Release Notes
MindQuantum 0.13.0 Release Notes
MindQuantum 0.13.0 新增面向昇腾 910B NPU 的设备常驻态矢量模拟器后端 mqvector_npu 以及 QAIA BSB/DSB 的昇腾 CANN 原生图重放后端 ascend-float32,引入跨模拟器共享的线路分块执行引擎(circuit_tiling)与 Linux AArch64 运行时 Arm SVE 动态派发,基于全矩阵存储全面重写 mqmatrix 密度矩阵模拟器,将 CPU 端 OpenMP 并行策略改为按工作量自适应调度,并完成向 Python 3.9–3.12 与模块化构建系统的演进。
主要特性和增强
Simulator
[BETA] 设备常驻的 Ascend 910B 态矢量模拟器后端
mqvector_npu(!3172):新增面向昇腾 910B NPU 的单精度(mindquantum.complex64)全振幅态矢量模拟器后端。全流程设备端执行:量子态常驻 NPU HBM,结合 Vector 核局部线路分块与 Cube 核严格 FP32 稠密算子融合(禁用
HF32/FP16/BF16精度降级),在设备端完成线路演化、Pauli/CSR 期望、无检查点混合伴随梯度、门级精确多频 Parameter-Shift、纯态噪声轨迹、概率树采样与约化密度矩阵收缩,仅将标量或目标结果传回主机(在 Ascend 910B2 上,24 比特 4 层 MaxCut QAOA 单步伴随梯度耗时约 54 ms)。精度与源码编译要求:仅支持
complex64,传入的Hamiltonian需显式指定为单精度(如Hamiltonian(op, mq.float32)或ham.astype(mq.float32))。加载本地 CANN 环境后使用--npu --npu-arch=<architecture>构建:CANN 9.1 下 910B 使用dav-2201,950PR/950DT 使用dav-3510。项目不以型号白名单限制编译器支持的目标;实机验收独立进行,目前使用 910B2。CPU-only wheel 不包含该后端,不兼容的 NPU 目标须分开分发(详见docs/ascend_build.md)。
[STABLE] 共享线路分块引擎
circuit_tiling与 Arm SVE 向量化加速(!3146、!3165、!3175):线路分块(Circuit Tiling):相比将多门合成为稠密矩阵的传统门融合(Gate Fusion),新增的
mqsim_circuit_tiling引擎将局部量子态分块(8 比特 / 256 个振幅)一次加载至 L1 缓存,在保留各量子门稀疏结构的同时连续作用多个门并折叠相邻对角门,最后写回一次。正向线路演化与伴随(Adjoint)梯度复用同一分块路径,mqvector在n_qubits >= 13时自动启用。Arm SVE 跨分块并行与运行时动态派发:在 Linux AArch64 平台编译独立的 SVE + FCMA 内核,利用 Gather/Scatter、
FCMLA复数乘加与谓词掩码并行处理多个独立状态分块,并在运行时根据宿主 CPU 能力自动派发(兼顾高性能与通用 ARM 机器兼容性)。在 Kunpeng 920F 上,开启 NUMA 亲和(OMP_PLACES=cores OMP_PROC_BIND=close)后,20–28 比特随机线路与 MaxCut QAOA 任务较 0.12.0 进一步提速 3–5×。
[STABLE] 基于全矩阵存储与线路分块重写
mqmatrix密度矩阵模拟器(!3165):将 \(n\) 比特行主序密度矩阵视为 \(2n\) 索引比特上的态矢量并复用circuit_tiling引擎,在运行时利用 Hermitian 对称性仅演化下三角分块。噪声信道直接下沉为超算子(相位阻尼、去相位等对角信道下沉为可与相邻门折叠的对角内核),含噪与无噪线路统一使用 C++ 伴随微分,末端测量含噪采样改为从单次精确混合态演化直接抽样。10 比特下
apply_circuit提速 3×、梯度计算提速 2×,1000-shot 含噪采样从 278 s 降至 0.12 s。
[STABLE] OpenMP 线程数按工作量自适应调度(
