Kaiwu-PyTorch-Plugin
框架层在专用量子计算机上快速实现能量神经网络模型训练验证及机器学习开发任务的PyTorch编程套件
联结专用量子计算机与算法开发,让物理AI研究触手可及
在专用量子计算机上快速实现能量神经网络模型训练验证及机器学习开发任务的PyTorch编程套件
联结数学算法与专用量子计算机,无需具备特定量子物理知识,即可进行算法开发
从量子原生到量子增强,覆盖能量神经网络研究
量子计算是模型定义的一部分,模型以QUBO/Ising® 为核心表达
以能量函数为表达核心,在量子真机上完成高效采样与训练。
BM生成任务:RNA序列生成
展示BM在小样本RNA序列的训练、生成与评估流程,生成多样性更高的候选序列。
适用场景
连续变量无需离散化,经典计算与量子计算混合训练。
海洋温度预测
通过量子计算预测不同深度海洋的温度分布。
适用场景
模型训练本身转为能量最小化,可从GPU迁移至量子真机。
EPIC-CIM:卷积神经网络训练
在卷积网络层实现“量子真机训练而非仅仿真”,靠量子物理能量演化完成学习。
适用场景
在经典深度学习框架中,引入量子先验或能量引导,作为模块进行替换或增强
将量子能量先验融入隐空间正则,提升表征的结构表达力。
单细胞表征学习
展示VAE+BM结合的模型训练、表征提取、能量分析的完整流程。
适用场景
在传统离散扩散模型上增加能量引导,引导生成任务执行。
蛋白质序列生成
将通用Q-Diffusion核心接入DPLM骨干网络,用于蛋白质离散扩散生成任务。
适用场景
利用量子真机优化离散掩码,实现端到端混合整数特征筛选。
线性与深度神经网络特征筛选
展示将线性模型及CNN/RNN/LSTM接入量子真机,实现端到端特征掩码优化与训练。
适用场景
与科研者、开发者共建量子AI开源生态
量子算力科研扶持计划,助力科研探索
提交申请,审核通过后,我们将在 3 个工作日内与您联系。
助力开发者拓展开源贡献
完成任务,轻松获取真机配额
×
提交成功
真机配额已发放到您的账户,可前往【云平台】查看
考核目标
通过奖励
开发者权益
第二步
第三步
*
开发者权益
恭喜您完成考核
您将获得量子AI开发者认证标识及考核奖励
1000 bit*5
配额
Assessment Objectives
Pass Rewards
Developer Benefits
Step 1
Step 2
Step 3
*
Developer Benefits
Congratulations on Completing the Assessment
You will receive the Quantum AI Developer Certification Badge and Assessment Rewards
550bit*10
Quotas