利用量子信息的特性来造福机器学习模型可能是量子计算领域最活跃的研究领域。这种兴趣支持了多种软件框架(例如 Qiskit、Pennylane、Braket)的开发,以实现、模拟和执行量子算法。它们中的大多数允许我们定义量子电路、运行基本量子算法并访问低级原语,具体取决于此类软件应该运行的硬件。对于大多数实验,这些框架必须手动集成到更大的机器学习软件管道中。研究人员负责了解不同的软件包,通过开发长代码脚本来集成它们,分析结果并生成图表。长代码通常会导致错误的应用程序,因为平均错误数量与程序长度成正比。此外,其他研究人员将很难理解和重现实验,因为他们需要熟悉实验中涉及的所有不同软件框架