Qiskit：IBM 开源量子计算框架，支持量子电路设计与仿真

为什么需要 Qiskit：让量子算法从「论文公式」变成「可运行程序」

量子算法通常以酉矩阵、张量网络等数学形式描述，研发者手工编写电路极易出错，且缺乏标准的验证手段；各硬件厂商接口各异，算法难以在不同平台上迁移。对 AI 从业者而言，进入量子机器学习（量子核方法、变分量子电路）时第一道坎就是「如何把算法想法变成可执行、可检查的电路代码」。

Qiskit 把这条链路做成了统一 API：用 QuantumCircuit 构建电路，transpile() 自动优化并适配硬件，Aer 在经典计算机上提供含噪声模型的仿真，qiskit-ibm-runtime 对接 IBM 真实量子处理器。开发者在模拟器上验证的逻辑，可以在不改变电路定义的前提下提交到真机运行，这是研究量子算法的效率基础。

与 Cirq 侧重硬件时序控制、PennyLane 侧重可微编程不同，Qiskit 的核心气质是「完整闭环 + 开箱即用」：官方教程与教科书最全、社区量最大、IBM 量子硬件与错误缓解技术直接集成。对于需要快速验证算法想法、再规模化上真机的团队，Qiskit 是最低摩擦的选择。

安装与环境配置：3 步就绪

步骤一，准备 Python 环境。Qiskit 2.x 要求 Python 3.10 及以上，推荐 3.11/3.12；建议使用虚拟环境隔离项目依赖，避免与其他科学计算包冲突。

步骤二，安装核心包。注意 Qiskit 1.0 之后按职责拆包：qiskit 是核心库（电路构建、转译），qiskit-aer 负责本地仿真，qiskit-ibm-runtime 负责访问 IBM 云端量子硬件，三者需要分别安装。交互式学习可追加安装 Jupyter Notebook。

步骤三，验证安装。打印核心库版本号即可确认环境就绪；如需连接 IBM Quantum 平台（真机与云仿真），再执行一次账户配置，API Token 在 quantum.ibm.com 登录后于账户设置中生成。

python -m venv ~/qiskit-envsource ~/qiskit-env/bin/activate        # Windows 用 qiskit-env\Scripts\activatepip install --upgrade pippip install qiskit qiskit-aer qiskit-ibm-runtimepython -c "import qiskit; print('Qiskit', qiskit.__version__)"

# 可选：配置 IBM Quantum 访问（真机与云仿真需要）from qiskit_ibm_runtime import QiskitRuntimeServiceQiskitRuntimeService.save_account(    channel="ibm_quantum",    token="你的_API_TOKEN_请运行前替换",   # 在 quantum.ibm.com 账户设置中获取    set_default=True)

快速上手：5 分钟跑通第一个量子程序

最小可用流程：构建一个 2 量子比特电路，制造贝尔纠缠态，在 Aer 模拟器上运行并统计测量分布。该流程覆盖 Qiskit 的四个核心动作——创建电路、加门、测量、执行取结果，后续 VQE、QAOA 等真实算法都是它的扩展：

1. 启动 Jupyter Notebook（或创建 run.py 脚本），确认已激活包含 qiskit 与 qiskit-aer 的虚拟环境。

2. 创建 QuantumCircuit(2, 2)：2 个量子比特 + 2 个经典比特。

3. 添加 qc.h(0) 对 q0 施加 Hadamard 门制造叠加态，再添加 qc.cx(0, 1) 以 q0 为控制、q1 为目标施加 CNOT，两比特进入纠缠。

4. 调用 qc.measure([0, 1], [0, 1]) 把两个量子比特的测量结果写入两个经典比特。

5. 以 AerSimulator() 为后端运行 1024 次，打印 counts 统计。

理想情况下结果只出现 00 与 11 且各占约一半——这是纠缠态的特征，也说明电路构建正确。进阶技巧：把同一电路交给 qiskit-ibm-runtime 的 SamplerV2，仅替换执行后端即可切到 IBM 真机，具体做法见「生产部署」一节。

from qiskit import QuantumCircuitfrom qiskit_aer import AerSimulator # 1. 构建电路：|00> → H → CNOT → 贝尔纠缠态qc = QuantumCircuit(2, 2)qc.h(0)                       # 叠加：q0 变为 (|0> + |1>) / √2qc.cx(0, 1)                   # 纠缠：q1 随 q0 翻转qc.measure([0, 1], [0, 1])    # 测量两个量子比特 # 2. 用 Aer 本地模拟器运行 1024 次result = AerSimulator().run(qc, shots=1024).result() # 3. 统计结果counts = result.get_counts()print(counts)                 # 理想结果约 {'00': 512, '11': 512}

