Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-12 12:19 UTC

munich-quantum-toolkit / predictor

MQT Predictor - A Tool for Automatic Device Selection with Device-Specific Circuit Compilation for Quantum Computing

PythonMIT★ 87 Sterne⑂ 23 Forksseit März 2022Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#reinforcement-learning#supervised-machine-learning#mqt#qiskit#quantum-compilation#tum

munich-quantum-toolkit/predictor erreicht einen Gesundheitsindex von 92 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei AI Readiness (97/100) ab, am schwächsten bei Community & Adoption (58/100). Zuletzt heute aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

92
gesamt / 100
Exzellent

Software-Gesundheitsindex

Metriken werden auf einer standardisierten Skala von 1–100 in gewichtete Kategorien gruppiert. Der Gesamtwert beginnt als ihr gewichtetes Mittel, kalibriert auf die Verteilung des öffentlichen Registers, sodass die Stufen Perzentilbedeutung tragen; sobald öffentliche Evidenz die Richtlinie für Hochrisikojurisdiktionen auslöst, wird die Bewertung angepasst und erhält die Obergrenze Gefährdet von 34.

92
Außergewöhnlich93-100Die Spitzengruppe des Registers (≈ obere 5 %); erfüllt im Wesentlichen alle geprüften Kriterien
Exzellent80-92Durchgehend stark; geringfügige Lücken
Gut65-79Gesund; Lücken sind begrenzt und beherrschbar
Mittel50-64Akzeptabel mit deutlichen Lücken; Überprüfung empfohlen
Schwach35-49Wesentliche Schwächen in mehreren Bereichen
Gefährdet20-34Erhebliche Schwächen; eine Übernahme erfordert Vorsicht
Kritisch1-19Schwerwiegende Probleme (aufgegeben, nur ein Maintainer, keine Hygiene)
VitalitätCommunity &VerbreitungNachhaltigkeit &GovernanceEngineering-QualitätSicherheitAI Readiness

Bewertungsprofil

Jede Achse ist eine Kategorie. Die Form zählt mehr als der Durchschnitt — ein gesundes Projekt füllt die gesamte Fläche, während ein Profil aus Spitzen und Kratern bedeutet, dass Stärke in einer Dimension Risiken in einer anderen verdeckt.

Der gewichtete Gesamtwert 78 wird auf der veröffentlichten Indexskala auf 92 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

The Munich Quantum Toolkit (MQT)Organisation
103 Follower25 öffentliche Reposseit Aug. 2024

Dieses Repository wird von einer Organisation getragen — geteilte, rechenschaftspflichtige Trägerschaft, die jeden einzelnen Maintainer überdauern kann.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPImqt.predictor2.4.014914vor 60 Tagenmqtcompilationmachine-learningpredictionquantum-computing

Metriken nach Kategorie

Vitalität

Lebt das Projekt — wird Code geschrieben und werden Releases ausgeliefert?

94Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

100Außergewöhnlich
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
36/36Commit-Rhythmus — 52/52 Wochen mit Commits
18/18Commit-Volumen — 295 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year295
human_commit_share0,18
days_since_last_push0
active_weeks_last_year52

Release-Disziplin

84Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 14 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 60 Tagen
12.6/27Release-Rhythmus — ein Release etwa alle 139,9 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count14
latest_release_tagv2.4.0
releases_from_tagsnein
days_since_latest_release60
mean_days_between_releases139,9
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Community & Verbreitung

Hat das Projekt Nutzer, Downloads, Aufmerksamkeit und ein einladendes Umfeld für Beitragende?

58Mittel · 17 % des Gesamtindex

Popularität & Verbreitung

43Schwach
Wie die Bewertung erfolgt
31.4/60Stars — 87 Stars
11.2/25Forks — 23 Forks
0/15Watcher — 1 Watcher
Verwendete Eingangsdaten
forks23
stars87
watchers1
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonbelow_threshold

Community-Gesundheit

92Exzellent
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (MIT)
18/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges9
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_servicesshields.io
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

36Schwach
Wie die Bewertung erfolgt
29/80Downloads pro Monat — 149 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesmqt.predictor
dependents—
ecosystemspypi
total_downloads—
monthly_downloads149
unverified_packages_excluded—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Abhängige in der Registry. Die verbleibenden Gewichte wurden renormalisiert.

