Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-10-14 13:46 UTC

qiboteam / qibo

A full-stack framework for quantum computing.

PythonApache-2.0★ 366 Sterne⑂ 105 Forksseit Feb. 2020Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#quantum#quantum-circuit#quantum-computing#quantum-algorithms#gpu#quantum-annealing

qiboteam/qibo erreicht einen Gesundheitsindex von 94 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Vitality (99/100) ab, am schwächsten bei AI Readiness (50/100). Zuletzt heute aktualisiert. 2 Mitwirkende tragen den Großteil der jüngsten Arbeit.

94
gesamt / 100
Außergewöhnlich

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.

94
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 81 wird auf der veröffentlichten Indexskala auf 94 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

qiboteamOrganisation
100 Follower44 öffentliche Reposseit Jan. 2020

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPIqibo0.3.620.12356vor 0 Tagen

Metriken nach Kategorie

Vitalität

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

99Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

98Außergewöhnlich
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
33.9/36Commit-Rhythmus — 49/52 Wochen mit Commits
18/18Commit-Volumen — 1.637 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 17 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year1.637
human_commit_share0,99
days_since_last_push0
active_weeks_last_year49

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 57 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 0 Tagen
27/27Release-Rhythmus — ein Release etwa alle 43,3 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count57
latest_release_tagv0.3.6
releases_from_tagsnein
days_since_latest_release0
mean_days_between_releases43,3
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?

70Gut · 17 % des Gesamtindex

Popularität & Verbreitung

66Gut
Wie die Bewertung erfolgt
41.6/60Stars — 366 Stars
16.8/25Forks — 105 Forks
8/15Watcher — 29 Watcher
Verwendete Eingangsdaten
forks105
stars366
watchers29
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

72Gut
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (Apache-2.0)
0/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges6
has_contributingnein
has_issue_templatenein
has_code_of_conductja
readme_badge_servicescodecov.io, github.com, shields.io
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

72Gut
Wie die Bewertung erfolgt
57.4/80Downloads pro Monat — 20.123 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesqibo
dependents—
ecosystemspypi
total_downloads—
monthly_downloads20.123
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?

78Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

64Mittel
Wie die Bewertung erfolgt
25.2/54Bus-Faktor — 2 Beitragende decken die Hälfte aller Commits ab
15.4/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 32 % der Commits
13.5/13.5Breite der Beitragenden — 61 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 14 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor2
contributors_sampled61
top_contributor_share0,317

Reaktionsfähigkeit bei Issues & PRs

86Exzellent
Wie die Bewertung erfolgt
38.4/42Issue-Lösungsquote — 92 % der Issues geschlossen
27.2/30PR-Annahme — 1.188/1.310 entschiedene PRs gemergt
8.7/13Newcomer PR acceptance — 2/3 PRs von Erstbeitragenden in 30 Tagen gemergt
12/15OpenSSF Scorecard: Code-Review — Found 8/9 approved changesets -- score normalized to 8
Verwendete Eingangsdaten
merged_prs1.188
open_issues53
closed_issues570
prs_merged_7d39
prs_decided_7d41
prs_merged_30d54
prs_decided_30d57
issue_closed_ratio0,915
closed_unmerged_prs122
first_time_authors_30d3
first_time_prs_merged_30d2
first_time_prs_decided_30d3

Eigentümerschaft & Trägerschaft

68Gut
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
14.4/25Reichweite des Inhabers — 100 Follower von qiboteam
24/25Kontohistorie — 44 öffentliche Repos, Kontoalter ca. 6 Jahre
Verwendete Eingangsdaten
followers100
owner_typeOrganization
is_verifiednein
owner_loginqiboteam
public_repos44
account_age_days2.458

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 0 Tagen
20/20Versionshistorie — 56 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesqibo
ecosystemspypi
any_deprecatednein
min_days_since_publish0

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

92Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

94Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 5 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 — 8 out of 8 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://qibo.science
10/10Repository-Beschreibung
10/10Topics — 6 Topics
0/10Wiki
Verwendete Eingangsdaten
topicsquantum, quantum-circuit, quantum-computing, quantum-algorithms, gpu, quantum-annealing
has_wikinein
homepagehttps://qibo.science
docs_sitehttps://qibo.science
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

