发行说明¶

cuQuantum Python v24.11.0¶

添加新的 API 和功能
- 一个新的模块 cuquantum.bindings 用于托管 cuDensityMat 库的低级 API，位于 cuquantum.bindings.cudensitymat 下。
- 对于低级 API，请参考 cuStateVec v1.7.0、cuTensorNet v2.6.0 和 cuDensityMat v0.0.5 的发行说明
- 一个新的实验性模块 cuquantum.densitymat 用于加速基于量子多体算符和密度矩阵（或状态向量）形式主义的模拟量子动力学求解器。有关此新模块的详细介绍，请参考高级密度矩阵 API。注意：所有新的实验性 API 在未来版本中可能会发生更改。请在 NVIDIA/cuQuantum GitHub Discussions 上与我们分享您的反馈！
- 在 cuquantum.cutensornet.experimental.NetworkState.compute_output_state() 中添加了一个新参数 release_operators，以允许用户选择是否在 MPS 模拟期间释放所有底层算符的引用。
- 添加了一个新方法 cuquantum.cutensornet.experimental.NetworkState.apply_unitary_tensor_channel()，以允许用户执行张量网络状态的噪声模拟。有关详细信息，请参阅 Python 示例 (example05_noisy_unitary_channels.py)。
- 添加了一个新类 cuquantum.MemoryLimitExceeded，当操作需要的设备内存超过操作选项中指定的内存时，将引发异常。这适用于缩并、分解和缩并-分解操作。
错误修复
- 修复了 cuquantum.CircuitToEinsum 中的一个错误，以支持 qiskitqiskit.QuantumCircuit。
其他更改
- compute_norm 方法已从实验性 API cuquantum.cutensornet.experimental.NetworkState 中移除。现在可以通过为以下 API 提供参数 return_norm=True 来检索状态的平方范数：
计划变更（即将在下一版本中推出）:
- cuStateVec 和 cuTensorNet 的所有低级 API 将迁移到 cuquantum.bindings 下相应的子模块 cuquantum.bindings.custatevec 和 cuquantum.bindings.cutensornet，而 API 名称和签名将保持不变。
- 将发布一个新模块 cuquantum.tensornet，用于托管张量网络计算的所有高级 API，包括以下内容：
注意：上面概述的计划变更可能会发生变化，并且可能与发布时的最终实现有所不同。详细的迁移指南将在即将发布的版本中提供。我们欢迎您在 NVIDIA/cuQuantum GitHub Discussions 上就这些计划变更提供反馈。现有的 API 将被弃用，但在被移除之前仍将支持几个版本，以确保平稳过渡。

cuQuantum Python v24.08.0¶

添加新的 API 和功能
- 对于低级 API，请参考 cuTensorNet v2.5.0 的发行说明。
- 引入 cuquantum.cutensornet.experimental 下的实验性 API，其中包括：
  - cuquantum.cutensornet.experimental.NetworkState，它可以使用户直接使用 cuTensorNet 状态 API，通过各种方法模拟纯张量网络状态。用户可以从完全参数化的线路（例如 qiskit.QuantumCircuit 或 cirq.Circuit）启动模拟，或者通过将张量算符应用于 cuquantum.cutensornet.experimental.NetworkState 对象来逐步构建张量网络状态。
  - cuquantum.cutensornet.experimental.TNConfig，当通过 config 参数提供时，它支持基于缩并的 cuquantum.cutensornet.experimental.NetworkState 张量网络模拟。
  - cuquantum.cutensornet.experimental.MPSConfig，当通过 config 参数提供时，它支持基于矩阵乘积态 (MPS) 的 cuquantum.cutensornet.experimental.NetworkState 模拟。
  - cuquantum.cutensornet.experimental.NetworkOperator，它允许通过添加张量网络算符乘积或矩阵乘积算符 (MPO) 来构建自定义网络算符。然后，网络算符对象可以与网络状态对象交互，以应用 MPO 或计算网络算符的期望值。
  有关这些新 API 的详细介绍，请参考张量网络模拟器或 NetworkState 示例目录
  
