企业官网建设流程全解析

QuTiP 5 量子系统模拟实战指南：从模型契约到求解器选型与收敛审计（scientific-agent-skills 项目 qutip 技能深度解析）

【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000+ scientists worldwide. 165 ready-to-use validated skills plus 100+ scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills

导读

本文以 skills/qutip/SKILL.md 为骨架，系统讲解如何用 QuTiP 5.3 对闭合与开放量子系统模型进行模拟与审计，覆盖确定性演化、量子跳跃轨迹、稳态与谱、相空间可视化等完整工作流。结合仓库中 5 篇参考文档与 6 个本地 CLI 脚本的源码实现，你将掌握"先立模型契约、再按物理选求解器、最后做收敛审计"的可复现科研模拟方法，并学会在物理假设、维度、数值收敛都必须显式交代的本地量子动力学任务中安全落地。

本文所有代码示例与 API 签名均以qutip==5.3.0为准（本技能于 2026-07-23 完成验证）。QuTiP 5.3 要求 Python 3.11 及以上，其必需依赖为 NumPy（>=1.23.2）、SciPy（>=1.9.2，排除1.16.0与1.17.0）以及packaging。

适用范围与边界

本技能适用于有限维量子力学、量子光学、Lindblad 动力学、量子跳跃轨迹、弱耦合 Bloch-Redfield 模型，以及 Floquet、HEOM、置换不变性（PIQS）等专用方法。需要明确的是：QuTiP 本身不是硬件执行 SDK，线路与量子控制功能已迁移到独立的 QuTiP 家族扩展包中，本地模拟绝不能被包装成量子硬件执行。

可复现的 uv 环境快照

技能要求为每次模拟创建独立环境并固定每个直接依赖版本。基础安装：

uv venv --python 3.11 uv pip install "qutip==5.3.0"

需要绘图时安装 graphics 额外项：

uv pip install "qutip[graphics]==5.3.0"

可选的 QuTiP 家族扩展包

扩展包独立版本化，不要与核心包混为一谈：

uv pip install "qutip-qip==0.4.2" uv pip install "qutip-qtrl==0.2.0" uv pip install "qutip-jax==0.1.1"

各包的成熟度与迁移边界（依据仓库 skills/qutip/references/advanced.md 整理的 PyPI 元数据快照）：

对于传递依赖也需要冻结的场景（尤其是 JAX/CuPy 堆栈），技能建议使用项目 lockfile 或uv pip compile哈希校验工作流。仓库脚本 skills/qutip/scripts/_common.py 中通过QUTIP_VERSION = "5.3.0"与PINNED_INSTALL = 'uv pip install "qutip==5.3.0"'把这一版本契约固化进了所有 CLI 脚本：load_qutip()会检查安装版本，若与 5.3.0 不符会直接报错，确保审计结果始终对应钉死的版本。

非协商的模型契约（Non-negotiable Model Contract）

动手求解之前，技能强制要求记录以下 7 项契约，这是整个技能"以审计为核心"方法论的地基：

1. 单位与约定：QuTiP 方程通常设定 (\hbar=1)，哈密顿量元素是角频率，速率具有倒数时间单位。循环频率需用 (2\pi f) 转换，绝不要混用 Hz 与 rad/s。参考文档 skills/qutip/references/core_concepts.md 进一步指出，若时间取 ns，则哈密顿量系数与速率取 ns⁻¹；HEOM 或热谱中的温度只有在显式选定 (k_B=1) 约定时才做相应换算。维度一致性是模型自身的属性，QuTiP 无法替你推断。
2. 子系统顺序：tensor(A, B, C)固定子系统索引0, 1, 2，这个顺序必须在每个态、算符、弛豫通道与偏迹中保持一致。obj.ptrace([0, 2])是保留这些子系统，不是把它们迹掉。
3. 态的有效性：检查 ket 范数或密度矩阵的厄米性、迹为 1、以及高于给定负容差的本征值。微小负值可能是数值噪声；实质性的负性会使声称的态无效。
4. 生成元含义：速率为gamma的 Lindblad 通道用sqrt(gamma) * A表示，不是gamma * A。例如sqrt(gamma_phi / 2) * sigmaz()给出相干衰减 (\exp(-\gamma_\phi t))。参考文档给出更完整的速率约定：若耗散子写作 (\gamma,\mathcal{D}[A]\rho)，就传 (C=\sqrt{\gamma}A)；热振荡器占据数 (n_\mathrm{th}) 对应sqrt(kappa * (n_th + 1)) * a与sqrt(kappa * n_th) * a.dag()两个通道；时变速率 (\gamma(t)) 需要幅度正比于 (\sqrt{\gamma(t)})，因为系数乘的是幅度而非速率。
5. 近似：无论哪里使用了旋转波、Born-Markov、久期（secular）、弱耦合、浴平衡、截断、对称性、初始可分离假设，都要显式声明。
6. 数值方法：说明 Hilbert 截断、输出网格、积分方法、容差、轨迹数与随机种子，并报告result.stats。
7. 收敛性：扫描每一个人为截断量：Fock 维数、时间/频率窗口与间距、ODE 容差、轨迹数、Floquet 谐波、HEOM 深度与浴指数、PIQS 表示等。

