Öffentliches Register
Software-GesundheitsberichtSchema 0.11.0 · Metriken 2.10.0 · 2026-07-17 05:11 UTC

vprusso / toqito

|toqito> (Theory of Quantum Information Toolkit) is a Python library for research in quantum information theory.

PythonMIT★ 287 Sterne⑂ 165 Forksseit Jan. 2020Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#quantum-computing#python#quantum-information#matrix-analysis#python-3#physics#quantum#convex-optimization#linear-algebra#quantum-information-science#quantum-information-theory#quantum-physics#quantum-programming#research#nonlocal-game#semidefinite-programming#entanglement#quantum-channels#quantum-measurements#quantum-states

vprusso/toqito erreicht einen Gesundheitsindex von 92 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Vitality (96/100) ab, am schwächsten bei AI Readiness (45/100). 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

Vincent RussoPersönliches Konto
798 Follower79 öffentliche Reposseit März 2012

Dieses Repository gehört einem persönlichen Konto. Ein Projekt mit nur einem Eigentümer trägt ein höheres Kontinuitätsrisiko als ein organisationsgetragenes.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPItoqito1.3.0-26vor 3 Tagenquantum-informationquantum-information-theoryquantum-computingquantum-statesquantum-channelsquantum-measurementsentanglementdensity-matricesnonlocal-gamessemidefinite-programmingcvxpynumpy

Metriken nach Kategorie

Vitalität

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

96Außergewöhnlich · 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 — 808 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 29 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year808
human_commit_share—
days_since_last_push0
active_weeks_last_year49

Release-Disziplin

92Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 20 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 3 Tagen
19.8/27Release-Rhythmus — ein Release etwa alle 62,2 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count20
latest_release_tagv1.3.0
releases_from_tagsnein
days_since_latest_release3
mean_days_between_releases62,2
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

64Mittel
Wie die Bewertung erfolgt
39.8/60Stars — 287 Stars
18.5/25Forks — 165 Forks
5.3/15Watcher — 10 Watcher
Verwendete Eingangsdaten
forks165
stars287
watchers10
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

77Gut
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (MIT)
18/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges—
has_contributingja
has_issue_templatenein
has_code_of_conductnein
readme_badge_services—
has_pull_request_templateja

Nachhaltigkeit & Governance

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

73Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

42Schwach
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
9.4/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 58 % der Commits
13.5/13.5Breite der Beitragenden — 79 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 15 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor1
contributors_sampled79
top_contributor_share0,584

Reaktionsfähigkeit bei Issues & PRs

90Exzellent
Wie die Bewertung erfolgt
41.9/42Issue-Lösungsquote — 100 % der Issues geschlossen
26.2/30PR-Annahme — 1.117/1.277 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
10.5/15OpenSSF Scorecard: Code-Review — Found 20/28 approved changesets -- score normalized to 7
Verwendete Eingangsdaten
merged_prs1.117
open_issues2
closed_issues588
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0,997
closed_unmerged_prs160
first_time_authors_30d—
first_time_prs_merged_30d—
first_time_prs_decided_30d—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

70Gut
Wie die Bewertung erfolgt
10/30Organisatorische Trägerschaft — persönliches (Nutzer-)Konto
0/20Verifizierte Domain — für Nutzerkonten nicht anwendbar
20.9/25Reichweite des Inhabers — 798 Follower von vprusso
25/25Kontohistorie — 79 öffentliche Repos, Kontoalter ca. 14 Jahre
Verwendete Eingangsdaten
followers798
owner_typeUser
is_verified—
owner_loginvprusso
public_repos79
account_age_days5.230
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 3 Tagen
20/20Versionshistorie — 26 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagestoqito
ecosystemspypi
any_deprecatednein
min_days_since_publish3

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

95Außergewöhnlich · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 5 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
18/20OpenSSF Scorecard: CI-Tests — 29 out of 30 merged PRs checked by a CI test -- score normalized to 9
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja

Dokumentation

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://vprusso.github.io/toqito/
10/10Repository-Beschreibung
10/10Topics — 20 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsquantum-computing, python, quantum-information, matrix-analysis, python-3, physics, quantum, convex-optimization, linear-algebra, quantum-information-science, quantum-information-theory, quantum-physics, quantum-programming, research, nonlocal-game, semidefinite-programming, entanglement, quantum-channels, quantum-measurements, quantum-states
has_wikija
homepagehttps://vprusso.github.io/toqito/
docs_sitehttps://vprusso.github.io/toqito/
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

55Mittel · 16 % des Gesamtindex

Sicherheitslage

55Mittel
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — keine Daten
2.2/2.5CI-Tests — 29 out of 30 merged PRs checked by a CI test -- score normalized to 9
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
5.2/7.5Code-Review — Found 20/28 approved changesets -- score normalized to 7
2.5/2.5Contributors — project has 15 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 29 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
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
0/7.5Vulnerabilities — 10 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate5,6
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Branch-Protection, Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

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.