  注意：所有新的实验性 API 在未来版本中可能会发生更改。请在 NVIDIA/cuQuantum GitHub Discussions 上与我们分享您的反馈！
错误修复
- 修复了 cuquantum.NetworkOptions.compute_type 中的一个错误，以支持 cuquantum.cutensornet.ComputeType.COMPUTE_3XTF32。

已知问题:

在 PyPI 中，我们的软件包在版本中发布时带有一个额外的发布后标签
```
A.B.C.D
~~~~~~↑
```
要让 pip 选择正确的发布后标签（和相应的版本），请使用此命令
```
pip install cuquantum-python~=A.B.C
pip install cuquantum~=A.B.C
```
例如，以下任何命令都将正确解析额外的版本组件
```
pip install cuquantum-python==24.8.0.2
pip install cuquantum-python~=24.8.0
pip install cuquantum==24.8.0.2
pip install cuquantum~=24.8.0
```

兼容性说明:

cuQuantum Python 现在需要 Python 3.10+。
cuQuantum Python 现在支持 NumPy 2.0。

cuQuantum Python v24.03.0¶

添加新的 API 和功能

对于低级 API，请参考 cuStateVec v1.6.0 和 cuTensorNet v2.4.0 的发行说明。

从此版本开始，我们通过新的、可 cimport-able 的 cycustatevec 和 cycutensornet 模块，为 Cython 用户提供实验性的 C 符号导出支持。

为了更好的一致性，几个 API 和对象被重命名

旧	新
`collapse_by_bitstring()`	`collapse_by_bit_string()`
`collapse_by_bitstring_batched_get_workspace_size()`	`collapse_by_bit_string_batched_get_workspace_size()`
`collapse_by_bitstring_batched()`	`collapse_by_bit_string_batched()`
`Collapse`	`CollapseOp`
`contraction_optimizer_config_get_attribute_dtype()`	`get_contraction_optimizer_config_attribute_dtype()`
`contraction_optimizer_info_get_attribute_dtype()`	`get_contraction_optimizer_info_attribute_dtype()`
`contraction_autotune_preference_get_attribute_dtype()`	`get_contraction_autotune_preference_attribute_dtype()`
`tensor_svd_config_get_attribute_dtype()`	`get_tensor_svd_config_attribute_dtype()`
`tensor_svd_info_get_attribute_dtype()`	`get_tensor_svd_info_attribute_dtype()`
`network_get_attribute_dtype()`	`get_network_attribute_dtype()`
`marginal_get_attribute_dtype()`	`get_marginal_attribute_dtype()`
`sampler_get_attribute_dtype()`	`get_sampler_attribute_dtype()`
`state_get_attribute_dtype()`	`get_state_attribute_dtype()`
`accessor_get_attribute_dtype()`	`get_accessor_attribute_dtype()`
`expectation_get_attribute_dtype()`	`get_expectation_attribute_dtype()`

旧的 API 仍然存在且功能正常，但它们被认为是已弃用的，并将在未来版本中移除。

添加了资源管理选项（参见状态对象中的资源管理）。
- Network 的执行方法，包括 autotune()、contract() 和 gradients()，现在接受一个可选的 release_workspace 参数，以请求在函数返回时释放用于执行的工作区。
- 现在，reset_operands() 方法接受为 operands 参数传递 None，以请求释放对网络操作数的内部引用。

错误修复
- 修复了 cuquantum.CircuitToEinsum 在解析带有复杂标准门的 qiskit.QuantumCircuit 时出现的某些失败情况。

已知问题:

在 PyPI 中，我们的软件包在版本中发布时带有一个额外的发布后标签
```
A.B.C.D
~~~~~~↑
```
要让 pip 选择正确的发布后标签（和相应的版本），请使用此命令
```
pip install cuquantum-python~=A.B.C
pip install cuquantum~=A.B.C
```
对于 cuQuantum SDK 24.3.0，所有（元）软件包都配置了一个发布后标签：24.3.0.post1。为了说明，以下任何命令都将正确解析附加的版本组件
```
pip install cuquantum-python==24.3.0.post1
pip install cuquantum-python~=24.3.0
pip install cuquantum==24.3.0post1
pip install cuquantum~=24.3.0
```

