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。
Python:
GroverOperator、GroverOracle、grover_search()、grover_count()C++:算法库 中的
grover.h试用:动态算子扩展 中的自定义 oracle 示例
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。
Python:
qda_solve()、qda_solve_tridiagonal()、qda_solve_via_qram(),以及编排类WalkS、LCU、BlockEncoding与StatePreparationC++:离散绝热(QDA)
构建块:块编码(见下文);步长/条件数等超参数在 算子 中介绍
生产:Poiseuille 基准
Experiment_PoiseuilleQDABench_cuda``(``Experiments/QDA/QDA_Poiseuille/)在单张 A800 上将三对角路径验证至 2^20 维,含--czEps``(ClearZero)阈值按维度自适应——验证记录 ``docs/verification/v1d-qda-linsolver-a800.md
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QuantumWalkNStepsC++: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。
Python:
pysparq.algorithms.block_encoding中的BlockEncodingTridiagonal与BlockEncodingViaQRAMC++:块编码
试用:示例指南中的 示例 4 (三对角矩阵完整走查,含可运行代码),以及 算子使用示例 notebook 中的 Block Encoding 一节
态制备¶
基于 QRAM 从 |0⟩ 制备任意目标态。
Python:
StatePrepViaQRAM与StatePreparationC++:算法库 中的
state_preparation.h