量子コンピューティングタスクには、回路設計と最適化に関する専門知識が必要です。PennyLaneは、シミュレーターと実際のハードウェア全体で自動微分を使用して、量子回路を構築、訓練、実行するための統一されたインターフェースを提供します。
スキルZIPをダウンロード
Claudeでアップロード
設定 → 機能 → スキル → スキルをアップロードへ移動
オンにして利用開始
テストする
「pennylane」を使用しています。 二次元データポイントを分類するシンプルな変分量子分類器を作成してください
期待される結果:
- default.qubitバックエンドで2量子ビットデバイスを定義
- 入力特徴の角度エンコーディングを使用してQNodeを構築
- 訓練可能な重みを持つ変分レイヤーを作成
- PauliZの期待値を分類出力として使用
- 平均二乗誤差を最小化するGradientDescentOptimizerで訓練
- 訓練データセットとテストデータセットで精度を評価
「pennylane」を使用しています。 H2分子のVQEを実行する方法を教えてください
期待される結果:
- qchemモジュールをインポートし、H2の原子座標を定義
- qchem.molecular_hamiltonianを使用して分子ハミルトニアンを構築
- 分子のHartree-Fock状態を初期化
- UCCSD(ユニタリー結合クラスター)テンプレートを使用してVQEアンザッツを作成
- AdamOptimizerを使用して最適化ループを実行
- Hartree単位で基底状態エネルギーを抽出
「pennylane」を使用しています。 シミュレーターと実際の量子ハードウェアを切り替える方法は?
期待される結果:
- デバイスパラメータを受け入れる関数として量子回路を定義
- シミュレーターデバイスを作成: qml.device('default.qubit', wires=4)
- ハードウェアデバイスを作成: qml.device('qiskit.ibmq', wires=4, backend='ibmq_manila')
- QNodeデコレーターにデバイスを渡す
- 回路コードは同一のまま - 実行バックエンドのみが変更される
- ハードウェアでの勾配にはparameter-shift ruleを使用(backpropはシミュレーターでのみ機能)
セキュリティ監査
安全Pure documentation skill containing educational Python code examples for quantum computing workflows. All 419 static findings are false positives: code examples in markdown files are documentation, not executable code. The skill has no scripts, no network calls, no file system access, and no real credentials. The api_key placeholders are documentation examples, not actual secrets. Quantum computing algorithms flagged as 'weak crypto' are legitimate scientific computing patterns.
リスク要因
⚙️ 外部コマンド (354)
🌐 ネットワークアクセス (10)
📁 ファイルシステムへのアクセス (2)
品質スコア
作れるもの
量子化学シミュレーション
創薬研究のためにUCCSDアンザッツを使用したVQEで分子の基底状態エネルギーを計算
ハイブリッド量子古典モデル
量子回路とPyTorchまたはTensorFlowレイヤーを組み合わせた変分分類器を構築
最適化アルゴリズム
グラフ上のMaxCutのような組合せ最適化問題に対してQAOAを実装
これらのプロンプトを試す
Show me how to create a 2-qubit quantum circuit in PennyLane that applies RX and RY rotations then measures PauliZ on qubit 0
Write a PennyLane script to compute the ground state energy of H2 molecule using VQE with Adam optimizer
Create a hybrid quantum-classical classifier in PennyLane that integrates with PyTorch for training on a dataset
Show how to execute a PennyLane circuit on IBM Quantum hardware using the qiskit.ibmq device with parameter-shift gradients
ベストプラクティス
- 量子ハードウェアにデプロイする前にシミュレーターから始める
- ハードウェアでの勾配計算にはparameter-shift ruleを使用
- 不毛高原を避けるためにパラメータを慎重に初期化
- 初期化のオーバーヘッドを削減するためにデバイスオブジェクトをキャッシュ
回避
- 量子ハードウェアでbackpropagationを使用(シミュレーターでのみ機能)
- ハードウェア実行前にシミュレーターでの回路検証をスキップ
- シミュレーター容量を超える量子ビットを使用
- ハードウェアの動作をシミュレートする際にノイズモデルを無視