兼容性说明:

cuquantum.CircuitToEinsum 现在支持 qiskit <= v1.0.0。
cuQuantum Python 现在需要 CuPy v13+
cuQuantum Python 现在支持 Python 3.12。
- 在下一个版本中，将删除对 Python 3.9 的支持，以遵循 NEP-29。（这指的是 PyPI.org 上的预构建 wheels 和 conda-forge 上的 Conda 包。如果您对预构建支持有任何需求，请在 GitHub 上联系我们。或者，您可以从源代码构建，尽管我们可能不保证无限期地支持源代码兼容性。）
在接下来的 cuQuantum 版本中，cuQuantum 将停止支持 RHEL 7。请提前计划并牢记这一点。谢谢。

cuQuantum Python v23.10.0¶

添加新的 API 和功能
- 对于底层 API，请参考 cuStateVec v1.5.0 和 cuTensorNet v2.3.0 的发行说明。
- 如果输入操作数是 PyTorch 张量，函数 cuquantum.contract() 现在像原生的 PyTorch 运算符一样工作，就 autograd 而言。这是一个实验性功能。
- 添加了一个新的实验性方法 cuquantum.Network.gradients()，用于计算网络关于输入操作数的梯度。
  - 如果梯度是复数值的，则约定遵循 PyTorch 的约定。
- 添加了一个新的属性 cuquantum.cutensornet.tensor.SVDMethod.discarded_weight_cutoff，以允许基于丢弃权重的 SVD 截断。
- cuquantum.Network 构造函数及其 reset_operands() 方法现在接受可选的 stream 参数。
错误修复
- 修复了当在提供的操作数在收缩操作后未存活时调用 reset_operands() 时可能发生的数据损坏。
- 对于使用 CPU 数组（来自 NumPy/PyTorch）作为收缩输入操作数的情况，内部流未被正确排序。
- 方法 autotune()、contract() 和独立函数 contract() 允许传递 stream 参数的指针地址，正如文档中所承诺的那样。
- 修复了 cuquantum.cutensornet.MarginalAttribute.OPT_NUM_HYPER_SAMPLES 和 cuquantum.cutensornet.SamplerAttribute.OPT_NUM_HYPER_SAMPLES 属性的 dtypes。
其他更改
- 如果启用了 Python 日志记录，则会报告 cuTensorNet 的运行时（而不是构建时）版本。
- 对于将 PyTorch 张量传递给收缩 API，现在会考虑张量标志 .is_conj() 和 .requires_grad，除非用户使用 qualifiers 参数显式覆盖它们。