Qobj、维度与张量序

优先使用显式导入，同时检查 shape 与结构化维度。仅凭矩阵形状是不够的：两个对象都可能是 6×6，但编码了不同的张量分解。动手构建复合、超算符或通道模型之前，请先通读 skills/qutip/references/core_concepts.md。

from qutip import basis, qeye, sigmaz, tensor psi = tensor(basis(2, 0), basis(3, 1)) z_on_first = tensor(sigmaz(), qeye(3)) assert psi.shape == (6, 1) assert psi.dims == [[2, 3], [1]] assert z_on_first.dims == [[2, 3], [2, 3]] rho_first = psi.proj().ptrace(0) # keep subsystem 0

Qobj 核心 API 速查（来自 core_concepts.md）

关键细节：.ptrace中被选子系统即使以其他顺序传入，也保持原始顺序；需要显式重排时用permute。手动构造原始Qobj时，shape 正确但dims错误会令后续张量积、偏迹、超算符操作全部失效——参考文档对此有专门警告。

态的构造与物理性审计

import numpy as np from qutip import basis, coherent, thermal_dm qubit = (basis(2, 0) + basis(2, 1)).unit() oscillator = coherent(30, 1.5) assert abs(qubit.norm() - 1.0) < 1e-12 rho = thermal_dm(20, 0.7) tol = 1e-10 eigenvalues = np.asarray(rho.eigenenergies(), dtype=float) assert rho.isherm assert abs(complex(rho.tr()) - 1.0) < tol assert eigenvalues.min() >= -tol

容差要与求解器误差和矩阵量级挂钩；应报告最小本征值而不是静默裁剪。常见构造器还包括fock、fock_dm、coherent_dm、maximally_mixed_dm。振荡器构造器使用有限截断——截断后归一化并不证明截断充分，必须扫描截断并监测边界占据、可观测量与态迹。

复合系统与偏迹

from qutip import basis, destroy, qeye, sigmaz, tensor N = 12 psi = tensor(basis(N, 2), basis(2, 0)) # cavity index 0, qubit index 1 a = tensor(destroy(N), qeye(2)) sz = tensor(qeye(N), sigmaz()) assert psi.dims == [[N, 2], [1]] assert a.dims == [[N, 2], [N, 2]] assert sz.dims == a.dims rho = psi.proj() rho_cavity = rho.ptrace(0) rho_qubit = rho.ptrace(1)

李超算符与矢量化的正确姿势

QuTiP 使用按列堆叠的算符矢量化，务必用operator_to_vector/vector_to_operator，不要凭猜测复现 reshape 顺序：

from qutip import liouvillian, operator_to_vector, vector_to_operator L = liouvillian(H, c_ops) rho_vec = operator_to_vector(rho) derivative = L * rho_vec rho_roundtrip = vector_to_operator(rho_vec) assert L.issuper assert (rho_roundtrip - rho).norm() < 1e-12

通道表示转换（choi_to_kraus、choi_to_super、kraus_to_super、super_to_choi、super_to_kraus等）用于检查通道的完全正性与迹保持性，对应属性包括iscp、istp、iscptp。