45Schwach · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

1Kritisch
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
0/40Lesbare Commit-Historie — keine Daten
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share—
agent_instruction_files—
agent_instruction_max_bytes—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Lesbare Commit-Historie. Die verbleibenden Gewichte wurden renormalisiert.

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

53Mittel
Wie die Bewertung erfolgt
0/18Bootstrap mit einem Befehl
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — lockfile
0/10Belegte Agentenpraxis — keine Daten
5/8Automatisierte Wartung — Abhängigkeits-Automatisierung konfiguriert, in den erfassten Commits nicht beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesuv.lock
has_dockerfilenein
typed_languagenein
bootstrap_files—
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share—
toolchain_manifests—
dependency_bot_commit_share0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Belegte Agentenpraxis. Die verbleibenden Gewichte wurden renormalisiert.

AI-Code-Lesbarkeit für Modelle

55Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
54.8/55Handhabbare Dateigrößen — 2/555 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes71.898
source_files_sampled555
oversized_source_files2

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
Verwendete Eingangsdaten
example_dirsexamples
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

287GitHub-Sterne
79Mitwirkende
808Commits, letzte 12 Monate
0Tage seit letztem Push
20Releases
1Bus-Faktor
2offene Issues
PyPIPaket-Ökosysteme

Weitere Details

OpenSSF Scorecard 5.6 / 10
5.6Gesamtwert

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 · 2026-07-17 05:10 UTC

10Binary-Artifactsno binaries found in the repo
k. A.Branch-Protectioninternal error: error during branchesHandler.setup: internal error: some github tokens can't read classic branch protection rules: https://github.com/ossf/scorecard-action/blob/main/docs/authentication/fine-grained-auth-token.md
9CI-Tests29 out of 30 merged PRs checked by a CI test -- score normalized to 9
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
7Code-ReviewFound 20/28 approved changesets -- score normalized to 7
10Contributorsproject has 15 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 29 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow 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
0Vulnerabilities10 existing vulnerabilities detected
Direkte Abhängigkeiten 8
RegistryPaketVersionsvorgabeManifest
PyPIcvxpy>=1.9.0,<2pyproject.toml
PyPImore-itertools>=11.1.0,<12pyproject.toml
PyPInumpy>=2.4.1,<3pyproject.toml
PyPIscipy>=1.17.1,<2pyproject.toml
PyPIscs>=3.2.11,<4pyproject.toml
PyPIpicos>=2.6.2pyproject.toml
PyPInetworkx>=3.4,<4.0pyproject.toml
PyPImatplotlib>=3.11.0,<4pyproject.toml
Alle Abhängigkeiten 136

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 8 direkte und 128 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIcvxpy1.9.0direkt
PyPImatplotlib3.11.0direkt
PyPImore-itertools11.1.0direkt
PyPInetworkx3.5direkt
PyPInumpy2.4.1direkt
PyPIpicos2.6.2direkt
PyPIscipy1.17.1direkt
PyPIscs3.2.11direkt
PyPIappnope0.1.4indirekt
PyPIasttokens3.0.0indirekt
PyPIattrs25.3.0indirekt
PyPIbabel2.17.0indirekt
PyPIbackrefs6.1indirekt
PyPIbeautifulsoup44.14.2indirekt
PyPIbleach6.4.0indirekt
PyPIcertifi2025.8.3indirekt
PyPIcffi2.0.0indirekt
PyPIcfgv3.4.0indirekt
PyPIcharset-normalizer3.4.3indirekt
PyPIclarabel0.11.1indirekt
PyPIclick8.3.1indirekt
PyPIcolorama0.4.6indirekt
PyPIcomm0.2.3indirekt
PyPIcontourpy1.3.3indirekt
PyPIcoverage7.15.0indirekt
PyPIcvxopt1.3.3indirekt
PyPIcycler0.12.1indirekt
PyPIdebugpy1.8.17indirekt
PyPIdecorator5.2.1indirekt
PyPIdefusedxml0.7.1indirekt
PyPIdistlib0.4.0indirekt
PyPIexecuting2.2.1indirekt
PyPIfastjsonschema2.21.2indirekt
PyPIfilelock3.20.3indirekt
PyPIfonttools4.60.2indirekt
PyPIghp-import2.1.0indirekt
PyPIgriffe1.15.0indirekt
PyPIhighspy1.13.1indirekt
PyPIidentify2.6.14indirekt
PyPIidna3.15indirekt
PyPIiniconfig2.1.0indirekt
PyPIipykernel6.30.1indirekt
PyPIipython9.15.0indirekt
PyPIipython-pygments-lexers1.1.1indirekt
PyPIjedi0.19.2indirekt
PyPIjinja23.1.6indirekt
PyPIjoblib1.5.2indirekt
PyPIjsonschema4.25.1indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPIjupyter-client8.6.3indirekt
PyPIjupyter-core5.8.1indirekt
PyPIjupyterlab-pygments0.3.0indirekt
PyPIjupytext1.19.1indirekt
PyPIkiwisolver1.4.9indirekt
PyPIlatexcodec3.0.1indirekt
PyPImarkdown3.10.1indirekt
PyPImarkdown-exec1.12.1indirekt
PyPImarkdown-it-py4.2.0indirekt
PyPImarkupsafe3.0.3indirekt
PyPImatplotlib-inline0.1.7indirekt
PyPImdit-py-plugins0.6.1indirekt
PyPImdurl0.1.2indirekt
PyPImergedeep1.3.4indirekt
PyPImike2.1.4indirekt
PyPImistune3.3.0indirekt
PyPImkdocs1.6.1indirekt
PyPImkdocs-api-autonav0.4.0indirekt
PyPImkdocs-autorefs1.4.3indirekt
PyPImkdocs-bibtex4.4.0indirekt
PyPImkdocs-gallery0.10.4indirekt
PyPImkdocs-get-deps0.2.0indirekt
PyPImkdocs-jupyter0.25.1indirekt
PyPImkdocs-material9.7.1indirekt
PyPImkdocs-material-extensions1.3.1indirekt
PyPImkdocstrings1.0.2indirekt
PyPImkdocstrings-python2.0.1indirekt
PyPImosek11.2.2indirekt
PyPInbclient0.10.2indirekt
PyPInbconvert7.17.1indirekt
PyPInbformat5.10.4indirekt
PyPInest-asyncio1.6.0indirekt
PyPInodeenv1.9.1indirekt
PyPIosqp1.0.4indirekt
PyPIpackaging25.0indirekt
PyPIpaginate0.5.7indirekt
PyPIpandocfilters1.5.1indirekt
PyPIparso0.8.5indirekt
PyPIpathspec1.0.4indirekt
PyPIpexpect4.9.0indirekt
PyPIpillow12.2.0indirekt
PyPIplatformdirs4.4.0indirekt
PyPIpluggy1.6.0indirekt
PyPIpre-commit4.3.0indirekt
PyPIprompt-toolkit3.0.52indirekt
PyPIpsutil7.1.0indirekt
PyPIptyprocess0.7.0indirekt
PyPIpure-eval0.2.3indirekt
PyPIpybtex0.25.1indirekt
PyPIpycparser2.23indirekt
PyPIpygments2.20.0indirekt
PyPIpygments-ansi-color0.3.0indirekt
PyPIpymdown-extensions10.21.3indirekt
PyPIpypandoc1.16.2indirekt
PyPIpyparsing3.2.5indirekt
PyPIpytest9.1.0indirekt
PyPIpytest-cov7.1.0indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpywin32311indirekt
PyPIpyyaml6.0.3indirekt
PyPIpyyaml-env-tag1.1indirekt
PyPIpyzmq27.1.0indirekt
PyPIqdldl0.1.9.post1indirekt
PyPIreferencing0.36.2indirekt
PyPIrequests2.33.0indirekt
PyPIresponses0.25.8indirekt
PyPIrpds-py0.27.1indirekt
PyPIruff0.15.0indirekt
PyPIsetuptools80.9.0indirekt
PyPIsix1.17.0indirekt
PyPIsoupsieve2.8.4indirekt
PyPIsparsediffpy0.3.0indirekt
PyPIstack-data0.6.3indirekt
PyPItinycss21.4.0indirekt
PyPItoqito1.2.0indirekt
PyPItornado6.5.7indirekt
PyPItqdm4.67.3indirekt
PyPItraitlets5.14.3indirekt
PyPIty0.0.12indirekt
PyPItyping-extensions4.15.0indirekt
PyPIurllib32.7.0indirekt
PyPIvalidators0.35.0indirekt
PyPIverspec0.1.0indirekt
PyPIvirtualenv20.36.1indirekt
PyPIwatchdog6.0.0indirekt
PyPIwcwidth0.2.14indirekt
PyPIwebencodings0.5.1indirekt
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 vprusso/toqito 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.Außergewöhnlich99cvxpy/cvxpyA Python-embedded modeling language for convex optimization problems.Außergewöhnlich98PennyLaneAI/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.Außergewöhnlich96amazon-braket/amazon-braket-sdk-pythonA Python SDK for interacting with quantum devices on Amazon BraketAußergewöhnlich

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 v0.11.0 — vollständige Methodik · Metriken-Wiki.

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