К основному содержанию
скилл CX Codex

quantum-expert — скилл для Claude Code: Qiskit и квантовые алгоритмы

Скилл quantum-expert даёт агенту опору в квантовых схемах: состояния Белла, телепортация, Grover, VQE и классификаторы на Qiskit.

Apache-2.0 240 установок ★ 45 обновлён 2026-10-12

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add personamanagmentlayer/pcl --skill quantum-expert -a claude-code
Открыть на GitHub

Что делает quantum-expert

Скилл подключает к агенту справочник по квантовым вычислениям: кубиты, суперпозиция, запутанность, гейты Паули, Адамара и CNOT, измерение. Список алгоритмов тоже внутри — Grover, Shor, QFT, VQE, QAOA и квантовое машинное обучение. Отдельный блок про железо: сверхпроводящие кубиты, ионные ловушки, квантовый отжиг, устройства NISQ.

Больше всего места занимает код на Qiskit. Есть готовые функции для состояния Белла и протокола телепортации, класс GroverSearch с отдельными методами под оракул, диффузор и расчёт числа итераций, VQESolver с ansatz TwoLocal и оптимизатором SLSQP, заготовка вариационного классификатора с картой признаков.

Разрешения узкие: Read, Write, Edit и Bash(python:*). Через Bash пройдут только вызовы python, остальные команды скилл не запустит. Примеры импортируют qiskit и qiskit_machine_learning, поэтому окружение должно быть с этими пакетами.

Какие задачи решает

  • собрать схему Белла и снять counts с симулятора
  • разложить протокол квантовой телепортации по гейтам
  • написать оракул и диффузор для Grover search
  • подобрать ansatz и оптимизатор для VQE на молекуле H2
  • объяснить, чем сверхпроводящие кубиты отличаются от ионных ловушек

Примеры запросов агенту

  • Собери схему для состояния Белла на двух кубитах и прогони её на qasm_simulator
  • Помоги написать оракул и диффузор для Grover search по строке 101
  • Оцени основное состояние H2 через VQE с ansatz TwoLocal

Как установить quantum-expert

1Через Skills CLI (Vercel)

npx skills add personamanagmentlayer/pcl --skill quantum-expert -a claude-code

2Вручную: положить файлы

~/.claude/skills/quantum-expert/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/quantum-expert/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о quantum-expert

Как установить quantum-expert в Claude Code?

Выполните npx skills add personamanagmentlayer/pcl --skill quantum-expert -a claude-code. Скилл встанет по пути ~/.claude/skills/quantum-expert/SKILL.md.

Что делает quantum-expert?

Служит справочником по квантовым вычислениям для агента: механика кубитов, алгоритмы вроде Grover и VQE, обзор железа и рабочие примеры на Qiskit.

Что нужно, чтобы запустить примеры из скилла?

Python с пакетами qiskit и qiskit_machine_learning: код импортирует их напрямую. Из Bash скиллу разрешены только вызовы python.

Исходный текст

SKILL.md · Apache-2.0
---
name: quantum-expert
version: 1.1.0
description: >-
  Expert-level quantum computing, Qiskit, quantum algorithms, and quantum information. Use
  when the user mentions quantum computing, Qiskit, quantum algorithms, or quantum
  information, or when the task involves Quantum Mechanics Basics, Quantum Hardware,
  Circuit Design, or Algorithm Implementation.
category: scientific
tags: [quantum-computing, qiskit, quantum-algorithms, quantum-information]
allowed-tools:
  - Read
  - Write
  - Edit
  - Bash(python:*)
---

# Quantum Computing Expert

Expert guidance for quantum computing, quantum algorithms, Qiskit programming, and quantum information theory.

