Yao.jl
Yao.jl 是一个基于 Julia 语言开发的开源量子计算框架,致力于让人类更轻松地设计可扩展且高效的量子算法。它主要解决了量子软件研发中工具链复杂、灵活性不足以及教育门槛高等痛点,为量子信息研究提供了统一的软件支撑。
这款工具特别适合量子算法研究人员、高校教师、学生以及希望探索“量子软件 2.0"的开发者使用。无论是进行前沿算法实验,还是开展量子计算教学,Yao.jl 都能提供流畅的体验。其独特的技术亮点在于采用了“量子块(Quantum Blocks)”的设计理念,允许用户通过极简的代码(如仅需三行)即可构建复杂的量子电路(例如量子傅里叶变换)。此外,它还具备出色的扩展性,支持 GPU 加速模拟及张量网络后端,能够灵活适应从基础学习 to 高性能计算的不同需求。作为一个由社区驱动的早期测试项目,Yao.jl 正以开放友好的姿态,邀请全球用户共同探索量子计算的无限可能。
使用场景
某量子计算研究团队正在设计并验证一个新的变分量子算法(VQE),用于模拟小分子基态能量,需要频繁构建电路、调整参数并进行数值模拟。
没有 Yao.jl 时
- 研究人员需手动编写底层矩阵运算代码来构建量子门,几十行的电路逻辑往往导致数百行冗长且易错的矩阵乘法代码。
- 修改电路结构(如增加量子比特数或调整门顺序)时,必须重构大量硬编码的数组索引,维护成本极高。
- 缺乏统一的可微分接口,难以直接利用自动微分技术优化变分参数,需自行对接外部机器学习库,流程割裂。
- 仿真大规模量子态时内存占用巨大且无法灵活切换后端,导致在普通工作站上运行缓慢甚至崩溃。
使用 Yao.jl 后
- 利用 Yao.jl 提供的“量子块”(Quantum Blocks)组合式 API,仅需几行声明式代码即可构建复杂的量子傅里叶变换或变分电路,逻辑清晰直观。
- 电路结构支持动态扩展与模块化复用,调整量子比特数量或门序列只需修改少量参数,无需重写底层逻辑。
- 原生集成 Julia 的自动微分生态,可直接对量子电路进行端到端梯度下降训练,大幅简化了参数优化流程。
- 通过插件无缝切换至 CuYao.jl 后端,一键利用 GPU 加速张量网络模拟,显著提升了在本地设备上的计算效率。
Yao.jl 将繁琐的底层矩阵操作转化为人类可读的算法设计语言,让研究者能专注于量子逻辑本身而非工程实现细节。
运行环境要求
- 未说明
- 非必需
- 如需 GPU 加速,需安装独立扩展包 CuYao.jl(通常意味着需要 NVIDIA GPU 和 CUDA 环境),具体型号和版本未在本文档说明
未说明

快速开始
Yao 面向人类的可扩展、高效的量子算法设计。
简介
Yao 是一个开源框架,旨在通过软件工具赋能量子信息研究。它的设计考虑了以下几点:
- 量子算法设计;
- 量子 软件 2.0;
- 量子计算教育。
我们目前处于早期发布的测试版阶段。请做好迎接一些挑战和不完善之处的准备。
尝试你的第一个 Yao 程序
使用 Quantum Blocks 实现的 3 行量子傅里叶变换:
A(i, j) = control(i, j=>shift(2π/(1<<(i-j+1))))
B(n, k) = chain(n, j==k ? put(k=>H) : A(j, k) for j in k:n)
qft(n) = chain(B(n, k) for k in 1:n)
安装
Yao 是一个
Julia 语言
包。要安装 Yao,
请 打开
Julia 的交互式会话(即 REPL) 并在 REPL 中按下 ] 键进入包模式,然后输入以下命令
对于稳定版本:
pkg> add Yao
对于当前主分支:
pkg> add Yao#master
如果您在安装过程中遇到问题,请 向我们提交一个问题。
如需 CUDA 支持,请参阅 CuYao.jl。
如需基于张量网络的模拟,请参阅 YaoToEinsum.jl。
文档
教程 | 使用 Yao 学习量子计算
算法动物园
一些量子算法已使用 Yao 在 QuAlgorithmZoo 中实现。
在线文档
每月社区电话会议
我们每月都会举行一次社区电话会议,请通过 Julia Slack 频道私信 Roger-luo 提供您的电子邮箱地址以报名。或者关注我们的 Twitter。
如果您有任何有趣的内容想分享,时间不超过 40 分钟;或者只是想简短地聊聊您的经验,时间约 10 分钟,都欢迎与我们联系!请使用此 Google 表格 报名并注明主题。
沟通方式
- GitHub Issues:欢迎在 Issues 中提问、报告 bug 或提出功能请求。
- Slack:您可以 加入 Julia 的 Slack 频道,并在
#yao-dev频道中咨询 Yao 相关问题。 - Julia 论坛:您也可以在 Julia 论坛 或 中文论坛 上提问。
团队
该项目由 QuantumBFS 负责,这是一个致力于量子科学的开源组织。目前,Yao 由 Xiu-Zhe (Roger) Luo 和 Jin-Guo Liu 维护,并得到了开源社区的贡献。所有贡献者均列于 贡献者页面。
引用 Yao
如果您在教学和研究中使用 Yao,请引用我们的工作:
@article{YaoFramework2019,
title={Yao.jl: Extensible, Efficient Framework for Quantum Algorithm Design},
author={Xiu-Zhe Luo and Jin-Guo Liu and Pan Zhang and Lei Wang},
journal={arXiv preprint arXiv:1912.10877},
year={2019}
}
许可证
Yao 采用 Apache 2.0 许可证发布。
版本历史
v0.9.32026/03/01v0.2.12026/03/01v0.9.22025/07/10v0.9.12025/03/19v0.9.02024/05/23v0.8.142024/05/03v0.8.132024/01/18v0.8.122024/01/17v0.8.112023/11/02v0.8.102023/08/14v0.8.92023/04/01v0.8.82023/03/29v0.8.72023/03/02v0.8.62022/12/15v0.8.52022/11/02v0.8.42022/08/25v0.8.32022/08/21v0.8.22022/06/10v0.8.12022/06/01v0.8.02022/05/31常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。