!3168):所有 CPU 模拟器与算符稀疏化改为按每 8,192 个振幅分配 1 个线程(以OMP_NUM_THREADS为上限),梯度 batch 按总线程预算workers * team <= MaxThreads动态分配并发度,消除了多核服务器在小比特线路上的线程同步退化,中等规模 batch 提速 1.6×–1.8×。
Algorithm, Examples & AI Skills
[BETA] QAIA
BSB/DSB昇腾 CANN 原生图重放后端ascend-float32(!3162):为BSB与DSB新增不依赖 PyTorch 的原生昇腾 910B 后端backend='ascend-float32'(支持关键字参数device_id=0;原有的'npu-float32'仍为 PyTorch/torch_npu后端),并在qaia-cann分支提供独立的 QPLIB/Gset 基准评测套件。Cube 批量矩阵乘与
aclmdlRI执行图重放:将多副本(batch)耦合计算合并为严格 FP32 的 Cube 核矩阵乘(aclnnMatmul,禁用HF32),配合单 Ascend C Vector 内核(sb_kernel.asc)融合完成动量、位置、非弹性边界与下一步 DSB 符号更新;首次update()将完整多步迭代捕获为aclmdlRI执行图,后续求解直接重放执行图(通过对J/h/p及积分参数的 SHA-256 内容摘要校验自动感知原地修改并重建执行图)。在 Ascend 910B2(100 副本,1000 步)上,23 个 QPLIB 实例较单线程 SciPy 稀疏 CPU 基线中位加速达 DSB 52.1×、BSB 37.8×。构建与运行时要求:与
mqvector_npu共用--npu --npu-arch=<architecture>构建工具链及架构/SoC 兼容性检查。CPU-only wheel 不包含该后端;NPU 构建依赖 CANN 和匹配的设备 Ops 包,这些依赖在运行时由外部环境提供,不打入 wheel(详见docs/qaia_ascend.md)。
[BETA] QAIA 通用弹道模拟分岔算法
GBSB(!3159):在mindquantum.algorithm.qaia下新增GBSB求解器,支持个体分岔参数的非线性控制,提供'cpu-float32'、'gpu-float32'和'npu-float32'后端。[STABLE] 解码量子干涉(DQI)与量子回声(OTOC)示例(
!3128、!3142):在example/dqi_mindquantum/下新增基于 MindQuantum 的 DQI 组合优化完整实现(arXiv:2509.08328);在example/otoc_simulation/下新增基于mqmps的多体 OTOC 光锥扩散模拟(arXiv:2506.10191)与 \(\text{H}_2\) 分子键长反演示例(arXiv:2510.19550)。[STABLE] MindQuantum AI Agent Skills(
!3125、!3126):在skills/下新增 6 个面向 AI 编程助手的领域技能包(涵盖核心 API、变分训练、含噪模拟、QAIA 求解、线路编译与量子化学),可通过npx skills add https://atomgit.com/mindspore/mindquantum.git安装。
问题修复
QAIA
LSB与USB算法修复(!3124):修复LSB对数缩放因子指数符号反转(误将右移衰减写为放大)及x = 0除零问题;将USB默认自动初始化范围从[-0.01, 0.01]扩大至[-0.1, 0.1]以避免被均匀量化归零,修复后两者在 MaxCut 基准上恢复论文级性能(TTS 较DSB提速 2.0×–2.7×)。QAIA 跨后端转换、参数校验与耦合强度归一化修复:支持在 GPU/NPU 后端直接传入稠密
numpy.ndarray耦合矩阵J;修复calc_cut/calc_energy对外部输入x的设备/类型转换及SB在 NPU 下的外场h转换问题;将CAC/CFC/SFC在 CPU 后端的稀疏矩阵平方归一化修正为逐元素平方self.J.power(2).sum();在SB中当J和h全为零且未指定xi时显式抛出ValueError,并按各QAIA子类严格校验其受支持的backend集合。多线程梯度异常传播修复(
