Matriz completa de características
| Característica | Qiskit | Cirq | PennyLane | Braket | CUDA-Q |
|---|---|---|---|---|---|
Lenguaje principal | Python | Python | Python | Python | Python/C++ |
Simulación local en CPU | ✓ | ✓ | ✓ | ✓ | ✓ |
Simulador en GPU aceleración CUDA | ~ (aer-gpu) | ✗ | ~ (lightning) | ✗ | ✓✓ |
Máx. qubits simulados vector de estados, local | 30+ (CPU) | ~25 | 25+ | 25 local | 34+ (GPU) |
Diferenciable autograd/backprop | ~ (partial) | ~ (TF) | ✓✓ | ~ (plugin) | ~ |
Soporte de QML | ~ (qiskit-ml) | ✗ | ✓✓ | ~ | ~ |
VQE/QAOA integrados | ✓ | ~ | ✓ | ~ | ~ |
Modelado de ruido | ✓✓ | ✓✓ | ✓ | ✓ | ✓ |
Control de pulsos a nivel de hardware | ✓ | ~ | ✗ | ✗ | ✗ |
Soporte de HLQuantum | ✓ | ✓ | ✓ | ✓ | ✓ |
Mejor para | Hardware de IBM | Google AI / ruido | QML / investigación | Ecosistema AWS | Rendimiento en GPU |
✓ = soporte completo · ~ = parcial/plugin · ✗ = no soportado · * = mediante integración con HLQuantum
¿Qué SDK debería usar?
Según tu caso de uso principal:
Primer proyecto cuántico
Qiskit tiene la comunidad más grande, la mayor cantidad de tutoriales y acceso gratuito a QPU de IBM. Es donde empiezan la mayoría de los principiantes.
Aprendizaje automático cuántico
PennyLane está diseñado específicamente para QML: circuitos diferenciables con integración de PyTorch, JAX y TensorFlow.
Máxima velocidad de simulación
CUDA-Q se ejecuta en GPUs de NVIDIA y es de 100 a 10.000× más rápido que los simuladores en CPU para circuitos de más de 20 qubits.
VQE / química cuántica
Tanto Qiskit Nature como PennyLane tienen un excelente soporte de VQE. La diferenciabilidad de PennyLane facilita la optimización basada en gradientes.
QPU con la mejor fidelidad de puertas
Los sistemas de iones atrapados de IonQ ofrecen las fidelidades de puerta de 2 qubits más altas disponibles, con conectividad todos-con-todos entre qubits.
Flujo de trabajo AWS / nativo de la nube
Braket se integra sin problemas con el ecosistema de AWS. Soporta múltiples proveedores de QPU y simuladores gestionados en la nube.
Hardware de Google o investigación de ruido
Cirq está diseñado específicamente para circuitos NISQ con modelado detallado de ruido. Acceso directo al hardware de Google Quantum AI (mediante solicitud).
Ejecutar en múltiples backends
HLQuantum te ofrece una única API para todos los SDKs. Escribe un circuito y ejecútalo en cualquier backend con solo cambiar un flag.
Usa todos los backends desde una sola API
En lugar de elegir, usa HLQuantum para apuntar a Qiskit, Cirq, PennyLane, Braket, CUDA-Q e IonQ desde un único circuito. Cambia con un flag, sin reescrituras.
result = hlq.run(qc, backend="qiskit") # IBM Aer result = hlq.run(qc, backend="cudaq") # NVIDIA GPU result = hlq.run(qc, backend="ionq", device="aria-1") # Real QPU