Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 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 estrellas⑂ 23 forksdesde mar 2022Ver en GitHub ↗
TipoBibliotecacómo se determina
#reinforcement-learning#supervised-machine-learning#mqt#qiskit#quantum-compilation#tum

munich-quantum-toolkit/predictor tiene un índice de salud de 92 sobre 100, lo que lo sitúa en la banda Excelente. Su puntuación más alta es AI Readiness (97/100) y la más baja, Community & Adoption (58/100). Se actualizó por última vez hoy. Una sola persona concentra la mayor parte del trabajo reciente.

92
global / 100
Excelente

Índice de salud del software

Las métricas se agrupan en categorías ponderadas sobre una escala estandarizada de 1 a 100. El resultado global parte de su media ponderada, calibrada contra la distribución del registro público para que las bandas tengan significado percentil; cuando la evidencia pública activa la Política de Jurisdicciones de Alto Riesgo, la calificación se ajusta y recibe un límite «En riesgo» de 34.

92
Excepcional93-100El nivel más alto del registro (≈ el 5% superior); cumple prácticamente todos los criterios evaluados
Excelente80-92Sólido en todos los frentes; carencias menores
Bueno65-79Saludable; carencias limitadas y manejables
Moderado50-64Aceptable con carencias notables; se recomienda revisión
Débil35-49Debilidades sustanciales en varias áreas
En riesgo20-34Debilidades significativas; su adopción exige cautela
Crítico1-19Problemas graves (proyecto abandonado, un solo mantenedor, sin higiene)
VitalidadComunidad yAdopciónSostenibilidady GobernanzaCalidad deIngenieríaSeguridadPreparaciónpara IA

Perfil de puntuación

Cada eje es una categoría. La forma importa más que la media: un proyecto sano llena toda la figura, mientras que un perfil de picos y cráteres indica que la fortaleza en una dimensión enmascara el riesgo en otra.

El resultado global ponderado 78 se calibra a 92 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

The Munich Quantum Toolkit (MQT)Organización
103 seguidores25 repositorios públicosdesde ago 2024

Este repositorio está respaldado por una organización: una custodia compartida y responsable que puede sobrevivir a cualquier mantenedor individual.

Ecosistemas de paquetes

RegistroPaqueteVersiónDescargas / mesVersionesÚltima publicaciónEtiquetas
PyPImqt.predictor2.4.014914hace 60 díasmqtcompilationmachine-learningpredictionquantum-computing

Métricas por categoría

Vitalidad

¿Está vivo el proyecto: se escribe código y se publican versiones?

94Excepcional · 21% del índice global

Actividad de desarrollo

100Excepcional
Cómo se puntúa
36/36Recencia de push — último push hace 0 días
36/36Cadencia de commits — 52/52 semanas con commits
18/18Volumen de commits — 295 commits en el último año
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
Datos de entrada utilizados
commits_last_year295
human_commit_share0,18
days_since_last_push0
active_weeks_last_year52

Disciplina de publicación

84Excelente
Cómo se puntúa
27/27Publica versiones — 14 versiones publicadas
36/36Recencia de las versiones — última versión hace 60 días
12.6/27Cadencia de publicación — una versión cada ~139,9 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count14
latest_release_tagv2.4.0
releases_from_tagsno
days_since_latest_release60
mean_days_between_releases139,9
Excluidos de la puntuación (sin datos o no aplicable): OpenSSF Scorecard: Signed-Releases. Los pesos restantes se han renormalizado.

Comunidad y Adopción

¿Tiene el proyecto usuarios, descargas, atención y unas condiciones acogedoras para quienes contribuyen?