70Gut · 16 % des Gesamtindex

Sicherheitslage

62Mittel
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
3.8/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.5/2.5CI-Tests — 8 out of 8 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
6/7.5Code-Review — Found 8/9 approved changesets -- score normalized to 8
2.5/2.5Contributors — project has 14 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 17 issue activity found in the last 90 days -- score normalized to 10
0/5Packaging — keine Daten
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — keine Daten
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate6,2
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Packaging, 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
0/25Indirekte Abhängigkeiten ohne bekannte Advisories — transitive Menge in diesem Bereich nicht von Entwicklungs- und Test-Abhängigkeiten trennbar
0/40Keine offenen Advisories — kein Advisory trägt ein Veröffentlichungsdatum
Verwendete Eingangsdaten
sourceosv
advisories0
affected_packages0
assessed_packages178
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Indirekte Abhängigkeiten ohne bekannte Advisories, Keine offenen Advisories. Die verbleibenden Gewichte wurden renormalisiert. 178 aufgelöste Abhängigkeiten wurden mit OSV abgeglichen. Dieses Repository veröffentlicht kein Paket, das der Index auflöst; bewertet wurde daher der Abhängigkeitsgraph des Repositorys. Dieser Graph vermischt Entwicklungs- und Test-Pins mit ausgelieferten Abhängigkeiten, daher werden nur die deklarierten Laufzeit-Abhängigkeiten bewertet; transitive Befunde werden als Kontext ausgewiesen und fließen nicht in die Bewertung ein. 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.

50Mittel · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

8Kritisch
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
8.1/40Lesbare Commit-Historie — 15 von 99 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,152
agent_instruction_files—
agent_instruction_max_bytes—

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

61Mittel
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — doc/Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff])
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — Nix, lockfile
0/10Belegte Agentenpraxis — keine von Agenten verfassten Commits unter den letzten 100
0/8Automatisierte Wartung — keine automatisierten Abhängigkeits-Updates beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixja
has_testsja
lockfilesuv.lock
has_dockerfilenein
typed_languagenein
bootstrap_filesdoc/Makefile
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

53Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
53/55Handhabbare Dateigrößen — 9/251 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes143.192
source_files_sampled251
oversized_source_files9

Maschinenlesbare AI-Schnittstellen

100Außergewöhnlich
Wie die Bewertung erfolgt
0/40API-Schema (OpenAPI/GraphQL/proto) — für diese Art von Software nicht anwendbar
0/20MCP-Server — für diese Art von Software nicht anwendbar
40/40Lauffähige Beispiele — examples, notebooks
Verwendete Eingangsdaten
example_dirsexamples, notebooks
has_mcp_signalnein
api_schema_files—
interfaces_expected_of—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): API-Schema (OpenAPI/GraphQL/proto), MCP-Server. Die verbleibenden Gewichte wurden renormalisiert.

Eckdaten

366GitHub-Sterne
61Mitwirkende
1.637Commits, letzte 12 Monate
0Tage seit letztem Push
57Releases
2Bus-Faktor
53offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • deps.dev does not index pypi:qibo@0.3.6; advisories assessed against the repository dependency graph instead

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 105 ⇿
0Sterne
105Forks
53Releases

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.

02040608010012010152020-082023-092026-10
Major 0Minor 3Patch 43

Jeder Punkt umfasst 6 Tage.

OpenSSF Scorecard 6.2 / 10
6.2Gesamtwert

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 · 2026-10-14 13:45 UTC

10Binary-Artifactsno binaries found in the repo
5Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests8 out of 8 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
8Code-ReviewFound 8/9 approved changesets -- score normalized to 8
10Contributorsproject has 14 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 17 issue activity found in the last 90 days -- score normalized to 10
k. A.Packagingpackaging workflow not detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
0SASTSAST tool is not run on all commits -- score normalized to 0
0Security-Policysecurity policy file not detected
k. A.Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
10Vulnerabilities0 existing vulnerabilities detected
Direkte Abhängigkeiten 9
RegistryPaketVersionsvorgabeManifest
PyPInumpy>=2.0.0,<3.0.0pyproject.toml
PyPIscipy>=1.15.2,<2.0.0pyproject.toml
PyPIsympy>=1.13.1,<2.0.0pyproject.toml
PyPInetworkx>=3.2.1,<4.0.0pyproject.toml
PyPIcma>=4.0.0,<5.0.0pyproject.toml
PyPIjoblib>=1.4.2,<2.0.0pyproject.toml
PyPIoptuna>=4.2.1,<5.0.0pyproject.toml
PyPItabulate>=0.9.0,<1.0.0pyproject.toml
PyPIopenqasm3>=1.0.1,<2.0.0pyproject.toml
Alle Abhängigkeiten 178