cuQuantum Python v23.06.0¶

添加新的 API 和功能
- 对于底层 API，请参考 cuStateVec v1.4.0 和 cuTensorNet v2.2.0 的发行说明。
  - 实验性 API cuquantum.cutensornet.compute_gradients_backward() 返回的复数值梯度与 PyTorch 的约定相差一个复共轭。
- 新的属性 cuquantum.cutensornet.tensor.SVDMethod.algorithm 允许用户在各种 SVD 算法之间进行选择，包括 "gesvd"、"gesvdj"、"gesvdr" 和 "gesvdp"。对于 "gesvdj" 和 "gesvdr"，用户还可以提供自定义设置（例如，"gesvdj" 算法的容差）。
- 新的属性 cuquantum.cutensornet.tensor.SVDInfo.algorithm 描述 SVD 计算中使用的 SVD 算法。对于 "gesvdj" 和 "gesvdp"，用户还可以访问执行信息（例如，"gesvdj" 算法的残差）。
错误修复
- 修复了 cuquantum.cutensornet.tensor.decompose() 和 cuquantum.cutensornet.experimental.contract_decompose() 的自动分块选项的错误。
- 修复了 cuquantum.CircuitToEinsum 在解析 qiskit.QuantumCircuit 时考虑潜在全局相位的错误。
- 修复了 cuquantum.CircuitToEinsum 在给定 qiskit.QuantumCircuit 时解析自定义门的错误。
其他更改
- 改进了 MPS 演示的 Jupyter notebook，加入了基于密度矩阵的 MPS-MPO 收缩算法。
- 避免在 cuquantum.CircuitToEinsum 中使用任何空格 unicode 字符作为 TN 符号。
- cuquantum.PathFinderOptions 路径查找算法现在利用新的智能选项来限制路径查找器经过的时间（详见 CUTENSORNET_CONTRACTION_OPTIMIZER_CONFIG_SMART_OPTION）。此更改也适用于公共 API，包括 cuquantum.contract()、cuquantum.contract_path() 和 cuquantum.OptimizerOptions。
- 当运行超优化器以使用 cuquantum.contract_path() 等计算最佳收缩路径时，根据问题规模，这可能是长时间运行的，现在可以通过 Ctrl-C 中止。
- 与 CUDA 12 兼容的 Conda 包在 conda-forge 上可用。如果需要，用户可以使用新的 cuda-version 元软件包指定目标 CUDA 版本。例如，conda install -c conda-forge cuquantum-python cuda-version=12.0 或 conda install -c conda-forge cuquantum-python cuda-version=11.8。此支持已向后移植到 cuQuantum Python 23.03。
- 改进 pip 依赖项管理：当通过 pip 安装 cuquantum-python 或 cuquantum-python-cu12 时，我们将尝试推断兼容的 CuPy wheel 并安装它（在 23.03 版本中注意以下注意事项）。例外是 cuquantum-python-cu11，对于这种情况，我们要求用户按照 CuPy 的安装指南，从 cupy-cuda110、cupy-cuda111 或 cupy-cuda11x 中显式选择并安装。
  - 如果使用 pip 23.1+ 安装元软件包 cuquantum-python，则需要将 --no-cache-dir 传递给 pip。

兼容性说明:

cuQuantum Python 现在需要 Python 3.9+
cuQuantum Python 现在需要 NumPy v1.21+
cuQuantum Python 现在需要 CuPy v10+

已知问题:

在单精度下，当输入张量/矩阵的秩较低时，基于 "gesvdr" 的张量 SVD 可能会降低精度。
当 "gesvdp" 算法用于张量 SVD 时，用户有责任检查 cuquantum.cutensornet.tensor.SVDInfo.gesvdp_err_sigma 以监控收敛性。

