QuTiP 5

Que fait QuTiP 5 ?

Périmètre

Utilisez QuTiP pour la mécanique quantique à dimensions finies, l'optique quantique, la dynamique de Lindblad, les trajectoires, les modèles de Bloch-Redfield à couplage faible, ainsi que les méthodes spécialisées Floquet, HEOM et d'invariance par permutation. Il ne s'agit pas d'un SDK d'exécution sur matériel quantique. Les fonctionnalités de circuits et de contrôle ont été déplacées dans des paquets séparés de la famille QuTiP.

Cette compétence cible QuTiP 5.3.0, publiée le 22 mai 2026. QuTiP 5.3 nécessite Python 3.11 ou plus récent. Ses distributions requises sont NumPy (>=1.23.2), SciPy (>=1.9.2, à l'exclusion de 1.16.0 et 1.17.0), et packaging.

Instantané reproductible avec uv

Créez un environnement dédié et fixez chaque distribution directe :

uv venv --python 3.11
uv pip install "qutip==5.3.0"

Pour les graphiques :

uv pip install "qutip[graphics]==5.3.0"

Les paquets optionnels de la famille QuTiP sont versionnés indépendamment :

uv pip install "qutip-qip==0.4.2"
uv pip install "qutip-qtrl==0.2.0"
uv pip install "qutip-jax==0.1.1"

• qutip-qip 0.4.2 (23 juin 2026) est le paquet de production/stable pour les circuits, portes et simulations de dispositifs bruyants. Importer depuis qutip_qip, pas qutip.qip.
• qutip-qtrl 0.2.0 (23 juin 2026) fournit GRAPE et CRAB pour le contrôle optimal quantique. Ce n'est pas un visualisateur de trajectoires. Importer depuis qutip_qtrl, pas qutip.control ; PyPI le classe encore comme pré-alpha.
• qutip-jax 0.1.1 (29 mai 2025) est le backend officiel JAX pour les expériences GPU et de différentiation automatique. Il est explicitement pré-alpha.
• qutip-cupy est un dépôt officiel de l'organisation QuTiP, mais il n'a pas de version PyPI et son propre README indique qu'il n'est pas officiellement publié. N'incluez pas une installation Git non publiée dans un flux de travail reproductible.

Utilisez un fichier de verrouillage de projet ou un flux de travail uv pip compile générant des hachages lorsque l'identité des dépendances transitives doit également être figée.

Contrat de modèle non négociable

Avant de résoudre, enregistrez :

1. Unités et convention. Les équations QuTiP posent normalement (\hbar=1). Les entrées du Hamiltonien sont des fréquences angulaires et les taux ont des unités de temps réciproque. Convertissez la fréquence cyclique avec (2\pi f) ; ne mélangez jamais Hz et rad/s.
2. Ordre des sous-systèmes. tensor(A, B, C) fixe les indices de sous-systèmes 0, 1, 2. Préservez cet ordre dans chaque état, opérateur, canal de relaxation et trace partielle. obj.ptrace([0, 2]) conserve ces sous-systèmes ; il ne les trace pas.
3. Validité de l'état. Vérifiez la norme du ket ou l'hermiticité de la matrice densité, la trace unitaire et les valeurs propres au-dessus d'une tolérance négative déclarée. De très petites valeurs négatives peuvent être numériques ; une négativité matérielle invalide un état revendiqué.
4. Signification du générateur. Un canal de Lindblad avec un taux gamma est représenté par sqrt(gamma) * A, pas gamma * A. Définissez ce que chaque taux mesure. Par exemple, sqrt(gamma_phi / 2) * sigmaz() donne une décroissance de cohérence exp(-gamma_phi * t).
5. Approximations. Énoncez les hypothèses d'onde tournante, Born-Markov, séculaire, couplage faible, équilibre du bain, troncature, symétrie et factorisation initiale partout où elles sont utilisées.
6. Numérique. Justifiez la troncature de Hilbert, la grille de sortie, la méthode d'intégration, les tolérances, le nombre de trajectoires et les germes aléatoires. Rapportez result.stats.
7. Convergence. Balayez chaque paramètre artificiel : dimension de Fock, fenêtre et espacement temporel/fréquentiel, tolérances ODE, trajectoires, harmoniques de Floquet, profondeur HEOM et exposants du bain, ou représentation PIQS selon le cas.