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 11 direkte und 167 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIcma4.5.0direkt
PyPIjoblib1.6.0direkt
PyPInetworkx3.6.1direkt
PyPInetworkx3.7direkt
PyPInumpy2.2.6direkt
PyPIopenqasm31.0.1direkt
PyPIoptuna4.9.0direkt
PyPIscipy1.17.1direkt
PyPIscipy1.18.1direkt
PyPIsympy1.14.0direkt
PyPItabulate0.10.0direkt
PyPIalabaster0.7.16indirekt
PyPIalembic1.20.0indirekt
PyPIannotated-types0.8.0indirekt
PyPIantlr4-python3-runtime4.13.2indirekt
PyPIappnope1.0.0indirekt
PyPIastpretty3.0.0indirekt
PyPIasttokens3.0.2indirekt
PyPIattrs26.1.0indirekt
PyPIbabel2.18.0indirekt
PyPIbeautifulsoup44.15.0indirekt
PyPIbleach6.4.0indirekt
PyPIcertifi2026.7.22indirekt
PyPIcffi2.1.1indirekt
PyPIcharset-normalizer3.5.2indirekt
PyPIclarabel0.11.1indirekt
PyPIcloudpickle3.1.2indirekt
PyPIcolorama0.4.6indirekt
PyPIcolorlog6.12.0indirekt
PyPIcomm0.2.3indirekt
PyPIcommonmark0.9.2indirekt
PyPIcontourpy1.3.3indirekt
PyPIcontourpy1.4.0indirekt
PyPIcoverage7.16.2indirekt
PyPIcuda-quantum-cu130.16.0.post1indirekt
PyPIcudaq0.16.0.post1indirekt
PyPIcudaq-logical0.1.1.post1indirekt
PyPIcudensitymat-cu110.0.5indirekt
PyPIcudensitymat-cu120.0.5indirekt
PyPIcudensitymat-cu130.6.0indirekt
PyPIcupy-cuda11x13.6.0indirekt
PyPIcupy-cuda12x13.6.0indirekt
PyPIcupy-cuda13x13.6.0indirekt
PyPIcuquantum-python-cu1124.11.0indirekt
PyPIcuquantum-python-cu1224.11.0indirekt
PyPIcustatevec-cu111.9.0.post0indirekt
PyPIcustatevec-cu121.15.0indirekt
PyPIcustatevec-cu131.14.0indirekt
PyPIcutensor-cu112.2.0indirekt
PyPIcutensor-cu122.8.1indirekt
PyPIcutensor-cu132.8.1indirekt
PyPIcutensornet-cu112.8.0indirekt
PyPIcutensornet-cu122.14.0indirekt
PyPIcutensornet-cu132.13.0indirekt
PyPIcvxpy1.9.3indirekt
PyPIcycler0.12.1indirekt
PyPIdebugpy1.8.22indirekt
PyPIdecorator5.3.1indirekt
PyPIdefusedxml0.7.1indirekt
PyPIdill0.4.1indirekt
PyPIdocutils0.19indirekt
PyPIexecuting2.3.0indirekt
PyPIfastjsonschema2.22.2indirekt
PyPIfastrlock0.8.3indirekt
PyPIfonttools4.66.1indirekt
PyPIfuro2022.12.7indirekt
PyPIhighspy1.15.1indirekt
PyPIidna3.20indirekt
PyPIimagesize2.0.1indirekt
PyPIiniconfig2.3.1indirekt
PyPIipykernel6.31.0indirekt
PyPIipython8.39.0indirekt
PyPIjedi0.20.1indirekt
PyPIjinja23.1.6indirekt
PyPIjsonschema4.26.0indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPIjupyter-client8.10.0indirekt
PyPIjupyter-core5.9.1indirekt
PyPIjupyterlab-pygments0.3.0indirekt
PyPIkiwisolver1.5.1indirekt
PyPIlatexcodec3.0.1indirekt
PyPIllvmlite0.44.0indirekt
PyPImako1.4.3indirekt
PyPImarkdown3.11indirekt
PyPImarkupsafe3.0.4indirekt
PyPImatplotlib3.10.9indirekt
PyPImatplotlib-inline0.2.2indirekt
PyPImistune3.3.4indirekt
PyPImpmath1.3.0indirekt
PyPInbclient0.11.0indirekt
PyPInbconvert7.17.2indirekt
PyPInbformat5.11.1indirekt
PyPInbsphinx0.8.12indirekt
PyPInest-asyncio1.6.0indirekt
PyPInumba0.61.2indirekt
PyPInvidia-cublas13.8.1.7indirekt
PyPInvidia-cuda-nvrtc13.4.92indirekt
PyPInvidia-cuda-runtime13.4.92indirekt
PyPInvidia-curand10.4.4.72indirekt
PyPInvidia-cusolver12.3.4.7indirekt
PyPInvidia-cusparse12.8.6.72indirekt
PyPInvidia-nvjitlink13.4.92indirekt
PyPIosqp1.1.3indirekt
PyPIpackaging26.3indirekt
PyPIpandas3.0.6indirekt
PyPIpandocfilters1.5.1indirekt
PyPIparso0.8.7indirekt
PyPIpexpect4.9.0indirekt
PyPIpillow12.3.0indirekt
PyPIplatformdirs4.13.0indirekt