Nachhaltigkeit & Governance

Überdauert das Projekt die Menschen, die es tragen — Bus-Faktor, Reaktionsfähigkeit, Trägerschaft und Paketpflege?

62Mittel · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

36Schwach
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
4.4/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 80 % der Commits
12.2/13.5Breite der Beitragenden — 9 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 6 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor1
contributors_sampled9
top_contributor_share0,804

Reaktionsfähigkeit bei Issues & PRs

67Gut
Wie die Bewertung erfolgt
31.2/42Issue-Lösungsquote — 74 % der Issues geschlossen
25.5/30PR-Annahme — 628/739 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
1.5/15OpenSSF Scorecard: Code-Review — Found 5/26 approved changesets -- score normalized to 1
Verwendete Eingangsdaten
merged_prs628
open_issues16
closed_issues46
prs_merged_7d0
prs_decided_7d0
prs_merged_30d13
prs_decided_30d27
issue_closed_ratio0,742
closed_unmerged_prs111
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

59Mittel
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
14.5/25Reichweite des Inhabers — 103 Follower von munich-quantum-toolkit
14.5/25Kontohistorie — 25 öffentliche Repos, Kontoalter ca. 2 Jahre
Verwendete Eingangsdaten
followers103
owner_typeOrganization
is_verifiednein
owner_loginmunich-quantum-toolkit
public_repos25
account_age_days765

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 60 Tagen
20/20Versionshistorie — 14 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesmqt.predictor
ecosystemspypi
any_deprecatednein
min_days_since_publish60

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

92Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

94Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 4 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff])
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja

Dokumentation

90Exzellent
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://mqt.readthedocs.io/projects/predictor
10/10Repository-Beschreibung
10/10Topics — 6 Topics
0/10Wiki
Verwendete Eingangsdaten
topicsreinforcement-learning, supervised-machine-learning, mqt, qiskit, quantum-compilation, tum
has_wikinein
homepagehttps://mqt.readthedocs.io/projects/predictor
docs_sitehttps://mqt.readthedocs.io/projects/predictor
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

Sind die sichtbaren Sicherheits- und Lieferkettenpraktiken belastbar, ohne ungeklärte Exposition gegenüber Hochrisikojurisdiktionen?

80Exzellent · 16 % des Gesamtindex

Sicherheitslage

75Gut
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
2.2/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.5/2.5CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
0.8/7.5Code-Review — Found 5/26 approved changesets -- score normalized to 1
2.5/2.5Contributors — project has 6 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Lizenz — license file detected
7.5/7.5Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
5/5Pinned-Dependencies — all dependencies are pinned
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — keine Daten
7.5/7.5Token-Permissions — GitHub workflow tokens follow principle of least privilege
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate7,5
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Abhängigkeits-Advisories

100Außergewöhnlich
Wie die Bewertung erfolgt
35/35Direkte Abhängigkeiten ohne bekannte Advisories — keine direkte Abhängigkeit trägt ein bekanntes Advisory
25/25Indirekte Abhängigkeiten ohne bekannte Advisories — keine indirekte Abhängigkeit trägt ein bekanntes Advisory
0/40Keine offenen Advisories — kein Advisory trägt ein Veröffentlichungsdatum
Verwendete Eingangsdaten
sourceosv
advisories0
affected_packages0
assessed_packages92
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Keine offenen Advisories. Die verbleibenden Gewichte wurden renormalisiert. Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:mqt.predictor@2.4.0 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 92 Paketen. Erreichbarkeit wird nicht analysiert.

AI Readiness

Wie gut ist das Repository dafür ausgestattet, mit KI-Coding-Agenten entwickelt und gepflegt zu werden? Trägt ein bewusst kleines Gewicht (4 %): Agenten-Tooling ist ein echtes Pflegesignal, doch ein Repository ohne jedes Signal kann weiterhin 100/100 erreichen.