## Core Concepts

### Quantum Mechanics Basics

- Qubits and superposition
- Quantum entanglement
- Quantum interference
- Measurement and collapse
- Quantum gates (Pauli, Hadamard, CNOT)
- Quantum circuits

### Quantum Algorithms

- Grover's search algorithm
- Shor's factoring algorithm
- Quantum Fourier Transform (QFT)
- Variational Quantum Eigensolver (VQE)
- Quantum Approximate Optimization Algorithm (QAOA)
- Quantum machine learning

### Quantum Hardware

- Superconducting qubits
- Ion trap quantum computers
- Quantum annealing
- Noise and error correction
- Quantum volume
- NISQ (Noisy Intermediate-Scale Quantum) devices

## Qiskit Programming

```python
from qiskit import QuantumCircuit, QuantumRegister, ClassicalRegister
from qiskit import Aer, execute, transpile
from qiskit.visualization import plot_histogram, plot_bloch_multivector
import numpy as np

# Basic Quantum Circuit
def create_bell_state():
    """Create Bell state (maximally entangled state)"""
    qc = QuantumCircuit(2, 2)

    # Create superposition on qubit 0
    qc.h(0)

    # Entangle qubits 0 and 1
    qc.cx(0, 1)

    # Measure both qubits
    qc.measure([0, 1], [0, 1])

    return qc

# Quantum Teleportation
def quantum_teleportation():
    """Implement quantum teleportation protocol"""
    qc = QuantumCircuit(3, 3)

    # Prepare state to teleport (qubit 0)
    qc.ry(np.pi/4, 0)

    # Create Bell pair between qubits 1 and 2
    qc.h(1)
    qc.cx(1, 2)

    # Bell measurement on qubits 0 and 1
    qc.cx(0, 1)
    qc.h(0)
    qc.measure([0, 1], [0, 1])

    # Apply corrections on qubit 2 based on measurement
    qc.cx(1, 2)
    qc.cz(0, 2)

    # Measure final state
    qc.measure(2, 2)

    return qc

# Grover's Search Algorithm
class GroverSearch:
    def __init__(self, n_qubits: int, marked_state: str):
        self.n_qubits = n_qubits
        self.marked_state = marked_state
        self.circuit = None

    def create_oracle(self):
        """Create oracle that marks the target state"""
        oracle = QuantumCircuit(self.n_qubits)

        # Mark the target state by flipping phase
        for i, bit in enumerate(reversed(self.marked_state)):
            if bit == '0':
                oracle.x(i)

        # Multi-controlled Z gate
        oracle.h(self.n_qubits - 1)
        oracle.mcx(list(range(self.n_qubits - 1)), self.n_qubits - 1)
        oracle.h(self.n_qubits - 1)

        # Uncompute
        for i, bit in enumerate(reversed(self.marked_state)):
            if bit == '0':
                oracle.x(i)

        return oracle

    def create_diffuser(self):
        """Create diffusion operator"""
        diffuser = QuantumCircuit(self.n_qubits)

        # Apply H gates
        diffuser.h(range(self.n_qubits))

        # Apply X gates
        diffuser.x(range(self.n_qubits))

        # Multi-controlled Z
        diffuser.h(self.n_qubits - 1)
        diffuser.mcx(list(range(self.n_qubits - 1)), self.n_qubits - 1)
        diffuser.h(self.n_qubits - 1)

        # Apply X gates
        diffuser.x(range(self.n_qubits))

        # Apply H gates
        diffuser.h(range(self.n_qubits))

        return diffuser

    def build_circuit(self):
        """Build complete Grover's algorithm circuit"""
        self.circuit = QuantumCircuit(self.n_qubits, self.n_qubits)

        # Initialize in superposition
        self.circuit.h(range(self.n_qubits))

        # Calculate optimal number of iterations
        n_iterations = int(np.pi / 4 * np.sqrt(2**self.n_qubits))

        oracle = self.create_oracle()
        diffuser = self.create_diffuser()

        # Apply Grover iteration
        for _ in range(n_iterations):
            self.circuit.compose(oracle, inplace=True)
            self.circuit.compose(diffuser, inplace=True)

        # Measure
        self.circuit.measure(range(self.n_qubits), range(self.n_qubits))

        return self.circuit

    def run(self, shots: int = 1024):
        """Execute circuit"""
        backend = Aer.get_backend('qasm_simulator')
        job = execute(self.circuit, backend, shots=shots)
        result = job.result()
        counts = result.get_counts()

        return counts
```

