Git Stars Git Stars

#quantum-machine-learning Dépôts

Découvrez 10 dépôts GitHub open source actifs associés à #quantum-machine-learning, cumulant 15,974 étoiles au total (soit une moyenne de 1,597 étoiles par projet). Le projet en tête de ce thème est PennyLaneAI/pennylane, avec 3,531 étoiles.

10
Total des Dépôts
15,974
Nombre total d'étoiles
1,597
Moyenne d'Étoiles/Dépôt
Langages de programmation: Python Jupyter Notebook C++ Go
1
PennyLaneAI/pennylane

PennyLane est une plateforme logicielle quantique open-source pour l’informatique quantique, l’apprentissage machine quantique et la chimie quantique. Créez des algorithmes quantiques significatifs, de l’inspiration à la mise en œuvre.

PennyLaneAI
⭐ 3,531 Python 👤 PennyLaneAI Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2018-04-17
2
qosf/awesome-quantum-software

Liste curated de projets logiciels quantiques open source.

qosf
⭐ 2,430 👤 qosf Organization 🕐 Mis à jour 2026-09-24 📅 Créé 2018-04-25
3
tensorflow/quantum

Un framework Python open-source pour l'apprentissage automatique hybride quantique-classique.

tensorflow
⭐ 2,204 Python 👤 tensorflow Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2020-02-06
4
Classiq/classiq-library

La bibliothèque Classiq est la plus grande collection d'algorithmes et d'applications quantiques. C'est la meilleure façon d'explorer les logiciels d'informatique quantique. Nous nous félicitons des contributions de la communauté à notre bibliothèque 🙌

Classiq
⭐ 2,063 Jupyter Notebook 👤 Classiq Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2023-09-07
5
mit-han-lab/torchquantum

Un framework basé sur PyTorch pour la Simulation Quantique Classique, l'Apprentissage Automatique Quantique, les Réseaux Neuronaux Quantiques, les Circuits Quantiques Paramétrés avec prise en charge de déploiements faciles sur de véritables ordinateurs quantiques.

mit-han-lab
⭐ 1,681 Jupyter Notebook 👤 mit-han-lab Organization 🕐 Mis à jour 2026-07-06 📅 Créé 2021-02-04
6
NVIDIA/cuda-quantum

Prise en charge C++ et Python pour le modèle de programmation CUDA Quantum pour les flux de travail quantiques-classiques hétérogènes

NVIDIA
⭐ 1,204 C++ 👤 NVIDIA Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2023-03-14
7
AgnostiqHQ/covalent

Outil Pythonique pour orchestrer les flux de travail d'apprentissage automatique/haute performance/informatique quantique dans des environnements de calcul hétérogènes.

AgnostiqHQ
⭐ 869 Python 👤 AgnostiqHQ Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2021-11-03
8
PennyLaneAI/demos

Introductions aux concepts clés de la programmation quantique, ainsi que des tutoriels et des implémentations issus de recherches de pointe en informatique quantique.

PennyLaneAI
⭐ 679 Python 👤 PennyLaneAI Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2019-10-09
9
Continuum-AI-Corp/scuttle

Chiffrement post-quantique compact pour les données sensibles. Conçu pour être inscriptible uniquement. ML-KEM-768 + X25519 + AES-256-GCM. Veuillez le casser.

Continuum-AI-Corp
⭐ 577 Go 👤 Continuum-AI-Corp Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2026-09-23
10
gitkarma/quantum_computing_course2025

Contenu du cours d'informatique quantique

gitkarma
⭐ 546 👤 gitkarma User 🕐 Mis à jour 2025-06-09 📅 Créé 2025-04-24

Foire aux questions

1

Quel est le dépôt #quantum-machine-learning le plus populaire sur GitHub ?

Le projet #quantum-machine-learning open source le mieux classé sur GitHub est PennyLaneAI/pennylane, avec 3,531 étoiles. PennyLane est une plateforme logicielle quantique open-source pour l’informatique quantique, l’apprentissage machine quantique et la chimie quantique. Créez des algorithmes quantiques significatifs, de l’inspiration à la mise en œuvre.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #quantum-machine-learning ?

Parmi les projets #quantum-machine-learning les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, C++, Go.

3

Comment le classement des dépôts #quantum-machine-learning est-il calculé ?

Nous suivons 10 dépôts open source actifs associés à #quantum-machine-learning (500+ étoiles), totalisant 15,974 étoiles, avec une moyenne de 1,597 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.