97Außergewöhnlich · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

100Außergewöhnlich
Wie die Bewertung erfolgt
45/45Agentenanweisungen — AGENTS.md
15/15Maschinenlesbare Doku (llms.txt) — llms.txt wird von der Projektwebsite ausgeliefert (https://mqt.readthedocs.io/llms.txt)
0/40Lesbare Commit-Historie — keine Daten
Verwendete Eingangsdaten
has_llms_txtja
llms_txt_urlhttps://mqt.readthedocs.io/llms.txt
legible_history_share—
agent_instruction_filesAGENTS.md
agent_instruction_max_bytes7.306
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Lesbare Commit-Historie. Die verbleibenden Gewichte wurden renormalisiert.

AI-Verify-Loop (Build / Test / Typprüfung)

100Außergewöhnlich
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — noxfile.py
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff])
11/11Statische Typprüfung — src/mqt/predictor/py.typed
10/10Reproduzierbare Umgebung — lockfile
10/10Belegte Agentenpraxis — 5 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
8/8Automatisierte Wartung — 75 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
10/10OpenSSF Scorecard: Pinned-Dependencies — all dependencies are pinned
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesuv.lock
has_dockerfilenein
typed_languagenein
bootstrap_filesnoxfile.py
has_devcontainernein
has_linter_configja
typecheck_configssrc/mqt/predictor/py.typed
agent_commit_share0,05
toolchain_manifests—
dependency_bot_commit_share0,75

AI-Code-Lesbarkeit für Modelle

82Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (src/mqt/predictor/py.typed)
55/55Handhabbare Dateigrößen — 0/32 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes27.026
source_files_sampled32
oversized_source_files0

Eckdaten

87GitHub-Sterne
9Mitwirkende
295Commits, letzte 12 Monate
0Tage seit letztem Push
14Releases
1Bus-Faktor
16offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • Star history carried forward from 2026-04-18: GitHub restricted the stargazers API to repository admins, so it can no longer be collected. The repository has 87 stars today.

Weitere Details

Stern- und Fork-Verlauf 86 ★ / 23 ⇿
86Sterne
23Forks
14Releases

Wann jeder Stern und Fork hinzugefügt wurde, von GitHub erfasst und nach Tagen gruppiert. Das kumulierte Wachstum steht direkt über den täglichen Zugängen, aus denen es besteht, sodass beide gegeneinander lesbar sind: stetiger organischer Zuwachs sieht ganz anders aus als ein abrupter, kurzlebiger Ausschlag. Wo dieser Unterschied messbar ist, wird er als Wachstumsauthentizität ausgewiesen.

Die Sternehistorie wird mit dem Stand vom 2026-04-18 gezeigt. GitHub hat die Stargazers-API im Juli 2026 auf Repository-Administratoren beschränkt, diese Reihe lässt sich daher nicht mehr fortschreiben; die Gesamtzahl der Sterne oben bleibt aktuell.

020406080100862362022-062024-072026-08
Major 2Minor 7Patch 5

Jeder Punkt umfasst 4 Tage.

OpenSSF Scorecard 7.5 / 10
7.5Gesamtwert

Unabhängige, werkzeugneutrale Sicherheitsbewertung durch das quelloffene OpenSSF Scorecard. Jede Prüfung honoriert eine Sicherheits-Praxis, nicht das Werkzeug eines bestimmten Anbieters. Prüfungen, die Scorecard nicht ermitteln konnte, sind mit k. A. markiert und vom Sicherheitswert ausgeschlossen (nie als null gezählt).Scorecard v5.5.0 · 2026-09-12 12:19 UTC

10Binary-Artifactsno binaries found in the repo
3Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
1Code-ReviewFound 5/26 approved changesets -- score normalized to 1
10Contributorsproject has 6 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
10Pinned-Dependenciesall dependencies are pinned
0SASTSAST tool is not run on all commits -- score normalized to 0
10Security-Policysecurity policy file detected
k. A.Signed-Releasesno releases found
10Token-PermissionsGitHub workflow tokens follow principle of least privilege
10Vulnerabilities0 existing vulnerabilities detected
Direkte Abhängigkeiten 18
RegistryPaketVersionsvorgabeManifest
PyPImqt.bench>=2.0.0pyproject.toml
PyPIqiskit>=1.3.3pyproject.toml
PyPIpytket>=1.29.0pyproject.toml
PyPIpytket>=2.4.0pyproject.toml
PyPIpytket_qiskit>=0.61.0pyproject.toml
PyPIpytket-qiskit>=0.78.0pyproject.toml
PyPIsb3_contrib>=2.0.0pyproject.toml
PyPItqdm>=4.66.0pyproject.toml
PyPIrich>=12.6.0pyproject.toml
PyPIscikit-learn>=1.5.1pyproject.toml
PyPIscikit-learn>=1.7.2pyproject.toml
PyPItensorboard>=2.17.0pyproject.toml
PyPItensorboard>=2.18.0pyproject.toml
PyPIbqskit>=1.2.1pyproject.toml
PyPInumpy>=1.24pyproject.toml
PyPInumpy>=1.26pyproject.toml
PyPInumpy>=2.1pyproject.toml
PyPInumpy>=2.3.2pyproject.toml
Alle Abhängigkeiten 186