按物理选择求解器

技能的核心原则：不要仅仅因为某个更专用的求解器存在就去选它。按物理模型匹配：

参考文档 skills/qutip/references/time_evolution.md 补充了两条反模式警示：不要仅为了并行化一个确定性计算而使用mcsolve；不要把brmesolve当作 Lindblad 模型的通用替代品。

QuTiP 5.3 当前求解器签名

sesolve(H, psi0, tlist, *, e_ops=None, args=None, options=None) mesolve(H, rho0, tlist, c_ops=None, *, e_ops=None, args=None, options=None) mcsolve(H, state, tlist, c_ops=(), *, e_ops=None, ntraj=500, args=None, options=None, seeds=None, target_tol=None, timeout=None) brmesolve(H, psi0, tlist, a_ops=None, sec_cutoff=0.1, *, c_ops=None, e_ops=None, args=None, options=None) ssesolve(H, psi0, tlist, sc_ops=(), heterodyne=False, *, e_ops=None, args=None, ntraj=500, options=None, seeds=None, target_tol=None, timeout=None) smesolve(H, rho0, tlist, c_ops=(), sc_ops=(), heterodyne=False, *, e_ops=None, args=None, ntraj=500, options=None, seeds=None, target_tol=None, timeout=None)

注意 5.3 中e_ops、args、options均为仅关键字参数；以任意求解器关键字传选项的旧方式已被移除，旧的qutip.Options导出也已消失，改为传普通字典。

确定性开放系统示例：mesolve

QuTiP 5.3 使用普通选项字典，旧的可变 options 对象已成为历史：

import numpy as np from qutip import basis, mesolve, sigmam, sigmaz omega = 2.0 gamma = 0.15 tlist = np.linspace(0.0, 20.0, 401) excited = basis(2, 0) result = mesolve( 0.5 * omega * sigmaz(), excited, tlist, c_ops=[np.sqrt(gamma) * sigmam()], e_ops={"sigma_z": sigmaz(), "excited": excited.proj()}, options={ "method": "adams", "atol": 1e-10, "rtol": 1e-8, "store_final_state": True, "progress_bar": "", }, ) population = np.asarray(result.e_data["excited"]) assert np.max(np.abs(population - np.exp(-gamma * tlist))) < 2e-6 assert isinstance(result.stats, dict)

示例中的e_ops字典形式对应result.e_data键值访问。当c_ops为空且H不是超算符时，mesolve可能委托给sesolve；若H是显式李超算符，则要说明它是否为合法 Lindblad 形式或刻意近似（见 time_evolution.md）。

若问题刚性（stiff），应对比bdf或lsoda——换积分器必须重跑容差与不变量检查。QuTiP 5.3 还支持options={"matrix_form": True}（mesolve/MESolver的矩阵-矩阵乘法路径，可能降低内存），但在作为默认之前必须做基准与验证。

选项字典与积分器选择

options = { "method": "adams", "atol": 1e-10, "rtol": 1e-8, "nsteps": 10000, "store_states": False, "store_final_state": True, "progress_bar": "", }

常用积分器：adams（许多确定性求解器的非刚性默认）、bdf（刚性系统）、lsoda（刚性/非刚性自动切换）、dop853/vern7/vern9（显式高阶）、diag（常数系统基于对角化）、krylov（适用场景下的 Krylov 演化）。参考文档明确警告：积分器标签不是精度证书，至少要对比两个容差级别并检查警告与 stats，对代表性刚性或困难算例再对比第二种方法。

时变系统与 QobjEvo

优先使用可信的 Pythonic 可调用对象或数值系数数组，绝不要从用户输入构造系数源字符串：

import numpy as np from qutip import QobjEvo, sigmax, sigmaz def envelope(t, amplitude, center, width): return amplitude * np.exp(-0.5 * ((t - center) / width) ** 2) H = QobjEvo( [0.5 * sigmaz(), [sigmax(), envelope]], args={"amplitude": 0.2, "center": 5.0, "width": 1.0}, ) instantaneous_H = H(5.0) H.arguments(amplitude=0.1)