核心能力详解：4 大支柱

支柱一·量子电路构建（DSL）。QuantumCircuit 是核心类，支持任意数量的量子比特与经典比特；门库覆盖单比特（H、X、Y、Z、S、T）与多比特（CX、CCX、SWAP）操作。Parameter 参数化电路允许数值绑定，是变分算法（VQE/QAOA）的基础；if_test、for_loop、while_loop 控制流指令提供经典条件执行能力，构成接近通用的量子编程模型。

支柱二·转译器（Transpiler）。transpile() 与 PassManager 负责把逻辑电路编译为硬件可执行的指令集电路（ISA circuit）：逻辑比特映射到物理比特、任意门分解为硬件原生门集、插入 SWAP 路由解决拓扑限制、调度门时序。optimization_level 0-3 控制优化深度。转译质量直接影响真机结果保真度，是 Qiskit 工程价值最集中的部分。

支柱三·模拟与执行（Aer + Primitives）。Aer 提供 statevector、matrix_product_state、stabilizer 等多种仿真方法，其中 stabilizer 专用于 Clifford 电路的大规模模拟，并支持 GPU 加速（通过 cuQuantum/cuStateVec）。SamplerV2 与 EstimatorV2 是官方推荐的统一执行接口：Sampler 返回测量分布，Estimator 返回期望值；切换后端只需更换一行，即可从本地模拟器切到 IBM 云端真机。

支柱四·噪声建模与错误缓解。NoiseModel 可注入位翻转、退极化、读取错误等噪声，模拟真实 NISQ 硬件行为；qiskit-experiments 提供随机基准测试（RB）等协议校准门错误率。在生产任务中，Estimator 的 resilience_level 与测量错误缓解选项是获得可靠结果的基础，不可跳过。

生产部署与监控：从上线到运维

部署方式一：本地/私有集群模拟。qiskit-aer 支持多线程与 GPU 加速，适合算法回归与 CI 验证。建议把「电路能成功转译、模拟结果符合预期」做成自动化测试，在流水线中固定后端与 shots 参数，防止转译器升级导致算法结果漂移。

部署方式二：IBM Quantum 平台云端执行。通过 QiskitRuntimeService 对接平台，SamplerV2/EstimatorV2 提交采样与期望值任务。Session 模式适合 VQE/QAOA 这类量子-经典交替迭代的算法，保持会话上下文可避免每轮迭代重新排队；Batch 模式适合批量提交静态电路，提升吞吐。生产任务需按配额选择实例（instance），并根据精度需求设置 shots，平衡成本与统计误差。

可观测性：任务进度通过 job 状态轮询或 IBM Quantum 平台仪表盘跟踪，重点关注队列深度与后端错误率；提交前查看后端 target 与量子比特校准信息，选用错误率低的物理比特；对 Estimator 开启 resilience_level ≥ 1 做错误缓解；记录每次任务的元数据（电路深度、shots、后端名、版本号）用于结果审计与复现。

<p class="para-label">避坑清单：</p>

<ul class="dash-list"><li>Qiskit 1.0 后模拟器已拆分：只装 qiskit 本体无法使用 AerSimulator，必须同时安装 qiskit-aer；同理真机执行需安装 qiskit-ibm-runtime。</li><li>别照搬 0.x 教程：execute()、QuantumCircuit.run()、旧 IBMQ provider 等 API 在 1.x 弃用、2.0 移除，报错后优先查阅官方迁移指南而不是搜索旧帖。</li><li>真机任务必须转译：本地 Aer 会自动转译，但 IBM 真机要求电路匹配硬件门集与拓扑，提交前用 transpile(……, optimization_level=3) 显式转译并检查映射结果。</li><li>模拟结果不能直接等同真机结果：真实硬件存在门错误、读取错误与退相干，对 Estimator 开启错误缓解并结合量子比特校准数据选后端，再解读结果。</li></ul>

版本迭代

Qiskit 自 2017 年发布以来，从 0.x 时代的多组件架构（Terra/Aer/Aqua/Ignis）逐步收敛：1.0 将模拟器与应用模块拆为独立包并清理历史 API，2.0 确立 Primitives 为唯一执行模型。截至训练数据，最新正式版为 2.0，可能已有更新小版本。

AI 应用场景

常见误区

面试题