torchquantum
Un marco basado en PyTorch para simulación clásica cuántica, aprendizaje automático cuántico, redes neuronales cuánticas, circuitos cuánticos parametrizados con soporte para implementaciones fáciles en computadoras cuánticas reales.
Simula tareas de computación cuántica utilizando PyTorch, facilitando el desarrollo y prueba de algoritmos cuánticos.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quierasUn marco basado en PyTorch para simulación clásica cuántica, aprendizaje automático cuántico, redes neuronales cuánticas, circuitos cuánticos parametrizados con soporte para implementaciones fáciles en computadoras cuánticas reales.
torchquantum tiene 1.7k estrellas en GitHub. Se ha bifurcado 260 veces. torchquantum está escrito principalmente en Jupyter Notebook. Se desarrolla activamente desde 2021. torchquantum está disponible bajo la licencia MIT. Sus temas principales son: deep-learning, machine-learning, ml-for-systems, neural-network.
¿Qué es torchquantum?
Un marco basado en PyTorch para simulación clásica cuántica, aprendizaje automático cuántico, redes neuronales cuánticas, circuitos cuánticos parametrizados con soporte para implementaciones fáciles en computadoras cuánticas reales.
¿torchquantum es de código abierto?
torchquantum es un proyecto de código abierto. Se distribuye bajo la licencia MIT.
¿torchquantum es gratis?
Sí. torchquantum es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
¿Bajo qué licencia está torchquantum?
torchquantum está disponible bajo la licencia MIT.
¿En qué lenguaje está escrito torchquantum?
torchquantum está escrito principalmente en Jupyter Notebook.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://olud.ai/project/mit-han-lab-torchquantum.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.