## Variational Quantum Eigensolver (VQE)

```python
from qiskit.algorithms import VQE
from qiskit.algorithms.optimizers import SLSQP
from qiskit.circuit.library import TwoLocal
from qiskit.primitives import Estimator
from qiskit.quantum_info import SparsePauliOp

class VQESolver:
    """Variational Quantum Eigensolver for finding ground state energy"""

    def __init__(self, hamiltonian: SparsePauliOp, n_qubits: int):
        self.hamiltonian = hamiltonian
        self.n_qubits = n_qubits

    def create_ansatz(self, reps: int = 2):
        """Create parameterized quantum circuit (ansatz)"""
        ansatz = TwoLocal(
            self.n_qubits,
            'ry',
            'cz',
            reps=reps,
            entanglement='linear'
        )
        return ansatz

    def run_vqe(self):
        """Run VQE algorithm"""
        ansatz = self.create_ansatz()
        optimizer = SLSQP(maxiter=100)
        estimator = Estimator()

        vqe = VQE(estimator, ansatz, optimizer)
        result = vqe.compute_minimum_eigenvalue(self.hamiltonian)

        return {
            "eigenvalue": result.eigenvalue,
            "optimal_parameters": result.optimal_parameters,
            "optimal_point": result.optimal_point,
            "cost_function_evals": result.cost_function_evals
        }

# Example: H2 molecule
def create_h2_hamiltonian():
    """Create Hamiltonian for H2 molecule"""
    # Simplified Hamiltonian
    hamiltonian = SparsePauliOp.from_list([
        ("II", -1.0523732),
        ("IZ", 0.39793742),
        ("ZI", -0.39793742),
        ("ZZ", -0.01128010),
        ("XX", 0.18093119)
    ])
    return hamiltonian
```

## Quantum Machine Learning

```python
from qiskit_machine_learning.algorithms import VQC
from qiskit_machine_learning.neural_networks import CircuitQNN
from qiskit.circuit import Parameter
import numpy as np

class QuantumClassifier:
    """Variational Quantum Classifier"""

    def __init__(self, n_features: int, n_classes: int):
        self.n_features = n_features
        self.n_classes = n_classes
        self.vqc = None

    def create_feature_map(self):
        """Create feature map to encode classical data"""
        qc = QuantumCircuit(self.n_features)

        for i in range(self.n_features):
            param = Parameter(f'x[{i}]')
            qc.ry(param, i)

        return qc

    def create_ansatz(self):
        """Create parameterized circuit"""
        ansatz = TwoLocal(
            self.n_features,
            ['ry', 'rz'],
            'cz',
            reps=2,
            entanglement='full'
        )
        return ansatz

    def train(self, X_train, y_train):
        """Train quantum classifier"""
        feature_map = self.create_feature_map()
        ansatz = self.create_ansatz()

        self.vqc = VQC(
            num_qubits=self.n_features,
            feature_map=feature_map,
            ansatz=ansatz,
            optimizer=SLSQP(maxiter=100)
        )

        self.vqc.fit(X_train, y_train)

    def predict(self, X_test):
        """Predict using trained model"""
        return self.vqc.predict(X_test)
```

## Best Practices

### Circuit Design

- Minimize circuit depth for NISQ devices
- Use native gates when possible
- Consider qubit connectivity
- Implement error mitigation
- Optimize transpilation
- Use efficient state preparation

### Algorithm Implementation

- Start with small quantum circuits
- Validate with classical simulation
- Use noise models for realistic testing
- Implement proper error handling
- Monitor quantum volume metrics
- Document quantum advantage claims

### Production Usage

- Use quantum cloud services (IBM, AWS Braket)
- Implement hybrid classical-quantum algorithms
- Cache quantum results when possible
- Monitor job queue times
- Handle quantum hardware limitations
- Plan for error correction overhead