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 12 direkte und 174 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIbqskit1.2.1direkt
PyPImqt-bench2.2.3direkt
PyPInumpy2.4.6direkt
PyPInumpy2.5.3direkt
PyPIpytket2.18.1direkt
PyPIpytket-qiskit0.78.0direkt
PyPIqiskit2.5.2direkt
PyPIrich15.0.0direkt
PyPIsb3-contrib2.9.0direkt
PyPIscikit-learn1.9.0direkt
PyPItensorboard2.21.0direkt
PyPItqdm4.70.0direkt
PyPIabsl-py2.5.0indirekt
PyPIaccessible-pygments0.0.5indirekt
PyPIalabaster1.0.0indirekt
PyPIannotated-types0.8.0indirekt
PyPIantlr4-python3-runtime4.13.2indirekt
PyPIappnope1.0.0indirekt
PyPIargcomplete3.7.2indirekt
PyPIastroid4.3.1indirekt
PyPIasttokens3.0.2indirekt
PyPIattrs26.1.0indirekt
PyPIbabel2.18.0indirekt
PyPIbeautifulsoup44.15.0indirekt
PyPIbqskitrs0.4.1indirekt
PyPIcertifi2026.7.22indirekt
PyPIcffi2.1.1indirekt
PyPIcharset-normalizer3.5.1indirekt
PyPIclick8.5.0indirekt
PyPIcloudpickle3.1.2indirekt
PyPIcolorama0.4.6indirekt
PyPIcolorlog6.12.0indirekt
PyPIcomm0.2.3indirekt
PyPIcoverage7.16.0indirekt
PyPIcryptography50.0.1indirekt
PyPIcuda-bindings13.3.1indirekt
PyPIcuda-pathfinder1.8.1indirekt
PyPIcuda-toolkit13.0.3.0indirekt
PyPIdebugpy1.8.21indirekt
PyPIdependency-groups1.3.2indirekt
PyPIdill0.4.1indirekt
PyPIdistlib0.4.3indirekt
PyPIdocutils0.22.4indirekt
PyPIexecuting2.2.1indirekt
PyPIfarama-notifications0.0.6indirekt
PyPIfastjsonschema2.22.2indirekt
PyPIfilelock3.32.5indirekt
PyPIfsspec2026.7.0indirekt
PyPIfuro2025.12.19indirekt
PyPIgraphviz0.21indirekt
PyPIgreenlet3.5.5indirekt
PyPIgrpcio1.83.1indirekt
PyPIgymnasium1.3.0indirekt
PyPIhumanize4.16.0indirekt
PyPIibm-cloud-sdk-core3.26.1indirekt
PyPIibm-platform-services0.77.1indirekt
PyPIibm-quantum-schemas0.11.20260824indirekt
PyPIidna3.19indirekt
PyPIimagesize2.0.1indirekt
PyPIimportlib-metadata9.0.1indirekt
PyPIiniconfig2.3.0indirekt
PyPIipykernel7.3.0indirekt
PyPIipython9.17.1indirekt
PyPIipython-pygments-lexers1.1.1indirekt
PyPIjedi0.20.0indirekt
PyPIjinja23.1.6indirekt
PyPIjoblib1.6.0indirekt
PyPIjsonschema4.26.0indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPIjupyter-cache1.0.1indirekt
PyPIjupyter-client8.10.0indirekt
PyPIjupyter-core5.9.1indirekt
PyPIlark1.3.1indirekt
PyPIlatexcodec3.0.1indirekt
PyPImarkdown3.10.3indirekt
PyPImarkdown-it-py4.2.0indirekt
PyPImarkupsafe3.0.3indirekt
PyPImatplotlib-inline0.2.2indirekt
PyPImdit-py-plugins0.6.1indirekt
PyPImdurl0.1.2indirekt
PyPImpmath1.3.0indirekt
PyPImyst-nb1.4.0indirekt
PyPImyst-parser5.1.0indirekt
PyPInarwhals2.25.0indirekt
PyPInbclient0.11.0indirekt
PyPInbformat5.11.1indirekt
PyPInest-asyncio21.7.2indirekt
PyPInetworkx3.6.1indirekt
PyPInox2026.8.17indirekt
PyPInvidia-cublas13.1.1.3indirekt
PyPInvidia-cuda-cupti13.0.85indirekt
PyPInvidia-cuda-nvrtc13.0.88indirekt
PyPInvidia-cuda-runtime13.0.96indirekt
PyPInvidia-cudnn-cu139.24.0.43indirekt
PyPInvidia-cufft12.0.0.61indirekt
PyPInvidia-cufile1.15.1.6indirekt
