Q PyQRES Quantum Resource Estimator

Register-level authoring to QEC resource estimation

把量子算法从 DSL 推到 QEC 资源账本

PyQRES 用 Python Operation tree 和 YAML DSL 描述量子算法，连接 PySparQ 小规模语义验证、QEC-Compiler lowering、逻辑调度与 QEOL 资源输出。

一键安装 打开文档
pyqres estimate 
$ pyqres estimate QDALinearSolver -m t_depth
loading schemas: composites, qec_examples, state_prep
lowering: Python Operation tree -> AbstractCircuit
backend: QEC-Compiler logical schedule

T-count        4.82e+07
T-depth        1.16e+06
Toffoli-count  8.03e+06
QEOL artifact  runs/qda_tridiagonal/qeol.json
01 YAML / Python

用结构化 DSL 或 Operation tree 快速定义算法。

02 PySparQ

在支持的 primitive 上做 register-level 语义验证。

03 QEC Lowering

落到 QEC-Compiler AbstractCircuit 并进入资源计算链路。

Install

一条命令开始估算

入口命令适合直接试用最新版。开发与 QEC 集成环境可以从文档继续配置 PySparQ、QEC-Compiler 和本地测试依赖。

Latest from GitHub 
python -m pip install "pyqres @ git+https://github.com/IAI-USTC-Quantum/Quantum-Resource-Estimator.git"
Developer checkout 
git clone https://github.com/IAI-USTC-Quantum/Quantum-Resource-Estimator.git
cd Quantum-Resource-Estimator
python -m pip install -e ".[test]"

Documentation

原文档现在作为产品文档中心

快速开始、工作流、核心概念、资源估计、模拟可视化、CLI 和 API 参考统一放在 /docs/ 路径下。

进入文档

Use cases

从算法草稿到资源结果

QDA 三对角线性系统

以 register-level block encoding 和 QDA workflow 描述线性求解器， 对 2x2 到 8x8 规模做 lowering、资源估计和逻辑层输出验证。

查看案例 
from pyqres.generated import QDALinearSolver
from pyqres.core.lowering import to_abstract_circuit

circuit = to_abstract_circuit(QDALinearSolver(["sys"], [3]))
print(circuit.num_qubits)