58Moderado · 17% del índice global

Popularidad y adopción

43Débil
Cómo se puntúa
31.4/60Estrellas — 87 estrellas
11.2/25Forks — 23 forks
0/15Observadores — 1 observadores
Datos de entrada utilizados
forks23
stars87
watchers1
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonbelow_threshold

Salud de la comunidad

92Excelente
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (MIT)
18/18Guía CONTRIBUTING
13.5/13.5Código de conducta
0/7.2Plantilla de issues
6.3/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges9
has_contributingsí
has_issue_templateno
has_code_of_conductsí
readme_badge_servicesshields.io
has_pull_request_templatesí

Adopción en el ecosistema (descargas)

36Débil
Cómo se puntúa
29/80Descargas mensuales — 149 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagesmqt.predictor
dependents—
ecosystemspypi
total_downloads—
monthly_downloads149
unverified_packages_excluded—
Excluidos de la puntuación (sin datos o no aplicable): Dependientes en el registro. Los pesos restantes se han renormalizado.

Sostenibilidad y Gobernanza

¿Sobrevivirá el proyecto a sus personas: factor bus, capacidad de respuesta, quién lo respalda y mantenimiento del paquete?

62Moderado · 23% del índice global

Resiliencia de mantenedores (factor bus)

36Débil
Cómo se puntúa
9/54Factor bus — la mitad de los commits recae en 1 contribuyente(s)
4.4/22.5Distribución de commits — el principal contribuyente firma el 80% de los commits
12.2/13.5Amplitud de contribuyentes — 9 contribuyentes
10/10OpenSSF Scorecard: Contributors — project has 6 contributing companies or organizations
Datos de entrada utilizados
bus_factor1
contributors_sampled9
top_contributor_share0,804

Capacidad de respuesta a issues y PR

67Bueno
Cómo se puntúa
31.2/42Resolución de issues — 74% de issues cerradas
25.5/30Aceptación de PR — 628/739 PR decididos fusionados
0/13Newcomer PR acceptance — ningún PR de un contribuyente primerizo decidido en 30 d
1.5/15OpenSSF Scorecard: Code-Review — Found 5/26 approved changesets -- score normalized to 1
Datos de entrada utilizados
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
Excluidos de la puntuación (sin datos o no aplicable): Newcomer PR acceptance. Los pesos restantes se han renormalizado.

Propiedad y custodia

59Moderado
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
0/20Dominio verificado
14.5/25Alcance del propietario — 103 seguidores de munich-quantum-toolkit
14.5/25Trayectoria — 25 repos públicos, cuenta de ~2 años
Datos de entrada utilizados
followers103
owner_typeOrganization
is_verifiedno
owner_loginmunich-quantum-toolkit
public_repos25
account_age_days765

Mantenimiento de paquetes

100Excepcional
Cómo se puntúa
25/25Publicado y resoluble — 1 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 60 días
20/20Historial de versiones — 14 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagesmqt.predictor
ecosystemspypi
any_deprecatedno
min_days_since_publish60

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

92Excelente · 19% del índice global

Prácticas de ingeniería

94Excepcional
Cómo se puntúa
24/24Flujos de trabajo de CI — 4 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter — pyproject.toml ([tool.ruff])
9.6/9.6Hooks de pre-commit
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
Datos de entrada utilizados
has_cisí
has_testssí
has_editorconfigno
has_linter_configsí
has_precommit_configsí

Documentación

90Excelente
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://mqt.readthedocs.io/projects/predictor
10/10Descripción del repositorio
10/10Topics — 6 topics
0/10Wiki
Datos de entrada utilizados
topicsreinforcement-learning, supervised-machine-learning, mqt, qiskit, quantum-compilation, tum
has_wikino
homepagehttps://mqt.readthedocs.io/projects/predictor
docs_sitehttps://mqt.readthedocs.io/projects/predictor
has_readmesí
has_docs_dirsí
has_descriptionsí

Seguridad

¿Son sólidas las prácticas visibles de seguridad y de cadena de suministro, sin exposición jurisdiccional de alto riesgo sin resolver?

80Excelente · 16% del índice global

Postura de seguridad

75Bueno
Cómo se puntúa
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
2.5/2.5Licencia — 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 — sin datos
7.5/7.5Token-Permissions — GitHub workflow tokens follow principle of least privilege
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Datos de entrada utilizados
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate7,5
Excluidos de la puntuación (sin datos o no aplicable): Signed-Releases. Los pesos restantes se han renormalizado.