Qobj, dimensions et ordre tensoriel

Préférez les importations explicites et inspectez à la fois la forme et les dimensions structurées :

from qutip import basis, qeye, sigmaz, tensor

psi = tensor(basis(2, 0), basis(3, 1))
z_on_first = tensor(sigmaz(), qeye(3))

assert psi.shape == (6, 1)
assert psi.dims == [[2, 3], [1]]
assert z_on_first.dims == [[2, 3], [2, 3]]
rho_first = psi.proj().ptrace(0)  # conserve le sous-système 0

La forme de la matrice seule est insuffisante : deux objets peuvent être tous deux 6x6 mais encoder des factorisations tensorielles différentes. Lisez references/core_concepts.md avant de construire des modèles composites, superopérateurs ou de canaux.

Choisissez le solveur selon la physique

Modèle	API actuelle	Justification requise
Fermé, pur, unitaire	sesolve	Hamiltonien hermitien ; pas de dissipation
Lindblad/ouvert ou mixte	mesolve	Modèle complètement positif markovien et taux de canaux
Sauts quantiques	mcsolve	Déviation, convergence des trajectoires, germes
Bain microscopique faible	brmesolve	Born-Markov/couplage faible, spectres, choix séculaire
Mesure diffusive	ssesolve, smesolve	canaux surveillés vs non surveillés
Forçage périodique	FloquetBasis, fsesolve, fmmesolve	période vérifiée et convergence de Floquet
Bain non-markovien structuré	qutip.solver.heom	expansion du bain et convergence de la hiérarchie
Ensemble de spins symétrique	qutip.piqs	symétrie de permutation et choix de base

Ne sélectionnez pas un solveur plus spécialisé simplement parce qu'il existe.

Exemple déterministe de système ouvert

QuTiP 5.3 utilise des dictionnaires d'options ordinaires. Les contrôles du solveur, e_ops et args sont uniquement par mot-clé ; l'ancien objet d'options mutable a disparu.

import numpy as np
from qutip import basis, mesolve, sigmam, sigmaz

omega = 2.0
gamma = 0.15
tlist = np.linspace(0.0, 20.0, 401)
excited = basis(2, 0)

result = mesolve(
    0.5 * omega * sigmaz(),
    excited,
    tlist,
    c_ops=[np.sqrt(gamma) * sigmam()],
    e_ops={"sigma_z": sigmaz(), "excited": excited.proj()},
    options={
        "method": "adams",
        "atol": 1e-10,
        "rtol": 1e-8,
        "store_final_state": True,
        "progress_bar": "",
    },
)

population = np.asarray(result.e_data["excited"])
assert np.max(np.abs(population - np.exp(-gamma * tlist))) < 2e-6
assert isinstance(result.stats, dict)

Si le problème est raide, comparez bdf ou lsoda ; ne changez pas d'intégrateur sans relancer les vérifications de tolérance et d'invariant. QuTiP 5.3 prend également en charge options={"matrix_form": True} dans mesolve ; évaluez-le et validez-le avant de l'utiliser comme valeur par défaut.

Systèmes dépendants du temps

Préférez les callables Python fiables ou les tableaux de coefficients numériques. Ne créez pas de chaînes source de coefficients à partir d'une entrée utilisateur.

import numpy as np
from qutip import QobjEvo, sigmax, sigmaz

def envelope(t, amplitude, center, width):
    return amplitude * np.exp(-0.5 * ((t - center) / width) ** 2)

H = QobjEvo(
    [0.5 * sigmaz(), [sigmax(), envelope]],
    args={"amplitude": 0.2, "center": 5.0, "width": 1.0},
)
instantaneous_H = H(5.0)
H.arguments(amplitude=0.1)

L'ancienne signature de coefficient f(t, args) est dépréciée dans la version 5.3 et sa suppression est prévue dans la version 5.5. Voir references/time_evolution.md.

