算法库指南

概述

本章介绍算法库的浏览、筛选和算法详情查看，适用于以下场景：

• 想先了解平台里有哪些算法，而不是立刻提交任务。
• 已经知道大致方向，但需要通过分类或关键词缩小范围。
• 已经进入算法详情页，想快速判断下一步该看说明、参数还是结果。

覆盖内容：浏览算法库、搜索与筛选、查看算法详情、支持的算法。

页面概览

算法库页面主要由以下部分组成：

图中序号对应如下：

1. 左侧导航栏：切换首页、量子编程、算法库和 PDE 求解器等模块。
2. 筛选与搜索栏：左侧为分类下拉，右侧为关键词搜索框，用于缩小算法浏览范围。
3. 算法卡片区：展示当前可用算法列表，点击任意卡片可进入详情页。
4. AI 对话面板：右侧常驻面板，可随时就算法原理、参数含义或任务结果进行提问，详见 AI 对话指南。

当列表正在加载、加载失败或没有可显示内容时，页面会优先展示对应状态提示。

算法列表

算法列表位于页面主体内容区域，用于浏览当前可用算法并通过点击算法项进入详情页。

• 点击算法项进入详情。
• 列表内容由页面内部状态控制，可能出现加载中、错误或空状态。
• 加载失败时页面支持重试。

搜索与筛选

筛选栏用于缩小浏览范围，包含：

• 分类标签切换
• 关键词搜索

推荐使用顺序：

1. 先浏览默认列表，了解当前可用算法。
2. 范围太大时先切换分类标签。
3. 目标明确时再使用关键词搜索。

算法详情

点击算法卡片后进入算法详情页：

图中序号对应如下：

1. 顶部操作栏：左侧返回算法库，中间显示算法名称，右侧为运行按钮。
2. 算法说明区：展示算法原理、运行模式和参数说明，内容来自算法的 README 文档。
3. 参数设置面板：配置运行参数，例如量子比特数量和运行模式。
4. 任务结果区：查看任务信息、量子电路和计算结果。
5. 运行按钮：参数填写完成后点击此按钮提交算法任务。
6. AI 对话面板：右侧常驻面板，可随时就算法原理、参数含义或任务结果进行提问，详见 AI 对话指南。

运行算法的流程：

1. 在算法说明区（②）阅读参数含义，了解各字段的作用和取值范围。
2. 在参数设置面板（③）修改默认值（如需调整）。
3. 点击运行按钮（⑤）提交任务。
4. 在任务结果区（④）切换标签页查看任务信息、量子电路和计算结果。

建议

• 算法库适合先浏览再深入，不必首次进入就逐个点开全部内容。
• 快速确认某个算法是否存在：优先使用筛选和搜索。
• 已确认某个算法适合继续操作：在详情页停留，不必频繁返回列表重新选择。

支持的算法

本节仅提供算法库中各算法的简要概览，帮助快速了解用途和适用场景。如需查看详细的算法原理、参数说明、运行示例和 API 调用方式，请阅读 UnitaryLab 算法用户手册。

变分量子线性求解器（VQLS）

该算法使用变分量子电路求解结构化线性系统：首先构建问题矩阵和右端向量状态，随后定义局部Hadamard测试代价，并通过COBYLA优化器对参数化拟设进行优化。最终计算结果包括量子解与经典解之间的保真度、相对误差、残差范数、两种解的状态，以及生成的量子电路文件。

变分量子特征求解器（VQE）

该算法使用变分量子特征求解器来估计横向场伊辛哈密顿量的基态能量。代码首先构建哈密顿量以及由Ry旋转门和CX纠缠门组成的参数化电路，随后调用COBYLA优化器最小化能量期望值，并在优化后评估几个自旋可观测量。最终计算结果包括精确基态能量、优化后的能量、Z0、Z1和Z0Z1的期望值、核心量子计算时间，以及生成的电路图、收敛性图和可观测量图。

振幅放大（Amplitude Amplification）

该算法采用振幅放大方法：先制备初始量子态，再通过 Oracle 标记满足目标条件的基态，并结合 diffuser 重复执行 Grover 迭代，从而在量子线路上提升目标态的测量概率。

量子振幅估计（QAE）

该算法采用量子振幅估计方法：构造 Grover 算子并执行量子相位估计，通过 IQFT 读取相位比特串并反推目标态振幅，实现对特定量子态出现概率的数值估算。

Cartan 分解算法

该算法接收哈密顿量与演化时间，利用 Cartan-Lax 流方法构造近似演化线路。它将实际演化与精确矩阵进行比较，通过数值迭代优化实现对复杂哈密顿量动力学的模拟。

连续变量量子神经网络（CVQNN）

该算法在截断 Fock 空间中构造包含位移、压缩和 Kerr 非线性等组成的连续变量量子神经网络模型。通过 Adam 优化器完成参数训练，用于处理二维数据的二分类监督学习任务。