Avisos de dependencias

100Excepcional
Cómo se puntúa
35/35Dependencias directas libres de avisos conocidos — ninguna dependencia directa tiene un aviso conocido
25/25Dependencias indirectas libres de avisos conocidos — ninguna dependencia indirecta tiene un aviso conocido
0/40Sin avisos pendientes — ningún aviso tiene fecha de publicación
Datos de entrada utilizados
sourceosv
advisories0
affected_packages0
assessed_packages92
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Excluidos de la puntuación (sin datos o no aplicable): Sin avisos pendientes. Los pesos restantes se han renormalizado. Se cotejó el cierre de dependencias en tiempo de ejecución de pypi:mqt.predictor@2.4.0 —lo que arrastra la instalación del paquete publicado—: 92 paquetes. No se analiza la alcanzabilidad.

Preparación para IA

¿Hasta qué punto está el repositorio preparado para desarrollarse y mantenerse con agentes de codificación de IA? Tiene un peso deliberadamente pequeño (4%): las herramientas para agentes son una señal real de mantenimiento, pero un repositorio sin ninguna puede alcanzar igualmente 100/100.

97Excepcional · 4% del índice global

Contexto y guía para agentes

100Excepcional
Cómo se puntúa
45/45Instrucciones para agentes — AGENTS.md
15/15Documentación legible por máquinas (llms.txt) — llms.txt servido por el sitio web del proyecto (https://mqt.readthedocs.io/llms.txt)
0/40Historial de commits legible — sin datos
Datos de entrada utilizados
has_llms_txtsí
llms_txt_urlhttps://mqt.readthedocs.io/llms.txt
legible_history_share—
agent_instruction_filesAGENTS.md
agent_instruction_max_bytes7306
Excluidos de la puntuación (sin datos o no aplicable): Historial de commits legible. Los pesos restantes se han renormalizado.

Bucle de verificación (compilación / pruebas / verificación de tipos)

100Excepcional
Cómo se puntúa
18/18Arranque con un solo comando — noxfile.py
22/22Pruebas automatizadas
11/11Configuración de lint / formato — pyproject.toml ([tool.ruff])
11/11Verificación estática de tipos — src/mqt/predictor/py.typed
10/10Entorno reproducible — lockfile
10/10Práctica demostrada con agentes — 5 de los últimos 100 commits con autoría o crédito de agente
8/8Mantenimiento automatizado — 75 de los últimos 100 commits son actualizaciones automáticas de dependencias
10/10OpenSSF Scorecard: Pinned-Dependencies — all dependencies are pinned
Datos de entrada utilizados
has_nixno
has_testssí
lockfilesuv.lock
has_dockerfileno
typed_languageno
bootstrap_filesnoxfile.py
has_devcontainerno
has_linter_configsí
typecheck_configssrc/mqt/predictor/py.typed
agent_commit_share0,05
toolchain_manifests—
dependency_bot_commit_share0,75

Legibilidad del código para modelos

82Excelente
Cómo se puntúa
27/45Código verificable por tipos — Python con configuración de verificación de tipos (src/mqt/predictor/py.typed)
55/55Tamaños de archivo manejables — 0/32 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes27.026
source_files_sampled32
oversized_source_files0

Datos clave

87estrellas de GitHub
9contribuidores
295commits en los últimos 12 meses
0días desde el último push
14versiones publicadas
1factor bus
16issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • 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.

Más detalle

Historial de estrellas y forks 86 ★ / 23 ⇿
86Estrellas
23Forks
14Versiones

Cuándo se añadió cada estrella y fork, recopilado de GitHub y agrupado por día. El crecimiento acumulado se sitúa justo encima de las adiciones diarias que lo componen, de modo que ambos se leen en conjunto: la acumulación orgánica sostenida no se parece en nada a un pico abrupto y efímero. Cuando esa diferencia es medible, se informa como autenticidad del crecimiento.

El historial de estrellas se muestra tal como se recogió el 2026-04-18. GitHub restringió la API de stargazers a los administradores del repositorio en julio de 2026, por lo que esta serie ya no puede ampliarse; el total de estrellas indicado arriba sigue actualizándose.

