Algorithms 模块参考¶
- 模块路径：
fieldqkit.algorithms - 模块定位：在统一硬件 API 之上提供变分算法（VQE / QAOA）、经典阴影层析（Shadow）、量子机器学习（QML），以及它们共享的优化工具与线路压缩能力。
两层设计¶
所有变分类算法都遵循「高层 Runner + 低层 *_with_backend」两层结构：
- 高层 Runner（
VQERunner/QAOARunner/QMLRunner/ShadowTomography）：自动解析 provider → 候选芯片 → 后端，逐块尝试并在全部失败时统一抛错。 - 低层
run_*_with_backend：在已给定Backend/chip_name的前提下执行单次优化/采样，供算法层与高级用户复用。 - 共享底座
optimizer_utils：能量评估、parameter-shift 梯度、Adam、Clifford fitting、通用优化循环run_variational_loop。
页面导航¶
- VQERunner.run_model —— VQE：Ising/Heisenberg/XXZ/XY/自定义哈密顿量
- QAOARunner.run_model —— QAOA：MaxCut + 自定义代价项
- ShadowTomography.run —— classical shadow 协议
- QML —— PQC 监督分类 + 无监督 / 条件 QNN（底层函数）
- QMLRunner —— QML 的高层入口（自动硬件选择）
- optimizer_utils —— 变分算法共享工具
- ansatz templates —— hardware-efficient ansatz 构造
- qml_encoding —— Angle / IQP 数据编码线路
- circuit compression —— MPS/MPO 混合后缀压缩
梯度方式速查¶
| 算法 | autograd 允许的后端 |
parameter-shift |
|---|---|---|
| VQE / QAOA | 本地 Simulator 或 云端 fieldquantum_sim（服务端梯度） |
所有 provider |
| QML | 仅本地 Simulator |
所有 provider |
QML 的
autograd在云端模拟器 / 真机上会抛ValueError，请改用parameter-shift。