quantum-guide-algorithms-quantum-machine-learning · git:20261012.5ce3b3e · 2026-10-12 · sha256 6226f9a3d3b284ec
quantum-guide-algorithms-quantum-machine-learning git:20261012.5ce3b3eA
Immutable. This exact content never changes and is served at /api/v1/blob/6226f9a3d3b284ec.
--- name: quantum-guide-algorithms-quantum-machine-learning description: "为 algorithms/quantum-machine-learning 选择完整的开源算法工作流,路由到本地可发现的专用 Skills。" disable-model-invocation: true user-invocable: true --- # algorithms/quantum-machine-learning 本地开源适配。上游指南 ID:`algorithms/quantum-machine-learning`。 分类导航:保留用户显式调用;自动任务直接选择叶子方法 Skill,或使用 `quantum-algorithms` 查找。 ## 选择工作流 按用户的数学问题、输入表示、计算规模和需要的输出选择一个叶子 Skill。知识解释可直接使用原理;计算任务加载叶子 Skill,使用其中的开源实现和现有代码执行 Tool。无需为阅读指南启动额外服务。 - [quantum-cvqnn](../quantum-cvqnn/SKILL.md):两模有限 Fock 空间的位移、压缩、旋转、Kerr 和分束器层;SciPy 有限差分优化替换 Torch autograd,需增加 cutoff 检查截断。 - [quantum-fermi-hubbard-vqe](../quantum-fermi-hubbard-vqe/SKILL.md):开放边界 Hubbard 链,Jordan-Wigner 与全 Fock 空间 VQE;粒子数是测量值,未强制固定粒子数扇区。 - [quantum-ising](../quantum-ising/SKILL.md):开放边界二维矩形 Ising 网格,quimb MPS 与二阶 Strang 演化;报告键维数及截断参数,不分配完整态矢量。 - [quantum-qaoa](../quantum-qaoa/SKILL.md):无权 MaxCut 的交替 cost/mixer 电路与参数优化;输出平均 cut 和最高概率位串。 - [quantum-qcbm](../quantum-qcbm/SKILL.md):参数电路 Born 分布拟合目标概率,KL 目标与 total variation 对照。 - [quantum-vqc](../quantum-vqc/SKILL.md):RY 特征编码与参数电路二分类;输出训练集指标,不能当作泛化效果。 - [quantum-vqe](../quantum-vqe/SKILL.md):实 Pauli Hamiltonian、RY/RZ/CX ansatz 和 SciPy 优化;能量、优化记录及保留的参数可复查。 全量条目见[覆盖表](../../../docs/integrations/UNITARYLAB_OPEN_COVERAGE.md)。如果用户描述跨领域,按实际依赖组合相关叶子 Skill;不要要求用户先阅读整条目录链。 ## 来源与边界 上游 MIT 指南:[algorithms/quantum-machine-learning](https://github.com/unitarylab/quantum-skills/blob/c5436bb120812ad903ac776f58df89b803ced48c/algorithms/quantum-machine-learning/SKILL.md)。原文作为参考保存在固定检索库,本文件将执行路线改为开源 SDK。来源摘要和算法模块对应关系见[coverage.json](../../../examples/quantum-algorithms/coverage.json),许可证与改动说明见[NOTICE](../../../examples/quantum-algorithms/NOTICE)。 ## 自定义 SDK 程序 示例用于解释和接口核验,不是可执行任务的边界。用户需要其他模型、数据、算法步骤、梯度或后端时,按[原生 SDK 工作台](../quantum-sdk-workbench/SKILL.md)在固定环境中编写并执行自定义代码;由 Agent 完成程序与工件交付。使用 `quantum-algorithms` 环境定位相关 SDK,保留本算法的数学假设与数值误差说明。