020406080100862362022-062024-072026-08
Mayor 2Menor 7Parche 5

Cada punto abarca 4 días.

OpenSSF Scorecard 7.5 / 10
7.5agregado

Evaluación de seguridad independiente y agnóstica en cuanto a herramientas, procedente del proyecto de código abierto OpenSSF Scorecard. Cada comprobación premia una práctica de seguridad, no la herramienta de un proveedor concreto. Las comprobaciones que Scorecard no pudo determinar se marcan como n/d y se excluyen de la puntuación de seguridad (nunca se cuentan como cero).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
n/dSigned-Releasesno releases found
10Token-PermissionsGitHub workflow tokens follow principle of least privilege
10Vulnerabilities0 existing vulnerabilities detected
Dependencias directas 18
RegistroPaqueteRestricción de versiónManifiesto
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
Todas las dependencias 186

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 12 paquetes directos y 174 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIbqskit1.2.1directa
PyPImqt-bench2.2.3directa
PyPInumpy2.4.6directa
PyPInumpy2.5.3directa
PyPIpytket2.18.1directa
PyPIpytket-qiskit0.78.0directa
PyPIqiskit2.5.2directa
PyPIrich15.0.0directa
PyPIsb3-contrib2.9.0directa
PyPIscikit-learn1.9.0directa
PyPItensorboard2.21.0directa
PyPItqdm4.70.0directa
PyPIabsl-py2.5.0indirecta
PyPIaccessible-pygments0.0.5indirecta
PyPIalabaster1.0.0indirecta
PyPIannotated-types0.8.0indirecta
PyPIantlr4-python3-runtime4.13.2indirecta
PyPIappnope1.0.0indirecta
PyPIargcomplete3.7.2indirecta
PyPIastroid4.3.1indirecta
PyPIasttokens3.0.2indirecta
PyPIattrs26.1.0indirecta
PyPIbabel2.18.0indirecta
PyPIbeautifulsoup44.15.0indirecta
PyPIbqskitrs0.4.1indirecta
PyPIcertifi2026.7.22indirecta
PyPIcffi2.1.1indirecta
PyPIcharset-normalizer3.5.1indirecta
PyPIclick8.5.0indirecta
PyPIcloudpickle3.1.2indirecta
PyPIcolorama0.4.6indirecta
PyPIcolorlog6.12.0indirecta
PyPIcomm0.2.3indirecta
PyPIcoverage7.16.0indirecta
PyPIcryptography50.0.1indirecta
PyPIcuda-bindings13.3.1indirecta
PyPIcuda-pathfinder1.8.1indirecta
PyPIcuda-toolkit13.0.3.0indirecta
PyPIdebugpy1.8.21indirecta
PyPIdependency-groups1.3.2indirecta
PyPIdill0.4.1indirecta
PyPIdistlib0.4.3indirecta
PyPIdocutils0.22.4indirecta
PyPIexecuting2.2.1indirecta
PyPIfarama-notifications0.0.6indirecta
PyPIfastjsonschema2.22.2indirecta
PyPIfilelock3.32.5indirecta
PyPIfsspec2026.7.0indirecta
PyPIfuro2025.12.19indirecta
PyPIgraphviz0.21indirecta
PyPIgreenlet3.5.5indirecta
PyPIgrpcio1.83.1indirecta
PyPIgymnasium1.3.0indirecta
PyPIhumanize4.16.0indirecta
PyPIibm-cloud-sdk-core3.26.1indirecta
PyPIibm-platform-services0.77.1indirecta
PyPIibm-quantum-schemas0.11.20260824indirecta
PyPIidna3.19indirecta
PyPIimagesize2.0.1indirecta
PyPIimportlib-metadata9.0.1indirecta
PyPIiniconfig2.3.0indirecta
PyPIipykernel7.3.0indirecta
PyPIipython9.17.1indirecta
PyPIipython-pygments-lexers1.1.1indirecta
PyPIjedi0.20.0indirecta
PyPIjinja23.1.6indirecta
PyPIjoblib1.6.0indirecta
PyPIjsonschema4.26.0indirecta
PyPIjsonschema-specifications2025.9.1indirecta
PyPIjupyter-cache1.0.1indirecta
PyPIjupyter-client8.10.0indirecta
PyPIjupyter-core5.9.1indirecta
PyPIlark1.3.1indirecta
PyPIlatexcodec3.0.1indirecta
PyPImarkdown3.10.3indirecta
PyPImarkdown-it-py4.2.0indirecta
PyPImarkupsafe3.0.3indirecta
PyPImatplotlib-inline0.2.2indirecta
PyPImdit-py-plugins0.6.1indirecta