旧的f(t, args)系数签名在 5.3 中已弃用，计划在 5.5 移除；当前形式是f(t, parameter, ...)。参考文档还给出了采样系数形式：传tlist与order（order=0为左值阶梯函数，默认三次样条可能过冲），并提示采样时间必须有序且与系数长度匹配、系数采样的收敛要与求解器输出时间独立地验证。QuTiP 也接受表达式字符串并可能编译它们，但本技能绝不从配置或用户文本构造此类表达式。

轨迹与随机求解器

import numpy as np from qutip import basis, mcsolve, sigmam, sigmaz tlist = np.linspace(0.0, 10.0, 201) result = mcsolve( 0.5 * sigmaz(), basis(2, 0), tlist, [np.sqrt(0.2) * sigmam()], e_ops=[basis(2, 0).proj()], ntraj=400, seeds=20260723, options={"keep_runs_results": False, "progress_bar": ""}, )

必须报告ntraj、result.seeds、不确定性或重复种子敏感性，以及是否保留了单次运行。seeds可以是单个整数/SeedSequence（用于派生各轨迹种子），也可以是每个轨迹一个种子的列表；QuTiP 会把实际使用的种子存入结果。seeds=previous_result.seeds的复用只应在有意做配对轨迹对比时进行——配对运行不是独立重复实验。

轨迹严谨性要点（time_evolution.md）：

• 增大ntraj并报告稳定化结果或目标不确定度；
• 区分轨迹标准差与均值的标准误（简单独立样本下约std / sqrt(ntraj)）；
• 只有确实需要单条轨迹时才开keep_runs_results=True（内存随轨迹数×时间点数增长）；
• target_tol可能提前于ntraj停止，需报告实际运行的轨迹数；
• 混合初始条件会被采样，结果含初始态统计，需显式说明这一额外采样来源。

ssesolve与smesolve使用布尔型heterodyne参数（False为 homodyne，True为 heterodyne），而不是旧的整型噪声码。c_ops是未监测的确定性耗散通道，sc_ops是被监测的随机通道；测量记录可能远大于期望值摘要，按需才存；随机积分步长dt要与ntraj分开收敛。

Bloch-Redfield：brmesolve

import numpy as np from qutip import basis, brmesolve, sigmax, sigmaz def one_sided_spectrum(w): return 0.03 * w if w > 0.0 else 0.0 tlist = np.linspace(0.0, 30.0, 601) result = brmesolve( 0.5 * sigmaz(), basis(2, 0), tlist, a_ops=[(sigmax(), one_sided_spectrum)], e_ops={"z": sigmaz()}, sec_cutoff=0.1, options={"atol": 1e-10, "rtol": 1e-8, "progress_bar": ""}, )

a_ops中的耦合算符通常要求厄米，谱函数是角频率的函数。必查项：弱耦合（Born）、浴记忆远短于系统动力学（Markov）、浴平稳且正/负频约定正确、久期选择（sec_cutoff=-1关闭久期近似可能恶化正定性）、以及全程的迹/厄米性/最小本征值检查。brmesolve可能违反正定性，尤其是未久期化时。

稳态、谱与相空间

import numpy as np from qutip import QFunc, liouvillian, operator_to_vector, qfunc, steadystate rho_ss = steadystate(H, c_ops, method="direct") residual = (liouvillian(H, c_ops) * operator_to_vector(rho_ss)).norm() assert residual < 1e-9 xvec = np.linspace(-5.0, 5.0, 151) Q_once = qfunc(rho_ss, xvec, xvec) q_many = QFunc(xvec, xvec) Q_again = q_many(rho_ss) assert Q_once.shape == (len(xvec), len(xvec))

steadystate 签名与方法

steadystate(A, c_ops=[], *, method="direct", solver=None, **kwargs)

A可以是哈密顿量或李超算符；高层方法包括direct、eigen、svd、power、propagator。必报项（analysis.md）：残差范数与归一化误差、厄米性与最小本征值、方法与线性求解器、矩阵/数据表示与容差、零本征值是否唯一、以及需要唯一性时从多个初态做长时演化对比。小残差不能证明唯一性或物理性——简并稳态空间需要分析李超算符零空间与初态依赖。svd方法为稠密法、面向小系统。对周期驱动系统，静态steadystate一般不是想要的渐近对象；QuTiP 5.3 中steadystate_fourier是当前余弦驱动 Fourier 求解器的名称，steadystate_floquet已弃用。

