教程模块¶

17 个量子计算教程，从零基础入门到研究级算法

最后更新: 2026-01-16

模块职责¶

提供完整的量子计算学习路径，涵盖：

基础入门 - DeepQuantum 框架基础和 VQE 原理
哈密顿量模型 - 各种量子多体物理模型的 VQE 实现
分子应用 - 真实分子系统的量子化学计算
量子算法 - QAOA、HHL、MBQC 等核心算法
光量子计算 - 高斯玻色采样等光量子算法
高级应用 - 量子机器学习等前沿应用

目录结构¶

教程/
├── 01-VQE基础教程/                    # 基础入门 (3 个教程)
│   ├── DeepQuantum框架基础入门.ipynb
│   ├── VQE简单教程_横场Ising模型.ipynb
│   └── learn.ipynb
│
├── 02-哈密顿量模型系列/                # 物理模型 (5 个教程)
│   ├── VQE_横场Ising模型.ipynb          # ⭐ 简单
│   ├── VQE_Heisenberg模型.ipynb        # ⭐⭐ 中等
│   ├── VQE_JaynesCummings模型.ipynb    # ⭐⭐⭐ 中等偏难
│   ├── VQE_XY模型.ipynb               # ⭐⭐⭐⭐ 困难 (有已知问题)
│   └── VQE_Hubbard模型.ipynb          # ⭐⭐⭐⭐ 很难
│
├── 03-分子应用/                        # 量子化学 (4 个教程)
│   ├── VQE_水分子_模拟_DeepQuantum.ipynb
│   ├── VQE水分子_DeepQuantum与Qibo一致.ipynb
│   ├── VQE应用_水分子_模拟.ipynb
│   └── VQE_分子哈密顿量_水分子.ipynb    # ⭐⭐⭐⭐⭐ 高级
│
├── 04-量子算法系列/                    # 核心算法 (3 个教程)
│   ├── QAOA量子近似优化算法.ipynb       # ⭐⭐⭐
│   ├── MBQC基于测量的量子计算.ipynb     # ⭐⭐⭐
│   └── HHL线性方程组求解算法.ipynb      # ⭐⭐⭐⭐
│
├── 05-光量子计算/                      # 光量子 (1 个教程)
│   └── 高斯玻色采样GBS算法.ipynb        # ⭐⭐⭐
│
├── 06-高级应用/                        # 量子机器学习 (1 个教程)
│   ├── 量子机器学习入门.ipynb          # ⭐⭐⭐⭐
│   ├── README.md
│   ├── 教程指南.md
│   ├── simple_qnn_demo.py
│   └── quick_start_qml.py
│
├── README.md                          # 教程总览
├── 整理报告.md                        # 整理详情
└── DeepQuantum算法探索总结.md          # 算法总结

入口与启动¶

对外接口¶

教程特点¶

每个教程 notebook 都包含：

理论基础 - 详细的数学推导和物理原理
代码实现 - 完整的 DeepQuantum 代码示例
可视化 - 结果展示和图表分析
中文注释 - 详细的代码说明
练习题 - 巩固学习内容

核心代码示例¶

VQE 基础模板¶

import deepquantum as dq
import torch

# 1. 定义哈密顿量
def hamiltonian_to_pauli(hamiltonian_matrix):
    """将哈密顿量矩阵分解为 Pauli 算符"""
    # 实现 Jordan-Wigner 变换或其他分解方法
    pass

# 2. 定义 ansatz
def create_ansatz(nqubits, params):
    """创建参数化量子电路"""
    cir = dq.QubitCircuit(nqubits)
    # 添加参数化量子门
    for i in range(nqubits):
        cir.ry(i, params[i])
    cir.cnot_ring()
    return cir

# 3. 定义损失函数
def loss_func(params):
    cir = create_ansatz(nqubits, params)
    exp_val = cir.expectation()
    return exp_val

# 4. 优化
optimizer = torch.optim.Adam([params], lr=0.01)
for epoch in range(100):
    loss = loss_func(params)
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

关键依赖与配置¶

环境要求¶

Python: 3.9+
PyTorch: 2.4.0+
DeepQuantum: 4.4.0+
Jupyter: 最新版

安装¶

# 安装 DeepQuantum
pip install deepquantum

# 启动 Jupyter
jupyter notebook

# 运行教程
# 选择对应的 notebook 文件

数据模型¶

教程统计数据¶

类别	教程数量	难度范围
01-VQE基础教程	3	⭐
02-哈密顿量模型系列	5	⭐ ~ ⭐⭐⭐⭐
03-分子应用	4	⭐⭐⭐ ~ ⭐⭐⭐⭐⭐
04-量子算法系列	3	⭐⭐⭐ ~ ⭐⭐⭐⭐
05-光量子计算	1	⭐⭐⭐
06-高级应用	1	⭐⭐⭐⭐
总计	17	⭐ ~ ⭐⭐⭐⭐⭐

算法覆盖¶

算法类别	教程数量	DeepQuantum 示例
VQE 系列	11	✅ 完整覆盖
QAOA	1	✅ 已创建
HHL	1	✅ 已创建
MBQC	1	✅ 已创建
GBS	1	✅ 已创建
QML	1	✅ 已创建

测试与质量¶

教程验证¶

✅ 所有 17 个教程 notebook 均可运行
✅ 代码包含详细中文注释
✅ 提供预期输出和可视化
✅ 每个教程都有难度标注

知名问题¶

XY 模型 VQE (02-哈密顿量模型系列/VQE_XY模型.ipynb)：

问题: 硬件高效 ansatz 无法表示 XY 模型的基态
原因: 基态具有高纠缠度（纠缠熵 0.596）
当前结果: 卡在 -3.6（局部极小值），精确值应为 -5.37
解决方案: 需要使用 QAOA、ADAPT-VQE 或更深层的 ansatz

相关文档: - XY模型VQE问题诊断报告.md - XY模型VQE完整解决方案.md

常见问题 (FAQ)¶

Q1: 我应该从哪个教程开始？¶

完全新手: 01-VQE基础教程/DeepQuantum框架基础入门.ipynb
有量子计算基础: 直接选择感兴趣的算法系列
想研究应用: 参考应用开发路径

Q2: 教程中的代码可以直接运行吗？¶

可以。所有代码都是： - 完整可运行的 - 包含详细中文注释 - 提供预期输出示例

Q3: 如何深入学习某个算法？¶

先完成对应教程
参考 教程/DeepQuantum算法探索总结.md
查看 deepquantum/examples/ 中的官方示例
阅读相关论文

Q4: 教程更新频率如何？¶

最后更新: 2025-01-09
计划添加: GBS 高级应用系列、量子化学系列、量子优化系列

变更记录¶

2025-01-09¶

创建 6 个新教程（QAOA、HHL、MBQC、GBS、QML、基础入门）
整理 11 个现有教程到分类目录
创建完整的文档体系
提供多条学习路径

参考资源¶

项目内文档¶

算法总结: DeepQuantum算法探索总结.md
完成报告: 完成总结报告.md
DeepQuantum 技术文档: ../deepquantum/技术文档.md

外部资源¶

DeepQuantum 官网: https://deepquantum.turingq.com/
API 文档: https://dqapi.turingq.com/
GitHub: https://github.com/TuringQ/deepquantum

本文档由 AI 生成，最后更新于 2026-01-16

文件	说明
`README.md`	教程总览和学习路径
`整理报告.md`	详细的整理过程
`DeepQuantum算法探索总结.md`	所有算法分析
`06-高级应用/README.md`	QML 教程说明
`06-高级应用/教程指南.md`	详细学习路线图