!3165):捕获ParallelBatch工作线程内的异常并在主调线程重新抛出,修复此前工作线程抛异常直接触发std::terminate导致 Python 进程崩溃的问题。mqmatrix导数门、Pauli 信道与测量精度修复(!3165):修复apply_gate(..., diff=True)未将导数算符支撑集之外的子空间置零的问题;Pauli 信道改为直接累加 \(\sum_k p_k P_k \rho P_k\) 以消除浮点舍入产生极小负概率开方时的NaN;测量同时读取双分支权重并校验有限正迹。OpenQASM
barrier解析修复(!3156):修复OpenQASM().from_string()解析作用于多比特寄存器的barrier指令(如qreg q[4]; barrier q;)时仅保留首个比特的问题。MindSpore 设备上下文更新与文档修复(
!3127、!3130、!3166):将mindquantum.framework中的ms.set_context(device_target="CPU")更新为ms.set_device("CPU"),并修复多处 API 文档错别字与公式渲染问题。
构建系统与工程现代化
OpenBLAS 配置期验证与
ENABLE_MPS开关(!3174):新增FindOpenBLAS.cmake在配置阶段验证mqmps所需的全部符号(解决 macOS 误选 Accelerate 导致链接失败的问题),并提供-DENABLE_MPS=ON/OFF控制mqmps编译。pybind11 ABI 隔离与
mqrt全架构构建(!3137、!3174):默认开启MQ_ISOLATE_PYBIND11_INTERNALS隔离扩展模块内部符号表;mqrt工具现支持在 AArch64 与 x86_64 全架构构建。构建脚本与工具链改进(
!3111、!3153、!3154、!3165):修复连续运行build.sh的缓存失效问题、--clean-all目录清理问题及 GCC 13+ 下 Catch2 缺失<cstdint>问题;Python 代码检查统一迁移至 Ruff 并对齐 CI 门禁。
破坏性变更与行为变化
Python 版本要求(
!3111):支持版本调整为 Python 3.9–3.12,不再支持 Python 3.7 与 3.8。API 移除与异常修正(
!3168):移除长期抛NotImplementedError的Simulator.set_threads_number()(请使用环境变量OMP_NUM_THREADS);访问mindquantum.framework不存在的属性时由误抛ImportError修正为AttributeError。mqmatrix存储、采样与校验变化(!3165):改为全矩阵存储后单态内存翻倍(同等内存下最大可模拟比特数减 1),\(\le 6\) 比特极小线路耗时增加 10%–15%;末端测量含噪采样固定seed下的具体计数序列与 0.12.0 不同(概率分布不变);传入circ_left/simulator_left或非法噪声信道参数现在会在执行前立即报错。构建与 CMake 选项变更(
!3127、!3148、!3169、!3174):要求 CMake \(\ge\) 3.20、
pybind11 >= 3.1;构建mqvector_cq需显式开启-DENABLE_CUQUANTUM=ON(或build.sh --gpu --cuquantum);Linux AArch64 默认开启MQ_ARM_SVE=ON(不支持 SVE 的编译器需传-DMQ_ARM_SVE=OFF);移除
MQ_BLAS_LIBRARIES、MQ_LAPACK_LIBRARIES、BLAS_SYMBOL_PREFIX缓存变量,改用OpenBLAS_ROOT、OpenBLAS_LIBRARY、OpenBLAS_SYMBOL_PREFIX;构建脚本默认安装运行与测试依赖,移除--only-pytest(可用--no-python-deps跳过)。
贡献者
感谢以下开发者做出的贡献:
dsdsdshe, huangzhe-2026, liqingyu_2026, lllrt, mangrovecoder, Tsingpy.
欢迎以任何形式对项目提供贡献!