PyPInvidia-curand10.4.0.35indirekt
PyPInvidia-cusolver12.0.4.66indirekt
PyPInvidia-cusparse12.6.3.3indirekt
PyPInvidia-cusparselt-cu130.8.1indirekt
PyPInvidia-nccl-cu132.30.7indirekt
PyPInvidia-nvjitlink13.3.33indirekt
PyPInvidia-nvshmem-cu133.4.5indirekt
PyPInvidia-nvtx13.0.85indirekt
PyPIopenqasm31.0.1indirekt
PyPIorjson3.12.0indirekt
PyPIpackaging26.3indirekt
PyPIparso0.8.7indirekt
PyPIpexpect4.9.0indirekt
PyPIpillow12.3.0indirekt
PyPIplatformdirs4.11.7indirekt
PyPIpluggy1.6.0indirekt
PyPIprompt-toolkit3.0.53indirekt
PyPIprotobuf7.36.1indirekt
PyPIpsutil7.2.2indirekt
PyPIptyprocess0.7.0indirekt
PyPIpure-eval0.2.3indirekt
PyPIpybase641.5.0indirekt
PyPIpybtex0.26.1indirekt
PyPIpybtex-docutils1.0.3indirekt
PyPIpycparser3.0indirekt
PyPIpydantic2.13.5indirekt
PyPIpydantic-core2.46.5indirekt
PyPIpygments2.21.0indirekt
PyPIpyjwt2.13.0indirekt
PyPIpyspnego0.12.2indirekt
PyPIpytest9.1.1indirekt
PyPIpytest-cov7.1.0indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-discovery1.6.0indirekt
PyPIpyyaml6.0.3indirekt
PyPIpyzmq27.2.0indirekt
PyPIqiskit-ibm-runtime0.49.0indirekt
PyPIqiskit-qasm3-import0.6.0indirekt
PyPIqwasm1.0.1indirekt
PyPIreferencing0.37.0indirekt
PyPIrequests2.34.2indirekt
PyPIrequests-ntlm1.3.0indirekt
PyPIroman-numerals4.1.0indirekt
PyPIrpds-py2026.6.3indirekt
PyPIrustworkx0.18.1indirekt
PyPIsamplomatic0.21.0indirekt
PyPIscipy1.17.1indirekt
PyPIscipy1.18.1indirekt
PyPIsetuptools84.0.0indirekt
PyPIsix1.17.0indirekt
PyPIsnowballstemmer3.1.1indirekt
PyPIsoupsieve2.9.2indirekt
PyPIsphinx9.0.4indirekt
PyPIsphinx9.1.0indirekt
PyPIsphinx-autoapi3.8.1indirekt
PyPIsphinx-basic-ng1.0.0b2indirekt
PyPIsphinx-copybutton0.5.2indirekt
PyPIsphinx-design0.7.0indirekt
PyPIsphinx-llm1.0.0indirekt
PyPIsphinx-markdown-builder0.6.11indirekt
PyPIsphinxcontrib-applehelp2.0.0indirekt
PyPIsphinxcontrib-bibtex2.7.0indirekt
PyPIsphinxcontrib-devhelp2.0.0indirekt
PyPIsphinxcontrib-htmlhelp2.1.0indirekt
PyPIsphinxcontrib-jsmath1.0.1indirekt
PyPIsphinxcontrib-qthelp2.0.0indirekt
PyPIsphinxcontrib-serializinghtml2.0.0indirekt
PyPIsphinxext-opengraph0.13.0indirekt
PyPIsqlalchemy2.0.52indirekt
PyPIsspilib0.6.0indirekt
PyPIstable-baselines32.9.0indirekt
PyPIstack-data0.6.3indirekt
PyPIstevedore5.9.1indirekt
PyPIsymengine0.14.1indirekt
PyPIsympy1.14.0indirekt
PyPItabulate0.10.0indirekt
PyPItensorboard-data-server0.7.2indirekt
PyPIthreadpoolctl3.6.0indirekt
PyPItomli2.4.1indirekt
PyPItorch2.14.0indirekt
PyPItornado6.5.8indirekt
PyPItraitlets5.16.1indirekt
PyPItriton3.8.0indirekt
PyPItyping-extensions4.16.0indirekt
PyPItyping-inspection0.4.4indirekt
PyPIurllib32.7.0indirekt
PyPIvirtualenv21.7.8indirekt
PyPIwcwidth0.8.3indirekt
PyPIwerkzeug3.1.8indirekt
PyPIzipp4.1.0indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:mqt.predictor@2.4.0 zieht 92 Pakete nach sich, direkt und transitiv: 0 tragen bekannte Advisories, davon 0 direkte Abhängigkeiten.