cuQuantum Python v23.03.0¶

添加新的 API 和功能
- 对于底层 API，请参考 cuStateVec v1.3.0 和 cuTensorNet v2.1.0 的发行说明。
- 一个新的模块 cuquantum.cutensornet.tensor，通过 cuquantum.cutensornet.tensor.decompose() 和 cuquantum.cutensornet.tensor.DecompositionOptions 支持张量分解例程。新模块也可以通过 cuquantum 命名空间直接访问。支持以下分解方法
  - 通过 cuquantum.cutensornet.tensor.QRMethod 进行 QR 分解。
  - 通过 cuquantum.cutensornet.tensor.SVDMethod 进行精确和近似奇异值分解 (SVD)。对于近似 SVD，关于截断的运行时信息存储在 cuquantum.cutensornet.tensor.SVDInfo 中并通过它访问。
- 一个新的模块 cuquantum.cutensornet.experimental，带有实验性 API，包括 cuquantum.cutensornet.experimental.contract_decompose()、cuquantum.cutensornet.experimental.ContractDecomposeAlgorithm 和 cuquantum.cutensornet.experimental.ContractDecomposeInfo。这些实验性 API 可用于执行复合收缩和分解操作。请注意，所有新的实验性 API 在未来的版本中都可能会发生更改。请在 NVIDIA/cuQuantum GitHub 讨论区上与我们分享您的反馈！
- 添加了一个新的属性 cuquantum.CircuitToEinsum.gates，以允许用户从 cuquantum.CircuitToEinsum 访问门操作数。
API 变更
- 删除了 cuquantum.CircuitToEinsum.state_vector() 中对 fixed kwarg 的支持。可以通过 cuquantum.CircuitToEinsum.batched_amplitudes() 中相同的 fixed kwarg 实现相同的功能。
错误修复
- 当以隐式形式提供 Einstein 求和表达式时，输出模式标签未按字典顺序排序（这是 cuQuantum Python v0.1.0.1 中的回归）。
- 修复了使用 MPICH 时的并行收缩失败问题 (NVIDIA/cuQuantum#31)。
其他更改
- cuQuantum Python 现在支持 Python 3.11。
- cuQuantum Python 现在支持 CUDA 12。
- 在 PyPI.org 上为 CUDA 12 用户发布了一组带有后缀 -cu12 的新 wheels。
  - 示例：pip install cuquantum-python-cu12 cupy-cuda12x 用于设置与 CUDA 12 兼容的基于 wheel 的环境
  - 现有的 cuquantum 和 cuquantum-python wheels（不带 -cuXX 后缀）已转换为自动安装程序，它们将尝试检测当前的 CUDA 环境并安装相应的 wheels。请注意，此自动检测可能会遇到检测不成功的情况，尤其是在纯 CPU 环境（如 CI/CD）中。如果检测失败，我们假设目标环境是 CUDA 11 并继续。此假设可能会在未来的版本中更改，在这种情况下，我们建议用户显式（手动）安装正确的 wheels。
- 对于 conda 包，目前 CUDA 12 支持正在等待 NVIDIA 领导的社区工作 (conda-forge/staged-recipes#21382)。一旦 conda-forge 支持 CUDA 12，我们将提供兼容的 conda 包。
- 支持 CUDA 延迟加载。这可以通过将所需 GPU 内核的加载延迟到第一个调用站点来显着减少内存占用。此功能需要 CUDA 11.8（或更高版本）和 cuTENSOR 1.7.0（或更高版本）。有关其他要求和详细信息，请参阅 CUDA 文档。目前，此功能需要用户通过设置环境变量 CUDA_MODULE_LOADING=LAZY 来选择加入。在未来的 CUDA 版本中，延迟加载可能会成为默认设置。
  - 如果您是 wheel 用户，请使用 pip install "cutensor-cuXX>=1.7" (XX = 11 或 12) 更新您的环境。
  - 如果您是 conda 用户，请使用 conda install -c conda-forge "cudatoolkit>=11.8" "cutensor>=1.7" （对于 CUDA 11）更新您的环境。
- 我们的支持策略已阐明，请参阅兼容性策略。

兼容性说明:

cuQuantum Python 需要 Python 3.8+
- 在下一个版本中，将删除对 Python 3.8 的支持，以遵循 NEP-29。（这指的是 PyPI.org 上的预构建 wheels 和 conda-forge 上的 Conda 包。如果您对预构建支持有任何需求，请在 GitHub 上联系我们。或者，您可以从源代码构建，尽管我们可能不保证无限期地支持源代码兼容性。）
cuQuantum Python 需要 NumPy v1.19+
- 在下一个版本中，将删除对 NumPy 1.19 和 1.20 的支持，以遵循 NEP-29。
cuQuantum Python 需要 CuPy v9.5+
- 在下一个版本中，将删除对 CuPy v9 的支持，以与 NEP-29 保持一致。

cuQuantum Python v22.11.0.1¶

这是一个热修复版本，解决了 cuQuantum Python 中的一些问题。

错误修复
- 修复了 cuquantum.contract() 中可能影响某些使用模式的性能下降问题。
- 修复了 Jupyter notebook qiskit_basic.ipynb 中的 .save_statevector() 用法。
- 删除无效代码。