离散对数算法

该算法用于在多项式时间内求解离散对数问题。它利用量子相位估计编码周期信息，并结合经典连分数技术与同余方程计算，旨在从 $g^x\equiv y(\mathrm{mod}P)$ 中高效提取未知数 $x$。

Grover 搜索算法

该算法在 $n$ 比特均匀叠加态基础上，利用 Oracle 标记目标态并配合 diffuser 算子重复进行振幅放大迭代。它能以 $\sqrt{N}$ 复杂度在无序数据库中搜索特定二进制目标字符串。

Hadamard 测试

该算法利用辅助比特与受控幺正算符构造测试电路。通过对辅助比特的统计采样，可实现对算符期望值实部或虚部的提取，或用于态交叠保真度与复数相位的测算。

Hadamard 变换

该算法利用 Hadamard 门制备 $n$ 比特均匀叠加态，或通过连续两次变换验证量子操作的自反性。它是构建量子并行性的基础工具，能将基态转换为全空间等概率叠加分布。

HHL 线性方程组求解算法

该算法用于求解厄米矩阵线性方程组。它整合了量子相位估计、受控倒数旋转与逆相位估计技术，能在特定条件下实现比经典算法更快的解向量估算与线性系统处理。

线性酉组合（LCU）算法

该算法将非酉算子表示为多个酉算子的线性组合。它通过在辅助寄存器制备系数态并执行受控选择算子，实现在系统寄存器上对目标算子的概率性模拟与初态演化。

量子近似优化算法（QAOA）

该算法通过成本层与混合层交替组成的参数化线路求解 Max-Cut 问题。利用 COBYLA 优化器迭代调整角度参数，旨在使末态在哈密顿量期望值下收敛，从而提取图的最优切分比特串。

量子线路玻恩机（QCBM）

该算法利用旋转门与环形纠缠门构建量子线路玻恩机。它基于参数移位规则结合 Adam 优化器进行训练，学习离散目标分布（如 BAS 分布），以最小化生成的量子态与目标分布间的 KL 散度。

qDrift 算法

该算法将哈密顿量分解为多个随机采样的 Pauli 项，构造随机乘积公式以逼近时间演化算子。它通过控制采样步数平滑模拟哈密顿动力学，并以此降低量子线路的深度要求。

量子傅里叶变换（QFT）

该算法在量子寄存器上实现离散傅里叶变换及其逆变换。它通过对给定初始态施加一系列旋转与受控门操作，将态振幅转换为频域分布，是相位估计与分解算法的核心组件。

量子相位估计（QPE）

该算法通过受控 $U^{2^k}$ 操作与逆量子傅里叶变换，将幺正算符的相位信息转译为寄存器的十进制估算值。它能以 $1/2^d$ 的精度提取本征态对应的相位，是量子计算的关键底层技术。

量子信号处理（QSP）

该算法在单比特量子线路上利用交替的信号算子与相位旋转执行量子信号处理。通过数值优化搜索相位序列，实现对目标函数 $\cos (tx)$ 的高精度多项式逼近与数值提取。

量子信号处理哈密顿量模拟（QSP-HS）

该算法结合块编码与量子信号处理技术，分别对哈密顿量的正余弦分量进行多项式逼近。利用线性组合方式构造演化线路，实现在给定误差阈值下对复杂哈密顿量的时间切片模拟。

基于 QSVT 的线性方程组求解算法

该算法调用 QSVTSolver 利用量子奇异值转换技术求解线性方程组。它通过对系数矩阵进行块编码并施加特定多项式转换，在量子纠错背景下实现对解向量的高精度提取。

Shor 质因数分解算法

该算法通过量子相位估计与模幂运算寻找整数的周期信息。结合经典连分数分解与质因数判定，实现在量子计算机上对合数进行多项式时间复杂度的非平凡因子提取。

Simon 周期掩码算法

该算法致力于在多项式时间内寻找黑盒函数的隐藏掩码 $s$。通过量子叠加评估获取线性非独立方程组，再配合经典高斯消元技术求解掩码，展示了量子计算对特定问题的指数级加速。

泰勒级数哈密顿量模拟

该算法将演化算子按泰勒级数展开并截断，利用 Pauli 基底分解与线性酉组合（LCU）技术构造近似演化线路。它在单个时间切片内能以指定精度模拟厄米矩阵的演化行为。

Suzuki-Trotter 乘积公式演化算法

该算法采用 Suzuki-Trotter 乘积公式，将总哈密顿量分解为非交换算子的乘积形式进行时间演化。支持多阶递归构造，通过重复时间切片在量子线路上逼近连续的动力学过程。

变分量子分类器（VQC）

该算法将经典特征映射到量子态角度，并利用参数化量子线路提取 logit 特征。通过参数移位规则结合 Adam 优化器，在 Iris 等经典数据集上实现高效的多分类变分学习。