PyPImdurl0.1.2indirecta
PyPImpmath1.3.0indirecta
PyPImyst-nb1.4.0indirecta
PyPImyst-parser5.1.0indirecta
PyPInarwhals2.25.0indirecta
PyPInbclient0.11.0indirecta
PyPInbformat5.11.1indirecta
PyPInest-asyncio21.7.2indirecta
PyPInetworkx3.6.1indirecta
PyPInox2026.8.17indirecta
PyPInvidia-cublas13.1.1.3indirecta
PyPInvidia-cuda-cupti13.0.85indirecta
PyPInvidia-cuda-nvrtc13.0.88indirecta
PyPInvidia-cuda-runtime13.0.96indirecta
PyPInvidia-cudnn-cu139.24.0.43indirecta
PyPInvidia-cufft12.0.0.61indirecta
PyPInvidia-cufile1.15.1.6indirecta
PyPInvidia-curand10.4.0.35indirecta
PyPInvidia-cusolver12.0.4.66indirecta
PyPInvidia-cusparse12.6.3.3indirecta
PyPInvidia-cusparselt-cu130.8.1indirecta
PyPInvidia-nccl-cu132.30.7indirecta
PyPInvidia-nvjitlink13.3.33indirecta
PyPInvidia-nvshmem-cu133.4.5indirecta
PyPInvidia-nvtx13.0.85indirecta
PyPIopenqasm31.0.1indirecta
PyPIorjson3.12.0indirecta
PyPIpackaging26.3indirecta
PyPIparso0.8.7indirecta
PyPIpexpect4.9.0indirecta
PyPIpillow12.3.0indirecta
PyPIplatformdirs4.11.7indirecta
PyPIpluggy1.6.0indirecta
PyPIprompt-toolkit3.0.53indirecta
PyPIprotobuf7.36.1indirecta
PyPIpsutil7.2.2indirecta
PyPIptyprocess0.7.0indirecta
PyPIpure-eval0.2.3indirecta
PyPIpybase641.5.0indirecta
PyPIpybtex0.26.1indirecta
PyPIpybtex-docutils1.0.3indirecta
PyPIpycparser3.0indirecta
PyPIpydantic2.13.5indirecta
PyPIpydantic-core2.46.5indirecta
PyPIpygments2.21.0indirecta
PyPIpyjwt2.13.0indirecta
PyPIpyspnego0.12.2indirecta
PyPIpytest9.1.1indirecta
PyPIpytest-cov7.1.0indirecta
PyPIpython-dateutil2.9.0.post0indirecta
PyPIpython-discovery1.6.0indirecta
PyPIpyyaml6.0.3indirecta
PyPIpyzmq27.2.0indirecta
PyPIqiskit-ibm-runtime0.49.0indirecta
PyPIqiskit-qasm3-import0.6.0indirecta
PyPIqwasm1.0.1indirecta
PyPIreferencing0.37.0indirecta
PyPIrequests2.34.2indirecta
PyPIrequests-ntlm1.3.0indirecta
PyPIroman-numerals4.1.0indirecta
PyPIrpds-py2026.6.3indirecta
PyPIrustworkx0.18.1indirecta
PyPIsamplomatic0.21.0indirecta
PyPIscipy1.17.1indirecta
PyPIscipy1.18.1indirecta
PyPIsetuptools84.0.0indirecta
PyPIsix1.17.0indirecta
PyPIsnowballstemmer3.1.1indirecta
PyPIsoupsieve2.9.2indirecta
PyPIsphinx9.0.4indirecta
PyPIsphinx9.1.0indirecta
PyPIsphinx-autoapi3.8.1indirecta
PyPIsphinx-basic-ng1.0.0b2indirecta
PyPIsphinx-copybutton0.5.2indirecta
PyPIsphinx-design0.7.0indirecta
PyPIsphinx-llm1.0.0indirecta
PyPIsphinx-markdown-builder0.6.11indirecta
PyPIsphinxcontrib-applehelp2.0.0indirecta
PyPIsphinxcontrib-bibtex2.7.0indirecta
PyPIsphinxcontrib-devhelp2.0.0indirecta
PyPIsphinxcontrib-htmlhelp2.1.0indirecta
PyPIsphinxcontrib-jsmath1.0.1indirecta
PyPIsphinxcontrib-qthelp2.0.0indirecta
PyPIsphinxcontrib-serializinghtml2.0.0indirecta
PyPIsphinxext-opengraph0.13.0indirecta
PyPIsqlalchemy2.0.52indirecta
PyPIsspilib0.6.0indirecta
PyPIstable-baselines32.9.0indirecta
PyPIstack-data0.6.3indirecta
PyPIstevedore5.9.1indirecta
PyPIsymengine0.14.1indirecta
PyPIsympy1.14.0indirecta
PyPItabulate0.10.0indirecta
PyPItensorboard-data-server0.7.2indirecta
PyPIthreadpoolctl3.6.0indirecta
PyPItomli2.4.1indirecta
PyPItorch2.14.0indirecta
PyPItornado6.5.8indirecta
PyPItraitlets5.16.1indirecta
PyPItriton3.8.0indirecta
PyPItyping-extensions4.16.0indirecta
PyPItyping-inspection0.4.4indirecta
PyPIurllib32.7.0indirecta
PyPIvirtualenv21.7.8indirecta
PyPIwcwidth0.8.3indirecta
PyPIwerkzeug3.1.8indirecta
PyPIzipp4.1.0indirecta
Avisos de dependencias 0