cuQuantum Python v22.11.0¶

我们在 NVIDIA/cuQuantum GitHub 讨论区！对于有关 cuQuantum 的任何问题（或分享任何基于 cuQuantum 构建的令人兴奋的工作），请随时在 GitHub 讨论区与我们联系。
- 错误报告仍然应发送到我们的 GitHub 问题跟踪器。
添加新的 API 和功能
- 对于 cuTensorNet 底层 API，请参考 cuTensorNet v2.0.0 的发行说明；没有添加新的 cuStateVec API。
- 一个新的 API，cuquantum.CircuitToEinsum.batched_amplitudes()，用于计算一批量子比特的振幅。这等效于 cuquantum.CircuitToEinsum.state_vector() 中的 kwargs fixed 支持，该支持已弃用，将在未来的版本中删除。
- 一个新的 API，cuquantum.CircuitToEinsum.expectation()，用于支持 Pauli 字符串的期望值计算。
- 一个新的辅助 API，cuquantum.cutensornet.get_mpi_comm_pointer()，用于获取 MPI 通信器的指针和大小，用于新的底层 API cuquantum.cutensornet.distributed_reset_configuration()，该 API 实现了分布式并行性。此功能需要 mpi4py。
- cuquantum 模块现在有一个命令行界面，用于返回 cuTENSOR 和 cuQuantum 库的 include 和 library 路径以及链接器标志：python -m cuquantum。有关详细信息，请参阅命令行支持。
- 通过新选项 cuquantum.NetworkOptions.blocking 支持控制非阻塞行为。
API 变更
- 对于 cuTensorNet 底层 API，请参考 cuTensorNet v2.0.0 的发行说明； cuStateVec 底层 API 保持不变。
  - 用户可以使用专用的 NumPy dtype cuquantum.cutensornet.tensor_qualifiers_dtype 设置张量限定符。有关详细信息，请参阅 Python 示例 (python/samples/cutensornet/coarse/example21.py)。例如，可以即时完成复共轭，从而减少内存压力。
  - 要获取/设置收缩路径或切片配置，用户应使用 contraction_optimizer_info_get_attribute_dtype() 来获取表示路径或切片配置对象的 NumPy 自定义 dtype，其方式与用于所有其他属性的方法一致。有关详细信息，请参阅文档字符串。删除了（实验性）ContractionPath 对象。
功能/性能改进
- 改进了使用 cuquantum.contract() 或相关 API 收缩两个张量时的性能。
- 改进了通过 reset_operands() 重用 Network 对象时的性能。
- 改进了 CircuitToEinsum 中的光锥构造，以进一步减少网络中张量的数量。
- 构建系统现在支持 PEP-517 和标准 pip 命令行标志。不再使用环境变量 CUQUANTUM_IGNORE_SOLVER。有关更多信息，请参阅构建要求。
错误修复
- 修复了内部设备上下文切换中潜在的多设备错误。
- 修复了当输入电路尺寸变大时在 cuquantum.CircuitToEinsum 中使用无效模式标签的错误。
其他更改
- 提供了一个更多的分布式 (MPI+NCCL) Python 示例 (example4_mpi_nccl.py)，以展示如何使用 cuTensorNet 并创建并行性。
- 测试基础设施将把不可运行的测试显示为“未选择”，而不是“跳过”。
- PyPI 上发布了一个新的 pip wheel：pip install cuquantum-python-cu11。用户仍然可以像以前一样通过 pip install cuquantum-python 安装 cuQuantum Python。cuquantum-python 现在变成了一个指向 cuquantum-python-cu11 的 meta-wheel。当新的 CUDA 版本可用时，这可能会在未来的版本中发生变化。建议使用带有 -cuXX 后缀的 wheel。

兼容性说明:

cuQuantum Python 现在需要 cuStateVec 1.1.0 或更高版本。
cuQuantum Python 现在需要 cuTensorNet 2.0.0 或更高版本。
cuQuantum Python 现在需要 cuTENSOR 1.6.1 或更高版本。

cuQuantum Python v22.07.1¶

错误修复
- 22.07.0 版本的 cuquantum wheel 文件布局错误。（如果您使用的是 cuquantum 22.07.0.1 或 22.07.0.2 hot-fix wheel，它们可以正常工作。）