## Anti-Patterns

❌ Deep circuits on NISQ devices
❌ Ignoring hardware connectivity
❌ No error mitigation
❌ Claiming quantum advantage without proof
❌ Not validating with simulation first
❌ Ignoring decoherence times
❌ Inefficient state preparation

## Resources

- Qiskit: https://qiskit.org/
- IBM Quantum: https://quantum-computing.ibm.com/
- Quantum Computing Stack Exchange: https://quantumcomputing.stackexchange.com/
- AWS Braket: https://aws.amazon.com/braket/

© personamanagmentlayer · Apache-2.0 · personamanagmentlayer/pcl

Похожие скиллы

Все скиллы по теме «Наука и исследования» →
Qiskit MCP Server Qiskit Qiskit MCP Server — MCP-сервер для Claude Code, который перестраивает квантовые схемы под заданные аппаратные параметры. Он также анализирует схемы и сравнивает уровни оптимизации. CX Codex +1 ★ 46звёзд репо Qiskit IBM Runtime MCP Server Qiskit Подключает ИИ-ассистентов к квантовым процессорам IBM через Qiskit IBM Runtime. Помогает запускать квантовые цепи, отслеживать статус задач и выбирать калиброванные кубиты прямо в чате. CX Codex +1 ★ 46звёзд репо pennylane K-Dense-AI Помогает строить квантовые схемы в PennyLane 0.45.1, обучать гибридные модели с PyTorch и запускать алгоритмы VQE или QAOA. CX Codex +1 2 100установок qiskit K-Dense-AI Скилл qiskit для разработки квантовых алгоритмов: строит схемы, транспилирует их под конкретное железо, запускает на симуляторах или реальных квантовых процессорах IBM. Нужен Python 3.10+ и опциональные компоненты в зависимости от задачи. CX Codex +1 2 100установок exploratory-data-analysis davila7 Скилл exploratory-data-analysis для Claude, который определяет формат научного файла и собирает отчёт о структуре, качестве и дальнейших шагах анализа. CX Codex +1 279установок aeon davila7 Подключает к Claude библиотеку aeon: классификация, прогноз, кластеризация и поиск аномалий во временных рядах. CX Codex +1 52установок

Из того же набора104

Весь набор →
research-expert Скилл research-expert для ИИ-агентов: рабочий код для дизайна исследования и статистики плюс разделы про научное письмо. CX Codex +1 256установок helm-expert Скилл helm-expert для Claude Code помогает разрабатывать Helm-чарты и управлять релизами Kubernetes. Подключается к задачам с чартами, шаблонами и развёртыванием. CX Codex +1 251установок cpp-expert Скилл cpp-expert для Claude Code помогает писать и чинить код на современном C++: C++20/23, STL, владение памятью, конкурентность и CMake. CX Codex +1 250установок ai-engineer-expert Скилл ai-engineer-expert для Claude Code помогает проектировать LLM-интеграции, RAG-системы и production AI. Описывает развёртывание моделей и работу с AI API. CX Codex +1 242установок finops-expert Скилл finops-expert для Claude Code разбирает расходы на облако и ищет варианты оптимизации. Анализирует затраты AWS, прогнозирует расходы и даёт рекомендации по EC2. CX Codex +1 239установок snowflake-expert Скилл snowflake-expert для Snowflake: помогает выбрать размер виртуального склада, разложить объекты по схемам и заменить полный скан таблицы на стрим. CX Codex +1 239установок iot-expert Скилл iot-expert по проектированию IoT-систем, работе с MQTT, edge-вычислениями и прошивками микроконтроллеров. Подскажет архитектуру и код для умных устройств. CX Codex +1 239установок biological-expert Скилл biological-expert настраивает агента на задачи биоинформатики, генетики и вычислительной биологии. Помогает анализировать последовательности ДНК и аннотировать мутации. CX Codex +1 235установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой