← Recherche

PennyLane — differentiable quantum machine learning
Données 🧪 Installation exécutée dans notre sandbox de test · 11 nov. 2026 📌 Version épinglée : commit c50cf64
Test d’installation seulement, à la date indiquée. Ne garantit pas la sécurité du code.
🔎 Analyse du prompt d’installation · 2026-10-13 : installe des paquets
⚙ Prérequis: Python ≥ 3.11 avec uv…

PennyLane — differentiable quantum machine learning

Entraîner et différencier des circuits quantiques avec PennyLane : QNodes, gradients parameter-shift/backprop/adjoint, modèles hybrides quantique-classique avec PyTorch/JAX, VQE/QAOA, chimie quantique, simulateurs et plugins matériels

L’essentiel
Quoi
Entraîner et différencier des circuits quantiques avec PennyLane : QNodes, gradients parameter-shift/backprop/adjoint, modèles hybrides quantique-classique avec PyTorch/JAX, VQE/QAOA, chimie quantique, simulateurs et plugins matériels
Coût
Gratuit
Prérequis
Python ≥ 3.11 avec uv — pennylane sans installation via `uv run --python ">=3.11" --with pennylane` (v0.43+) ; aucune étape `uv pip install` (l'interpréteur par défaut d'uv peut être 3.9, donc l'interpréteur est épinglé) ; plugins de devices optionnels (pennylane-qiskit, amazon-braket-pennylane-plugin, pennylane-cirq, pennylane-ionq) pour le matériel — l'accès matériel est facturé et exige des identifiants fournisseur ; PyTorch/JAX pour les modèles hybrides. Sans clé par défaut : le cœur — définir, différentier et entraîner des circuits sur les simulateurs intégrés (default.qubit, lightning.qubit, default.mixed), modèles hybrides, VQE/QAOA et chimie quantique — tourne entièrement hors ligne sans compte ni jeton ; l'exécution sur une QPU distante (IBM, IonQ, Rigetti) est un ajout optionnel qui utilise les identifiants du fournisseur.
Installation
Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.

Version :

Réponse rapide

PennyLane — differentiable quantum machine learning est un skill gratuit pour Muse. Sélectionné par Skill Harbor — le skill alterlab-pennylane de @alterlab-ieu, listé ici avec crédit à son créateur (fait partie de la suite AlterLab Academic Skills) : une référence complète pour le quantum machine learning avec PennyLane.

⌁

Installation

Copiez le dossier d’installation ci-dessous, puis collez-le dans Muse🧪 Installation exécutée dans notre sandbox de test · 11 nov. 2026📌 Version épinglée : commit c50cf64

Étape 0 — avant d'installer quoi que ce soit : lis ce prompt d'installation, résume en quelques lignes ce que ce build fait et ce que l'installation implique, puis demande-moi de confirmer avant de continuer. Prérequis : Python ≥ 3.11 avec uv — pennylane sans installation via `uv run --python ">=3.11" --with pennylane` (v0.43+) ; aucune étape `uv pip install` (l'interpréteur par défaut d'uv peut être 3.9, donc l'interpréteur est épinglé) ; plugins de devices optionnels (pennylane-qiskit, amazon-braket-pennylane-plugin, pennylane-cirq, pennylane-ionq) pour le matériel — l'accès matériel est facturé et exige des identifiants fournisseur ; PyTorch/JAX pour les modèles hybrides. Sans clé par défaut : le cœur — définir, différentier et entraîner des circuits sur les simulateurs intégrés (default.qubit, lightning.qubit, default.mixed), modèles hybrides, VQE/QAOA et chimie quantique — tourne entièrement hors ligne sans compte ni jeton ; l'exécution sur une QPU distante (IBM, IonQ, Rigetti) est un ajout optionnel qui utilise les identifiants du fournisseur. Installe-moi « PennyLane — quantum machine learning différentiable ». Il donne à mon agent la référence PennyLane de @alterlab-ieu : construction de circuits quantiques, QML différentiable (modèles hybrides avec PyTorch/JAX, classifieurs variationnels, encodage de données), chimie quantique (VQE/QAOA), gestion des devices (simulateurs et plugins matériels), optimisation (gradients parameter-shift, backprop, adjoint), fonctionnalités avancées (templates, JIT Catalyst, modèles de bruit), workflows exécutables, notes de version 0.42-0.45 et bonnes pratiques. Fait partie de la suite AlterLab Academic Skills. Listé MIT selon le manifest de découverte (le frontmatter du skill indique Apache-2.0 — le manifest fait foi). Dépôt : https://raw.githubusercontent.com/alterlab-ieu/alterlab-academic-skills/c50cf64bf0997f66cb4a654dee2174cbe0f1f82e/skills/domain-specific/alterlab-pennylane/SKILL.md Version épinglée : installe le code au commit c50cf64bf0997f66cb4a654dee2174cbe0f1f82e exactement (Skill Harbor a testé cette version). Ne substitue pas une version plus récente. Si ce commit est inaccessible, arrête-toi et dis-le-moi. Mis à jour le 5 novembre 2026 : Skill Harbor a régénéré ce prompt d'installation à partir du fichier amont actuel (version du skill 1.1.1). Ce qui a changé depuis la version décrite par le prompt précédent : l'installation se fait désormais sans installation préalable — une seule commande `uv run --python ">=3.11" --with pennylane`, avec l'interpréteur épinglé car celui d'uv par défaut peut être 3.9 — au lieu du précédent `uv pip install pennylane` ; et le skill précise désormais explicitement qu'il est sans clé par défaut, le cœur tournant entièrement hors ligne sur les simulateurs intégrés sans compte ni jeton, l'exécution sur QPU distante étant un ajout optionnel avec les identifiants du fournisseur. Tout le reste est inchangé (notes de version 0.42–0.45, shots sur le QNode, plugins de devices, bonnes pratiques). 1. Récupère le fichier SKILL.md (et les fichiers d'aide éventuels) depuis le chemin du dépôt dans un dossier temporaire 2. Vérification de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, collecte d'identifiants). Ce dépôt ne devrait contenir aucun secret en dur — identifiants fournisseurs uniquement via mes propres variables d'environnement/coffre. Vérifie que c'est bien le cas ici ; STOP sur tout signal d'alerte et dis-le-moi. 3. Installe-le comme skill : copie le SKILL.md et ses fichiers d'aide dans le répertoire des skills de l'agent, dans un dossier nommé « alterlab-pennylane ». 4. Vérifie sans appels réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. lancer `uv run --python ">=3.11" --with pennylane python your_script.py` ; tester sur default.qubit avant tout matériel ; mettre les shots sur le QNode, pas sur le device ; sauvegarder les identifiants matériels dans le coffre si utilisé). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.

🔒 Sécurité, provenance et ce que ça touche
🧭 Ce que ça touche
  • Peut télécharger et installer des paquets logiciels.
Analyse du prompt d’installation · 2026-10-13
🔒 Sécurité et provenance
📌 Version épinglée : commit c50cf64 · 2026-10-13
🧪 Installation exécutée dans notre sandbox de test · 11 nov. 2026
👁 Observé pendant le test d’installation · 11 nov. 2026 : aucun contact réseau
🔎 Analyse du prompt d’installation · 2026-10-13 : installe des paquets
Ce que le scan a trouvé — extraits du prompt d’installation
  • installe des paquets — Prerequisites: Python >= 3.11 with uv — pennylane (uv pip install pennylane, v0.43+); optional device plugins · Prérequis : Python ≥ 3.11 avec uv — pennylane (uv pip install pennylane, v0.43+) ; plugins de devices optionne
🔎 Dernière vérification · 19 nov. 2026 : aucun changement détecté dans les fichiers liés par ce prompt d’installation
Skill Harbor ne révise jamais le code des skills listés. Ce sont des faits datés sur le prompt d’installation et notre test d’installation, pas une certification de sécurité. Révisez un skill vous-même avant de l’installer. Comment nous vérifions
Envie d'être encore plus prudent ?

Le prompt d'installation ci-dessous inclut déjà les étapes de vérification : votre agent suit la checklist communautaire avant d'installer tout ce qui contient du code exécutable. Vous en voulez plus ?

Comment vérifier un skill avant de l’installer →

✓

Certificat de vérification

Faits datés sur ce qui a été vérifié pour cette fiche, et comment. Ce n’est pas une certification de sécurité.

Version épinglée
c50cf64 · 2026-10-13
Test d’installation en sandbox
Installation exécutée dans notre sandbox de test · 11 nov. 2026
Identité du créateur
Non vérifiée
Veille d’empreinte
Dernière vérification · 19 nov. 2026 : aucun changement détecté dans les fichiers liés par ce prompt d’installation
Analyse du prompt d’installation
2026-10-13 : installe des paquets

Skill Harbor ne révise jamais le code des skills listés. Ce sont des faits datés sur le prompt d’installation et notre test d’installation, pas une certification de sécurité. Révisez un skill vous-même avant de l’installer. Comment nous vérifions

?

Questions

Comment installer un skill ?

Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe le skill pour vous — sans configuration manuelle.

Où va mon argent ?

Directement au vendeur. Skill Harbor ne traite jamais les paiements : le paiement se fait sur la page du vendeur, généralement via Stripe.

Que signifie le ✓ à côté du nom d’un créateur ?

Il signifie que nous avons confirmé l’identité de la personne derrière la fiche. Il ne dit rien sur le code lui-même — vérifiez toujours un skill avant de l’installer.