Skip to content

Quanta SDK

Python için yapay zeka odaklı, modüler ve yüksek başarımlı kuantum hesaplama SDK'si. v1.2.0-production — PyPI · Dokümantasyon · GitHub Release

Genel Bakış

Quanta SDK, 2026 yılı kuantum bilişim standartlarında tasarlanmış, yapay zeka ajanları (MCP), derin öğrenme araştırmacıları ve hataya dayanıklı kuantum hesaplama (FTQC) iş yükleri için geliştirilmiş bağımsız bir kuantum yazılım mimarisidir. Sistem 5 temel bilimsel paradigma üzerine kuruludur:

  1. Sıfır Bağımlılıklı İlk-İlkeler Çekirdeği (Local-First Core): Ağır C++/LLVM derleme zincirleri veya CUDA kısıtları olmadan, saf Python/NumPy ile taşınabilir 31 yerleşik kuantum kapısı (IBM Heron, Google Sycamore, IonQ yerel kapı setleri).
  2. Apple Silicon Metal / MLX Sıfır-Kopya GPU Hızlandırma: Birleşik bellek (Unified Memory) mimarisinde CPU-GPU veri kopyalama maliyetlerini sıfırlayan Metal/MLX tensör motoru ve SIMD vektörize >3.13M kapı/sn Clifford simülatörü.
  3. Sürekli Hilbert Gradyanları & Daleckii-Krein Autograd (quanta.torch): Padé sapmalarını sıfırlayan \(10^{-15}\) hassasiyetinde kapalı formlu Fréchet matris türevi, dinamik Lie cebiri (\(\dim(\mathfrak{g})\)) tabanlı barren plateau analizi ve biyomorfik kuantum rezonans beyni (ContinuousResonator, BiomorphicResonantBrain).
  4. 2026 Çift-Kanal Hata Toleransı Motoru (Dual-Track FTQC):
  5. Track A (2D Topolojik): Açgözlü eşleme açıklarını kapatan Edmonds Blossom MWPM dekoderi ve Google Willow uyumlu 3D uzay-zaman sendrom döngüleri.
  6. Track B (Yüksek Dereceli qLDPC): 2D yüzey kodlarına kıyasla \(12\times\) qubit tasarrufu sağlayan kanonik Gross \([[144, 12, 12]]\) Bivariate Bicycle kodu ve yerel Normalized Min-Sum BP-OSD-0 dekoderi.
  7. Non-Clifford Evrensellik: 15-to-1 Bravyi-Kitaev sihirli durum damıtma (magic state distillation) fabrikası (\(\epsilon_{\text{out}} \le 35 p^3\)) ve örgü cerrahisi (lattice surgery).
  8. Ajan Odaklı MCP Katmanı: Otonom AI ajanlarının (Claude, Gemini, GPT) kuantum hesaplamalarını doğrudan yönetebilmesi için 23 Model Context Protocol (MCP) aracı.
  9. Doğrulanabilir Bilimsel Titizlik: 2.076 adet tam otomatize, regresyonsuz test ile üniterlik (\(\|U^\dagger U - I\| < 10^{-14}\)) ve CPTP iz korunum garantisi.

Hızlı Başlangıç

1. Klasik Kuantum Devresi

from quanta import circuit, H, CX, measure, run

@circuit(qubits=2)
def bell(q):
    H(q[0])
    CX(q[0], q[1])
    return measure(q)

result = run(bell, shots=1024)
print(result.summary())

2. PyTorch Diferansiyellenebilir QuantumLayer

import torch
import torch.nn as nn
from quanta.torch import QuantumLayer

# Standart PyTorch modeline kuantum katmanı entegrasyonu
model = nn.Sequential(
    nn.Linear(4, 4),
    QuantumLayer(n_qubits=4, ansatz="hardware_efficient", n_layers=2),
    nn.Linear(4, 2)
)

x = torch.randn(8, 4, requires_grad=True)
out = model(x)
loss = out.sum()
loss.backward()  # Analitik parameter-shift gradyanları otomatik hesaplanır

3. Biyomorfik Kuantum Rezonans Beyni (BiomorphicResonantBrain)

from quanta.torch import BiomorphicResonantBrain

# Çift hemisferli, 4 nöromodülatörlü (DA, ACh, 5-HT, NE) kuantum beyni
brain = BiomorphicResonantBrain(n_qubits=4)

x = torch.randn(1, 4)
output = brain(x)

# REM uykusu bellek konsolidasyonu (katastrofik unutmayı önler)
stats = brain.consolidate_rem_sleep(replay_cycles=3)
print("Konsolidasyon Tamamlandı:", stats["retained_fidelity"])

Donanım Hızlandırması (Apple Silicon Metal)

Apple Silicon (M1/M2/M3/M4/M5) işlemcilerde devasa hız:

from quanta import run

# 26 qubitlik devrede Metal Performance Shaders ile 404 kat hızlanma:
result = run(large_circuit, backend="mlx")

Kurulum

# PyPI üzerinden kararlı sürüm
pip install quanta-sdk

# PyTorch ve Derin Öğrenme desteğiyle birlikte
pip install "quanta-sdk[torch]"

# Apple Silicon Metal (MLX) desteğiyle birlikte
pip install "quanta-sdk[metal]"

# Geliştirici modu ve testler
git clone https://github.com/ONMARTECH/quanta-sdk.git
cd quanta-sdk
pip install -e ".[dev]"
pytest

Dokümantasyon

Detaylı Türkçe ve İngilizce kılavuzlar için dokümantasyon merkezini ziyaret edebilirsiniz:

Geliştirici & Yazar Künyesi

Lisans

Apache License 2.0