,
    encoder.as_encoder() + ansatz.as_ansatz(),
)

import mindspore as ms

ms.set_context(mode=ms.PYNATIVE_MODE, device_target='CPU')
net = MQLayer(grad_ops)
encoder_data = ms.Tensor(np.array([[np.pi / 2, np.pi / 2]]))
opti = ms.nn.Adam(net.trainable_params(), learning_rate=0.1)
train_net = ms.nn.TrainOneStepCell(net, opti)
for i in range(100):
    train_net(encoder_data)
print(dict(zip(ansatz.params_name, net.trainable_params()[0].asnumpy())))

运行上述代码，训练得到参数为：

{'b1': 1.5720831, 'b0': 0.006396801}

更多样例教程，请查看：https://www.mindspore.cn/mindquantum/docs/zh-CN/r0.12/index.html

五、代码提交到MindQuantum代码仓流程

 5.1 签署CLA（已签署可跳过此步）

首次参与MindSpore Quantum开源的开发者，建议在提交PR前，先签署CLA。在签署前请先完成以下操作：

（1）检查邮箱设置：设置-用户资料-【公开个人邮箱】开启，签署的邮箱与提交邮箱保持一致。若未开启，提交PR后会导致CLA签署失败。

（2）进入CLA签署页面，选择【sign Individual CLA】,并根据AtomGit上个人信息，填写签署信息。

​

5.2 提交代码到个人仓库

1）Fork MindQuantum代码仓

在提交代码至MindQuantum项目之前，请确保已fork此项目到您自己的代码仓。MindQuantum代码仓和您自己的代码仓之间可能会并行开发，请注意它们之间的一致性。

2）克隆远程代码仓

代码下载到本地计算机，可使用Git方法

#在AtomGit上
git clone https://atomgit.com/{insert_your_forked_repo}/mindquantum.git

3）本地开发代码

避免分支不一致，建议切换到新分支：

git checkout -b {新分支名称} origin/master

以master分支为例，如果MindQuantum需要创建版本分支和下游开发分支，请先修复上游的bug，再更改代码。

4）将代码推送到远程代码仓

代码更新后，以正式的方式推送更新：

git add .  # 提交代码
git status # 查看更新状态
git commit -m "commit message" #commit message是提交的标题
git commit -s --amend # 添加commit的具体描述，可选。
git push origin {新分支名称}

5.3 新建PR提交代码到主仓库

（1）回到AtomGit个人MindQuantum分支界面创建PR，点击【Pull Request】,将个人远程代码仓提交到主仓库，完成最终代码的提交。

（2）选择源分支和目标分支，比较更新后的代码差异。提交PR请求后，评论区会出现MindSpore-Bot小助手进行操作说明。

六、FAQ

1、已成功签署cla后，PR中仍显示mindspore-cla/no 标签的可能原因？

1） 签署邮箱与提交邮箱不一致。

解决方法：使用提交邮箱签署cla。

2）AtomGit 用户资料未开启“公开个人邮箱”。

解决方法：点击右上角个人账户->用户资料-开启“公开个人邮箱”；然后需要撤回已提交的commit，重新提交。

3）如何检查具体报错原因

访问PR网页（https://docs.atomgit.com/docs/apis/get-api-v-5-repos-owner-repo-pulls-number-commits/），输入PR信息进行检查。

检查commit使用的email是否与签署cla的邮箱对应。

参考资料：

MindSpore Quantum社区（新）：https://atomgit.com/mindspore/mindquantum（原社区https://gitee.com/mindspore/mindquantum已迁移到atomgit）

MindSpore Quantum教程文档：https://www.mindspore.cn/mindquantum/docs/zh-CN/r0.12/index.html

MindSpore Quantum贡献指南：https://gitcode.com/mindspore/mindquantum/blob/master/CONTRIBUTING_CN.md