统一中间表示
在多种量子语言、优化流程和硬件后端之间建立稳定的转换层。
了解更多平台能力
用清晰统一的接口完成电路构建、优化、映射与执行,同时保留对底层硬件特性的精确控制。
在多种量子语言、优化流程和硬件后端之间建立稳定的转换层。
了解更多通过门合并、对易分析和拓扑重排,降低电路深度与执行误差。
了解更多结合芯片连接关系、门保真度与校准数据,为每次任务选择更优路径。
了解更多系统架构 / 02
以 Rust 原生编译核心连接量子线路设计、综合、优化、映射与脉冲生成,并通过求解器、模拟器和研究模块持续扩展底层能力。
统一界面连接不同规模的运行环境
承载线路设计、编译配置、任务运行、结果对比和性能诊断,让底层能力形成可操作的 EDA 工作流。
以 Rust 重写计算与搜索热点,在内存安全、并发能力和跨平台部署之间取得稳定平衡。
从数学描述逐级下降到设备可执行信号
针对一般矩阵、特殊结构线路和泡利串选择综合策略,生成满足目标门集约束的等价线路。
根据量子比特连接、门集和通信约束,完成单芯片或异构分布式环境中的逻辑到物理映射。
将门级操作继续下沉为控制系统可执行的脉冲序列,并针对保真度、时长和串扰进行优化。
贯穿编译过程的优化与应用线路设计
扫描可优化结构,通过模板匹配和局部重综合减少门数、线路深度和硬件执行误差。
面向量子纠错和量子模拟等场景,提供结构化线路模板、生成器和领域级设计接口。
为上层算法提供搜索、验证和仿真能力
将综合、映射和等价性问题编码为约束,借助 SAT/SMT 求解器获取可证明的合法结果。
应用教程 / 03
用 ArcTN 定义张量网络,规划并保存收缩路径,再加载同一份计划执行与验证。以下 Python 代码请在安装 ArcTN 后按步骤顺序运行。
# 01 · 定义网络与数组
# 用三矩阵链描述张量网络,并准备对应的数值数组。
import numpy as np
# 三矩阵链 A @ B @ C;相同标签表示要收缩的轴
inputs = [("a", "b"), ("b", "c"), ("c", "d")]
output = ("a", "d") # 结果保留 a、d 两个轴
size_dict = {"a": 2, "b": 3, "c": 4, "d": 2}
# 数组形状对应标签维度,顺序与 inputs 一致
a = np.arange(6, dtype=np.float64).reshape(2, 3)
b = np.arange(12, dtype=np.float64).reshape(3, 4)
c = np.arange(8, dtype=np.float64).reshape(4, 2)
arrays = [a, b, c]
学习资源
加入我们 / 04
提出问题、完善文档、贡献代码,或将新的量子硬件接入开放工具链。每一种参与,都让研究走向可用的工具。
展示样例 · 以下为虚拟人物与占位头像