PyPIpluggy1.6.0indirekt
PyPIprompt-toolkit3.0.53indirekt
PyPIpsutil5.9.8indirekt
PyPIptyprocess0.7.0indirekt
PyPIpure-eval0.2.4indirekt
PyPIpybtex0.26.1indirekt
PyPIpybtex-docutils1.0.3indirekt
PyPIpycparser3.11indirekt
PyPIpydantic2.11.1indirekt
PyPIpydantic-core2.33.0indirekt
PyPIpygments2.21.0indirekt
PyPIpygridsynth2.0.0indirekt
PyPIpyparsing3.3.3indirekt
PyPIpyqasm1.0.4indirekt
PyPIpyqir0.10.9indirekt
PyPIpytest9.1.1indirekt
PyPIpytest-cov4.1.0indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpyyaml6.0.3indirekt
PyPIpyzmq27.2.0indirekt
PyPIqbraid0.10.2indirekt
PyPIqbraid-core0.1.50indirekt
PyPIqbraid-qir0.5.0indirekt
PyPIqdldl0.1.9.post1indirekt
PyPIqibo0.3.6indirekt
PyPIqibojit0.1.17indirekt
PyPIqiskit2.5.2indirekt
PyPIqulacs0.6.14indirekt
PyPIrecommonmark0.7.1indirekt
PyPIreferencing0.37.0indirekt
PyPIrequests2.34.2indirekt
PyPIrpds-py2026.9.1indirekt
PyPIruff0.16.10indirekt
PyPIrustworkx0.18.1indirekt
PyPIscs3.3.1indirekt
PyPIseaborn0.13.2indirekt
PyPIsetuptools84.0.0indirekt
PyPIsix1.17.0indirekt
PyPIsnowballstemmer3.1.1indirekt
PyPIsoupsieve2.10indirekt
PyPIsoupsieve3.0.3indirekt
PyPIsparsediffpy0.6.1indirekt
PyPIsphinx6.2.1indirekt
PyPIsphinx-basic-ng1.0.0b2indirekt
PyPIsphinx-copybutton0.5.2indirekt
PyPIsphinx-markdown-tables0.0.17indirekt
PyPIsphinxcontrib-applehelp2.0.0indirekt
PyPIsphinxcontrib-bibtex2.5.0indirekt
PyPIsphinxcontrib-devhelp2.0.0indirekt
PyPIsphinxcontrib-htmlhelp2.1.0indirekt
PyPIsphinxcontrib-jsmath1.0.1indirekt
PyPIsphinxcontrib-qthelp2.0.0indirekt
PyPIsphinxcontrib-serializinghtml2.0.0indirekt
PyPIsqlalchemy2.1.4indirekt
PyPIstack-data0.6.3indirekt
PyPIstevedore5.9.1indirekt
PyPIstim1.16.0indirekt
PyPItinycss21.5.1indirekt
PyPItomli2.5.0indirekt
PyPItornado6.5.10indirekt
PyPItqdm4.70.1indirekt
PyPItraitlets5.16.1indirekt
PyPItyping-extensions4.16.0indirekt
PyPItyping-inspection0.4.4indirekt
PyPItzdata2026.5indirekt
PyPIurllib32.8.0indirekt
PyPIwcwidth0.9.2indirekt
PyPIwebencodings0.6.1indirekt
Abhängigkeits-Advisories 0

Dieses Repository veröffentlicht kein vom Index auflösbares Paket, daher wurde sein eigener Abhängigkeitsgraph bewertet – 178 Pakete, darunter auch Entwicklungs- und Test-Pins, die nie ausgeliefert werden: 0 tragen bekannte Advisories, davon 0 direkte.

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 qiboteam/qibo teilen. Nebeneinander lesen →

99quantumlib/CirqPython framework for creating, editing, and running Noisy Intermediate-Scale Quantum (NISQ) circuits.Außergewöhnlich96quantumlib/OpenFermionPython package for compiling and analyzing quantum algorithms to simulate electronic structures.Außergewöhnlich99Qiskit/qiskitQiskit is an open-source SDK for working with quantum computers at the level of extended quantum circuits, operators, and primitives.Außergewöhnlich87QoroQuantum/diviA Python library to automate generating, parallelizing, and executing quantum programs.Exzellent86anulum/scpn-quantum-controlEvidence-governed quantum simulation of coupled-oscillator synchronisation — Kuramoto–XY workloads on Superconducting Computers, raw counts + hash-bound result packs, preregistered protocols.Exzellent77tensorcircuit/tensorcircuit-ngNext-gen AI-native tensor-network-based quantum software frameworkGut

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.