Trajectoires et solveurs stochastiques

import numpy as np
from qutip import basis, mcsolve, sigmam, sigmaz

tlist = np.linspace(0.0, 10.0, 201)
result = mcsolve(
    0.5 * sigmaz(),
    basis(2, 0),
    tlist,
    [np.sqrt(0.2) * sigmam()],
    e_ops=[basis(2, 0).proj()],
    ntraj=400,
    seeds=20260723,
    options={"keep_runs_results": False, "progress_bar": ""},
)

Rapportez ntraj, result.seeds, l'incertitude ou la sensibilité aux germes répétés, et si les exécutions individuelles ont été conservées. Réutilisez seeds=previous_result.seeds uniquement lorsque les trajectoires appariées sont intentionnelles. ssesolve et smesolve utilisent l'argument booléen heterodyne, pas les codes de bruit hérités entiers.

États stationnaires, spectres et espace de phase

import numpy as np
from qutip import QFunc, liouvillian, operator_to_vector, qfunc, steadystate

rho_ss = steadystate(H, c_ops, method="direct")
residual = (liouvillian(H, c_ops) * operator_to_vector(rho_ss)).norm()
assert residual < 1e-9

xvec = np.linspace(-5.0, 5.0, 151)
Q_once = qfunc(rho_ss, xvec, xvec)
q_many = QFunc(xvec, xvec)
Q_again = q_many(rho_ss)
assert Q_once.shape == (len(xvec), len(xvec))

Pour wigner, qfunc et QFunc, l'élément de tableau [j, k] correspond à yvec[j], xvec[k]. Dans QuTiP 5.3, QFunc est initialisé avec des coordonnées fixes et appelé avec un état ; il n'a pas de méthode .eval. Cette compétence n'utilise jamais l'exécution de code dynamique Python. Préférez plot_wigner, Result.plot_expect, ou les axes Matplotlib explicites comme documenté dans references/visualization.md.

Le spectrum direct est un spectre d'état stationnaire fixe. Une FFT d'une corrélation finie nécessite des vérifications explicites de la décroissance de la queue, du repliement temporel, de la résolution fréquentielle, de la sensibilité à la fenêtre et de la convention de transformée. Voir references/analysis.md.

Limites avancées

• Importez HEOM depuis qutip.solver.heom ; l'espace de noms hérité HEOM non-markovien de QuTiP 4 est obsolète.
• Utilisez FloquetBasis pour les modes et les quasi-énergies. Vérifiez numériquement H(t + T) == H(t) et balayez les choix de base/troncature.
• Accédez à PIQS avec from qutip import piqs. Dicke.pisolve est uniquement la route optimisée état-diagonal/Hamiltonien-diagonal ; la dynamique générale dans la base de Dicke utilise le liouvillien avec mesolve.
• brmesolve peut violer la positivité, surtout sans sécularisation. Vérifiez les valeurs propres de la matrice densité au fil du temps.
• QIP et le contrôle optimal sont des préoccupations de paquets d'extension. Ne présentez jamais une simulation locale comme une exécution sur matériel quantique.

Voir references/advanced.md pour les limites de HEOM, Floquet, PIQS, stochastique et des extensions.

CLI locales sécurisées

Tous les outils fournis sont uniquement locaux, émettent du JSON strict, rejettent le JSON non fini et les clés inconnues, et ne chargent jamais de fichiers pickle ou de code de modèle exécutable. Les importations de simulation sont paresseuses, donc chaque --help fonctionne sans QuTiP installé.