cuQuantum Python v22.07.0¶

添加新的 API 和功能
- 对于底层 API，请参阅 cuStateVec v1.1.0 和 cuTensorNet v1.1.0 的发布说明。
- 新的高级 API cuquantum.CircuitToEinsum 支持将 qiskit.QuantumCircuit 和 cirq.Circuit 转换为张量网络收缩
  - 支持状态系数
  - 支持位串幅度
  - 支持约化密度矩阵
  - 后端支持 NumPy、CuPy 和 PyTorch
- 在 cuquantum.Network.contract() 方法中添加了一个仅关键字参数 slices，以支持收缩切片的任意子集。
- 在 cuquantum.OptimizerInfo 对象中添加了一个新的属性 intermediate_modes，用于检索所有中间张量的模式标签。
- 在 cuquantum.OptimizerInfo 对象中添加了一个新的属性 num_slices，用于查询切片总数。
功能/性能改进
- 改进了 einsum 表达式解析器。
错误修复
- 修复了当 optimize 设置为 False 时，在 cuquantum.einsum() 中错误引发异常的问题。
- 修复了 cuquantum.OptimizerInfo 的字符串表示中缺少 f-specifier 的问题。
其他更改
- 移除了对 typing_extensions 的依赖。
- 提供了分布式（基于 MPI）Python 示例，展示了使用 cuTensorNet 和创建并行性有多么容易。mpi4py 是运行这些示例所必需的。
- 更新了底层的、非分布式示例 tensornet_example.py，改进了内存使用，并切换到新的收缩 API contract_slices()。
- 提供了 Jupyter Notebook，展示了如何将量子电路转换为张量网络收缩。
- 添加了一个 Python 示例，说明了新的多设备位交换 multi_device_swap_index_bits() API 的用法。
- 重组了 samples 文件夹，以分隔 cuStateVec 和 cuTensorNet 示例。

兼容性说明:

cuQuantum Python 现在需要 cuQuantum v22.07。
cuQuantum Python 现在需要 Python 3.8+。
cuQuantum Python 现在需要 NumPy v1.19+。
cuQuantum Python 支持 Cirq v0.6.0+。
cuQuantum Python 支持 Qiskit v0.24.0+。

cuQuantum Python v22.05.0¶

错误修复
- 使 typing_extensions 成为必需的依赖项（NVIDIA/cuQuantum#3）
- 修复了测试套件中的问题
其他更改
- 更新了 Python 示例 (python/samples/tensornet_example.py)，以包含正确性检查

cuQuantum Python v22.03.0¶

稳定版本发布
- 从本版本开始，cuQuantum Python 切换到 CalVer 版本控制方案，与 cuQuantum SDK 保持一致
- pip wheels 在 PyPI 上发布：pip install cuquantum-python
功能/性能改进
- 高级张量网络 API 现在完全兼容 NumPy
  - 支持广义 einsum 表达式
  - 支持省略号
  - 支持广播
为以下内容添加了新的 API 和功能
- 对于底层 API，请参阅 cuStateVec v1.0.0 和 cuTensorNet v1.0.0 的发布说明。
- 高级 API 支持类似 EMM 的内存插件接口（请参阅外部内存管理）。
API 变更
- 对于底层 API，请参阅 cuStateVec v1.0.0 和 cuTensorNet v1.0.0 的发布说明。
- 高级 API 没有 API breaking changes。

兼容性说明:

cuQuantum Python 需要 cuQuantum v22.03
cuQuantum Python 需要 Python 3.7+
- 在下一个版本中，Python 3.7 将被删除，以遵循 NEP-29。
cuQuantum Python 需要 NumPy v1.17+
- 在下一个版本中，NumPy 1.17 和 1.18 将被删除，以遵循 NEP-29。
cuQuantum Python 需要 CuPy v9.5+
cuQuantum Python 支持 PyTorch v1.10+

已知问题:

如果您从 PyPI 安装 cuQuantum Python (pip install cuquantum-python)，请确保您也安装了 typing_extensions（通过 pip 或 conda）。这仅影响 wheel 安装，并将在下一个版本中修复。（NVIDIA/cuQuantum#3）

cuQuantum Python v0.1.0.1¶

补丁版本发布
- 添加了 __version__ 字符串

cuQuantum Python v0.1.0.0¶

初始版本发布 (beta 2)

兼容性说明:

cuQuantum Python 需要 cuQuantum v0.1.0
cuQuantum Python 需要 NumPy v1.17+
cuQuantum Python 需要 CuPy v9.5+
cuQuantum Python 支持 PyTorch v1.10+

限制说明:

在某些环境中，如果安装了 PyTorch，import cuquantum 可能会失败（并出现段错误）。目前正在调查中，临时的解决方法是在导入 cuquantum 之前先导入 torch。