Keine bekannten Advisories betreffen die bewerteten Abhängigkeiten.

Ein Advisory bedeutet, dass die im Abhängigkeitsgraphen erfasste Version in den betroffenen Bereich eines Advisories fällt. Erreichbarkeit wird nicht analysiert, und der Graph enthält Entwicklungs- und Test-Pins — ein Fund kann das Werkzeug betreffen und nicht die ausgelieferte Software.

JSON-Rohbericht maschinenlesbar

Feedback

Stimmt etwas in diesem Bericht nicht, oder gibt es Gedanken dazu? Falsche Messungen, übersehene Tools, Ideen, Fragen — alles ist willkommen. Jede Nachricht wird gelesen und beantwortet.

Die Nachricht bleibt bei der Anmeldung erhalten.

Verwandte Einträge

Geprüfte Repositories, die Katalog-Tags oder Ökosysteme mit munich-quantum-toolkit/predictor teilen. Nebeneinander lesen →

96munich-quantum-toolkit/coreMQT Core - Reusable C++20 and Python libraries for quantum computing: the MQT Compiler Collection, built on MLIR and LLVM, together with decision diagrams, QIR execution, QDMI device access, SDK and HPC integrations, and structured benchmarks. It forms the backbone of the Munich Quantum Toolkit.Außergewöhnlich96munich-quantum-toolkit/qcecMQT QCEC - A Tool for Quantum Circuit Equivalence CheckingAußergewöhnlich96munich-quantum-toolkit/qeccMQT QECC - Tools for Quantum Error Correcting CodesAußergewöhnlich92munich-quantum-toolkit/problemsolverMQT ProblemSolver - A Tool for Solving Problems Using Quantum ComputingExzellent98PennyLaneAI/pennylanePennyLane is an open-source quantum software platform for quantum computing, quantum machine learning, and quantum chemistry. Create meaningful quantum algorithms, from inspiration to implementation.Außergewöhnlich100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Außergewöhnlich

Bewertungen sind Signale, keine Garantien. Sie spiegeln öffentlich sichtbare Praxis auf GitHub wider — kein Code-Audit und keine Sicherheitsgarantie.

Fehlende Daten werden ausgeschlossen und die Gewichte neu normiert, nie als null bewertet. Die Methodik ist versioniert und offen: Metriken v2.10.0, Schema v0.34.0 — vollständige Methodik · Metriken-Wiki.

Wie ein einzelnes Ergebnis im Gesamtregister steht: aggregierte Statistiken — PyPI.