Instalar pypi:mqt.predictor@2.4.0 arrastra 92 paquetes, directos y transitivos: 0 tienen avisos conocidos, de los cuales 0 son dependencias directas.

Ningún aviso conocido afecta a las dependencias evaluadas.

Un aviso significa que la versión registrada en el grafo de dependencias cae dentro del rango afectado de un aviso. No se analiza la alcanzabilidad, y el grafo incluye fijaciones de desarrollo y prueba: un hallazgo puede referirse al utillaje y no al software distribuido.

Informe JSON sin procesar legible por máquina

Comentarios

¿Algo no cuadra en este informe, o hay ideas que compartir? Mediciones erróneas, herramientas no detectadas, ideas, preguntas: todo es bienvenido. Cada mensaje se lee y recibe respuesta.

El mensaje se conserva durante el inicio de sesión.

Registros relacionados

Repositorios inspeccionados que comparten etiquetas de catálogo o ecosistemas con munich-quantum-toolkit/predictor. Leer en paralelo →

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.Excepcional96munich-quantum-toolkit/qeccMQT QECC - Tools for Quantum Error Correcting CodesExcepcional96munich-quantum-toolkit/qcecMQT QCEC - A Tool for Quantum Circuit Equivalence CheckingExcepcional92munich-quantum-toolkit/problemsolverMQT ProblemSolver - A Tool for Solving Problems Using Quantum ComputingExcelente98PennyLaneAI/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.Excepcional100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Excepcional

Las puntuaciones son señales, no garantías. Reflejan prácticas públicamente visibles en GitHub; no son una auditoría de código ni una garantía de seguridad.

Los datos ausentes se excluyen y los pesos se renormalizan; nunca se puntúan como cero. La metodología es versionada y abierta: métricas v2.10.0, esquema v0.34.0 — metodología completa · wiki de métricas.

Cómo se sitúa un resultado dentro del registro general: estadísticas agregadas — PyPI.