cuQuantum Python¶
从源代码构建和安装 cuQuantum Python¶
要求¶
cuQuantum Python 包的构建时依赖项包括
CUDA Toolkit 11.x 或 12.x
cuStateVec 1.7.0+
cuTensorNet 2.6.0+
cuDensityMat >=0.0.5, <0.1.0
Python 3.10+
Cython >=0.29.22,<3
pip 21.3.1+
setuptools 61.0.0+
wheel 0.34.0+
除了 CUDA 和 Python，其余构建时依赖项都由新的基于 PEP-517 的构建系统处理（见下面的步骤 7）。
要从源代码编译和安装 cuQuantum Python，请按照以下步骤操作
克隆 NVIDIA/cuQuantum 仓库：`
git clone https://github.com/NVIDIA/cuQuantum`设置 `
CUDA_PATH` 以指向您的 CUDA 安装[可选] 设置 `
CUQUANTUM_ROOT` 以指向您的 cuQuantum 安装[可选] 设置 `
CUTENSOR_ROOT` 以指向您的 cuTENSOR 安装[可选] 确保 cuQuantum 和 cuTENSOR 在您的 `
LD_LIBRARY_PATH` 中可见切换到包含 Python 实现的目录：`
cd cuQuantum/python`构建和安装
如果您跳过上面的步骤 3-5，请运行 `
pip install .`否则运行 `
pip install -v --no-deps --no-build-isolation .` （高级）
注释
对于步骤 7，如果您为了测试/开发目的从源代码构建，您可能需要在最后一个句点前插入 `
-e` 标志（所以 `pip ... .` 变成 `pip ... -e .`）`
-e`: 使用“可编辑”（就地）模式`
-v`: 启用更详细的输出`
--no-deps`: 避免安装*运行时*依赖项`
--no-build-isolation`: 重用当前的 Python 环境，而不是创建一个新的环境来构建包（这避免了安装任何*构建时*依赖项）
作为设置 `
CUQUANTUM_ROOT` 的替代方法，可以分别设置 `CUSTATEVEC_ROOT`、`CUTENSORNET_ROOT` 和 `CUDENSITYMAT_ROOT` 以指向 cuStateVec、cuTensorNet 和 cuDensityMat 库。如果定义了后三个环境变量，则它们优先。请确保您为 CUDA 11 或 12 使用一致的二进制文件和包。混合搭配将导致未定义的行为。
运行¶
要求¶
cuQuantum Python 包的运行时依赖项包括
具有计算能力 7.0+ 的 NVIDIA GPU
驱动程序：Linux (CUDA 11 为 450.80.02+，CUDA 12 为 525.60.13+)
CUDA Toolkit 11.x 或 12.x
cuStateVec 1.7.0+
cuTensorNet 2.6.0+
cuDensityMat >=0.0.5, <0.1.0
Python 3.10+
NumPy v1.21+
CuPy v13.0.0+（请参阅 安装指南）
PyTorch v1.10+（可选，请参阅 安装指南）
Qiskit v0.24.0+（可选，请参阅 安装指南）
Cirq v0.6.0+（可选，请参阅 安装指南）
mpi4py v3.1.0+（可选，请参阅 安装指南）
如果您从 conda-forge 安装所有内容，则所有必需的依赖项都为您处理（驱动程序除外）。
如果您安装 pip wheels，CuPy、cuTENSOR 和 cuQuantum（但不包括 CUDA Toolkit 或驱动程序，请确保 CUDA 库通过您的 `LD_LIBRARY_PATH` 可见）会为您安装。
如果您从源代码构建 cuQuantum Python，请确保将 CUDA、cuQuantum 和 cuTENSOR 库的路径添加到您的 `LD_LIBRARY_PATH` 环境变量中，并安装了兼容的 CuPy。
已知问题
如果系统有多个 cuTENSOR 副本，其中一个安装在默认系统路径中，则 Python 运行时可能会拾取它，即使 cuQuantum Python 链接到安装在其他位置的另一个副本，也可能导致版本不匹配错误。正确的解决方法是从系统路径中删除 cuTENSOR，以确保正确副本的可见性。**不要尝试**使用 `
LD_PRELOAD` 覆盖它——这可能会导致难以调试的行为！在某些环境中，如果安装了 PyTorch，`
import cuquantum` 可能会失败（出现段错误）。目前正在调查中，临时解决方法是在导入 `cuquantum` 之前导入 `torch`。请确保您为 CUDA 11 或 12 使用一致的二进制文件和包。混合搭配将导致未定义的行为。
示例¶
用于演示低级和高级 Python API 用法的示例在 `samples` 目录中提供。低级 API 示例是 C 语言编写的相应示例的 1:1 翻译。高级 API 示例演示了 cuTensorNet 和 cuDensityMat 库在 Python 中的 pythonic 用法。
测试¶
如果安装了 pytest，在 Python 源代码根目录的命令提示符下键入 `pytest tests` 将运行所有测试。如果未安装 `cffi` 或未设置环境变量 `CUDA_PATH`，则会跳过某些测试。
引用 cuQuantum¶
H. Bayraktar 等人，“cuQuantum SDK：用于加速量子科学的高性能库”，2023 年 IEEE 量子计算与工程国际会议 (QCE)，美国华盛顿州贝尔维尤，2023 年，第 1050-1061 页，doi: 10.1109/QCE57702.2023.00119