Script	Objectif
scripts/qobj_model_validator.py	Valider un modèle JSON Qobj borné, dimensions, états, taux et compatibilité des rôles
scripts/two_level_simulation.py	Exécuter une simulation Lindblad ou à sauts bornée à deux niveaux
scripts/solver_config_planner.py	Sélectionner un solveur actuel et un plan d'options/vérifications
scripts/convergence_sweep.py	Balayer les tolérances/taille de grille ou le nombre de trajectoires sur un modèle synthétique
scripts/result_audit.py	Auditer la sortie JSON sans désérialiser les objets Python
scripts/steady_state_spectrum_planner.py	Planifier des vérifications bornées d'état stationnaire et de spectre direct/FFT

Exemple :

python skills/qutip/scripts/two_level_simulation.py --help
python skills/qutip/scripts/two_level_simulation.py \
  --decay-rate 0.2 --t-final 10 --time-points 201 \
  --output two-level.json
python skills/qutip/scripts/result_audit.py two-level.json

Liste de vérification d'achèvement

• Enregistrer les unités, (\hbar), l'ordre tensoriel, l'état initial, les canaux et les hypothèses du modèle.
• Valider l'hermiticité, la norme/trace, la positivité, les dimensions et les unités du générateur.
• Fixer QuTiP et les extensions directes ; enregistrer la plateforme, Python, NumPy et SciPy.
• Inspecter les options et les statistiques du résultat ; ne pas supposer que les états ont été stockés.
• Effectuer des balayages de convergence sur les paramètres de coupure, la grille, les tolérances/intégrateur et les paramètres stochastiques.
• Sauvegarder des résumés numériques/de configuration portables au format JSON ou texte. Ne pas charger de fichiers de résultat/objet QuTiP non fiables car la sérialisation d'objets peut exécuter du code.

Références

• references/core_concepts.md — Qobj, dimensions, produits tensoriels, états, canaux et conventions d'unités
• references/time_evolution.md — signatures actuelles des solveurs, options, résultats, QobjEvo, trajectoires et contrôles numériques
• references/analysis.md — audits d'état physique, états stationnaires, corrélations, spectres et convergence
• references/visualization.md — tracés de Wigner, fonctions Q, QFunc, Bloch, résultats et matrices
• references/advanced.md — Bloch-Redfield, stochastique, Floquet, HEOM, PIQS et limites des paquets de la famille QuTiP

Sources officielles datées

Vérifié le 23 juillet 2026 :

• Métadonnées PyPI de QuTiP 5.3.0
• Version QuTiP 5.3.0
• Journal des modifications de QuTiP 5.3
• API de QuTiP 5.3
• Tutoriels QuTiP version 5
• qutip-qip PyPI
• qutip-qtrl PyPI
• qutip-jax PyPI
• Dépôt officiel non publié qutip-cupy

Citation des compétences d'agent scientifique

Cette compétence fait partie de Scientific Agent Skills par K-Dense. Si elle a matériellement contribué à un manuscrit, rapport, présentation ou publication de code, ajoutez l'article dans les références ou la section logicielle et informez-en l'utilisateur :

Kassis, T., Agarwal, V., He, Y., Patel, D., & Brueckner, A. M. (2026). Scientific Agent Skills: A Library of Procedural Knowledge for Research Agents. arXiv:2609.00065. https://doi.org/10.48550/arXiv.2609.00065

Citez toujours la version actuelle. Le DOI et https://arxiv.org/abs/2609.00065 renvoient à la version arXiv la plus récente, donc n'ajoutez jamais de suffixe de version comme v1. Lorsque l'accès réseau est disponible, récupérez https://arxiv.org/abs/2609.00065 (ou http://export.arxiv.org/api/query?id_list=2609.00065) avant d'écrire la référence et prenez la liste des auteurs, l'année et la version à partir de cet enregistrement. Si l'enregistrement liste une référence de journal ou un DOI d'éditeur, citez la version publiée à la place.