算法指南

SparQ 的算法栈由彼此镜像的两层组成:

  • **C++ 层**(SparQ_Algorithm/):由 核心算子 组合而成的生产实现, 按头文件逐个呈现在 C++ API 参考 中。

  • **Python 层**(pysparq.algorithms):用于快速原型开发与交叉验证的纯 Python 对应实现, 自动收录在下方的 API 树中。

下面的每个算法都列出了它的 Python 入口、所对应的 C++ 头文件以及运行示例的位置。 两层之间的逐行对应关系见 算法移植指南。

Grover 搜索

QRAM oracle 驱动的 Grover 搜索,含振幅放大与量子计数。

Shor 因数分解

基于模乘法的 Shor 因数分解(标准版与半经典版)。

量子线性方程组(QDA)

基于块编码与态制备的离散绝热量子线性方程组求解器。

哈密顿量模拟(CKS)

通过量子行走 / LCU / 稀疏矩阵 oracle 进行哈密顿量模拟,以 CKS 实验为参考实现。

  • Python:pysparq.algorithms.cks_solver 中的 TOperator 与 QuantumWalkNSteps

  • C++:算法库 中的 hamiltonian_simulation.h (T 态制备算子与 SparseMatrixOracle1 位于此处);对常对角三对角矩阵,无 QRAM 直接 Oracle 路径位于 hamiltonian_simulation_tridiagonal.h (同页),已在单张 A800 上完成 2^20 维验证(docs/verification/v1e-cks-direct-oracle-linsolver.md)

  • 相关:动态算子扩展 中的量子行走动态算子示例

块编码

将经典矩阵编码进更大的酉矩阵中——上述线性方程组与哈密顿量模拟算法的核心子程序。

态制备

基于 QRAM 从 |0⟩ 制备任意目标态。