quantum-computing
/quantum-computing
Projektuje i analizuje rozwiązania informatyki kwantowej: obwody kwantowe, algorytmy, korekcję błędów i ocenę przewagi kwantowej.
- Autor
- beita6969 ↗
- Repozytorium
- scienceclaw ↗
- Licencja
- MIT
- Ostatnia zmiana repozytorium
- 07.10.2026
Ocena i bezpieczeństwo
- Pliki w paczce
- 1
- Skrypty
- 0
- Komentarze HTML
- 0
- Adresy URL w SKILL.md
- 0
Brak sygnałów. Repozytorium zmienione 07.10.2026, bez odwołań do wycofanych modeli i API.
MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.
Co robi i kiedy
Projektuje i analizuje rozwiązania informatyki kwantowej: obwody kwantowe, algorytmy, korekcję błędów i ocenę przewagi kwantowej.
Oryginalny opis (EN)
Designs and analyzes quantum computing solutions including quantum circuit construction, algorithm implementation, error correction, and quantum advantage assessment; trigger when users discuss qubits, quantum gates, quantum algorithms, or quantum hardware.
Jak działa
- When to Trigger
- Step-by-Step Methodology
- Key Databases and Tools
- Output Format
- Quality Checklist
Podgląd SKILL.md
--- name: quantum-computing description: Designs and analyzes quantum computing solutions including quantum circuit construction, algorithm implementation, error correction, and quantum advantage assessment; trigger when users discuss qubits, quantum gates, quantum algorithms, or quantum hardware. --- ## When to Trigger Activate this skill when the user mentions: - Quantum circuits, quantum gates (Hadamard, CNOT, Toffoli) - Qubits, superposition, entanglement, measurement - Quantum algorithms (Shor's, Grover's, VQE, QAOA) - Quantum error correction, decoherence, noise models - Quantum advantage, quantum supremacy, complexity classes (BQP) - Quantum hardware (superconducting, trapped ion, photonic) - Quantum simulation, quantum chemistry applications ## Step-by-Step Methodology 1. **Problem formulation** - Determine if the problem has a known quantum advantage. Map the problem to a quantum computing framework: gate-based, adiabatic, or measurement-based. Identify required qubit count and circuit depth. 2. **Algorithm selection** - For search: Grover's (quadratic speedup). For factoring: Shor's. For optimization: QAOA or quantum annealing. For chemistry: VQE or QPE. For machine learning: quantum kernels or variational classifiers. 3. **Circuit design** - Construct the quantum circuit using elementary gates (H, CNOT, Rz, Ry). Decompose multi-qubit gates into native gate sets. Minimize circuit depth and CNOT count for near-term hardware compatibility. 4. **Simulation** - Simulate circuit on classical hardware using Qiskit Aer, Cirq, or PennyLane. For small systems (<30 qubits), use statevector simulation. For larger systems, use tensor network or MPS methods. 5. **Noise analysis** - Model realistic noise: single-qubit and two-qubit gate errors, measurement errors, T1/T2 decoherence times. Use noise models from real hardware backends (IBM Quantum, IonQ). 6. **Error mitigation / correction** - For near-term (NISQ): zero-noise extrapolation, probabilistic error cancellation, dynamical decoupling. For fault-tolerant: surface codes, repetition codes, logical qubit encoding. 7. **Results analysis** - Compare quantum vs. classical performance. Report circuit metrics (depth, gate count, qubit count). Assess scalability and resource requirements for practical problem sizes. ## Key Databases and Tools - **Qiskit (IBM)** - Quantum SDK with hardware access - **Cirq (Google)** - Quantum circuit framework - **PennyLane (Xanadu)** - Quantum ML framework - **Amazon Braket** - Cloud quantum computing - **Quantum Algorithm Zoo** - Catalog of quantum algorithms - **IBM Quantum / IonQ** - Real hardware backends ## Output Format - Quantum circuits in standard notation (Qiskit/OpenQASM or circuit diagrams). - State vectors or density matrices for small systems. - Measurement histograms with shot counts and error bars. - Resource estimates: qubit count, circuit depth, T-gate count, total gate count. ## Quality Checklist - [ ] Problem-quantum advantage mapping justified - [ ] Circuit decomposed into hardware-native gate set - [ ] Qubit count and circuit depth reported - [ ] Noise model specified if simulating realistic conditions - [ ] Classical baseline comparison provided - [ ] Error mitigation strategy appropriate for NISQ era - [ ] Measurement shot count sufficient for statistical significance - [ ] Scalability analysis for practical problem sizes included
Wersje
W bazie nie ma innych skilli o nazwie quantum-computing.
Identyczna treść występuje jeszcze w 1 innych folderach na GitHubie. Tu pokazujemy jedną, najlepiej ocenioną kopię.
Migawka bazy z 13.11.2026 · wersja paczki 105ff4282d07 (skrót SHA-256 całej paczki)
Pobrania w ostatnich 30 dniach: 0 · ranking
Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.
Podobne skille
- 100quantum-expert
Wspiera pracę z obliczeniami kwantowymi, Qiskit, algorytmami kwantowymi i informacją kwantową: podstawy mechaniki kwantowej, sprzęt, projekt obwodów i implementacja algorytmów. - 100quantum-information-computing
Obejmuje informację i obliczenia kwantowe: kubity, bramki, obwody, splątanie, nierówności Bella, teleportację, algorytmy Grovera i Shora, korekcję błędów, kryptografię kwantową i platformy sprzętowe. - 100qubits-and-gates
Wyjaśnia kubity, bramki jednokubitowe i dwukubitowe, pomiary i uniwersalność oraz sprawdza je w Qiskit. - 100quantum-algorithms
Przedstawia główne rodziny algorytmów kwantowych, ich przyspieszenia i założenia, oraz uczciwie ocenia przypadki użycia. - 100cirq
Wspiera framework kwantowy Google Cirq: sprzęt Google Quantum AI, obwody świadome szumu i eksperymenty charakteryzacji kwantowej. - 100cirq
Wspiera framework kwantowy Google Cirq: sprzęt Google Quantum AI, obwody świadome szumu i eksperymenty charakteryzacji kwantowej.