谱的两条路径

spectrum(H, wlist, c_ops, a_op, b_op, solver="es")计算稳态相关的傅里叶变换，求解策略包括指数级数（"es"）、伪逆（"pi"）与通用线性求解（"solve"）。QuTiP 5 已移除公开的spectrum_ss与spectrum_pi。对有限相关函数的 FFT（spectrum_correlation_fft），必须显式检查尾部衰减、时间步混叠、频率分辨率、窗口敏感性与变换约定——这些检查清单完整列于 skills/qutip/references/analysis.md，包括：要求均匀严格递增的taulist、相关函数在窗口末端已衰减、加倍时间窗口检验频率分辨率、减半时间步检验混叠、对比窗口函数、用解析信号核对正/反变换符号与归一化、不要把零填充当成额外物理分辨率。

相空间数组的轴约定

对于wigner、qfunc与类式QFunc，返回数组元素[j, k]对应yvec[j], xvec[k]（QuTiP 5.3 发布说明明确澄清了该顺序）。因此传xvec给横轴、yvec给纵轴：ax.pcolormesh(xvec, yvec, values, shading="auto")。不要凭习惯转置，用不等长 x/y 实测验证。在 QuTiP 5.3 中QFunc以固定坐标初始化后用态调用，没有.eval方法（该技能从不使用 Python 动态代码执行）。相空间默认缩放为 (a=\tfrac12 g(x+iy), g=\sqrt2)，对应 (\hbar=2/g^2=1)。wigner的方法包括clenshaw（稳健默认，尤其高激发）、iterative、laguerre（稀疏高维态）、fft（内部计算 y 坐标、返回形式不同）；5.3 新增的offset参数支持第一个表示数态非零的 Fock 表示。

更多可视化细节（plot_wigner、Bloch 球、Fock 分布、Hinton/矩阵直方图、result.plot_expect()、多轨迹不确定带、动画与导出规范）参见 skills/qutip/references/visualization.md。

高级方法边界

技能明确划分了专用方法的使用边界（详见 skills/qutip/references/advanced.md）：

• HEOM：从qutip.solver.heom导入（DrudeLorentzBath、HEOMSolver等），QuTiP 4 的 legacynonmarkovHEOM 命名空间已过时。HEOM 收敛需要对max_depth、浴展开数（Nk）、Matsubara 与 Padé 近似、ODE 容差/积分器、系统 Hilbert 截断、时间网格独立扫描。result.states是约化系统态；store_ados=True才存完整辅助密度层级且数据量很大。任意指数展开的构造器为BosonicBath(Q, ck_real, vk_real, ck_imag, vk_imag, combine=True, tag=None)，不要省略虚部系数/频率列表（除非相关函数确实无虚部展开）。
• Floquet：QuTiP 5 的抽象是FloquetBasis，使用前必须数值验证H(t+T)==H(t)、声明准能级分支约定、扫描 Hilbert 截断与预计算网格、检查近简并准能级、并与直接演化对比一个周期。fsesolve处理闭合周期动力学，fmmesolve处理 Floquet-Markov 构造——其耦合算符与谱回调按位置配对，不是普通 Lindblad 通道。5.x 结果态默认在实验室基，store_floquet_state选项控制额外存储。
• PIQS：用from qutip import piqs访问。Dicke.pisolve只是对角态/对角哈密顿量的优化路径（不接受e_ops），一般 Dicke 基动力学用李超算符 +mesolve。使用前验证完全相同的二能级组元与置换对称动力学、区分局域与集体速率、保持dicke或uncoupled基一致、不要把 Dicke 基矩阵维数当作 (2^N)，并在可行时与小全 Hilbert 空间模型对比。
• 非马尔可夫蒙特卡洛：nm_mcsolve适用于速率可变为负的时间局域主方程，输入是算符/速率对集合，不是通用双时浴相关回调。它并不会让任意非马尔可夫模型变得合法。
• 超算符与通道：转换必须用官方函数（choi_to_*、super_to_*等）而非手写 reshape；检查完全正定性与迹保持性。
• 性能边界：mcsolve的并行（map、num_cpus）改变调度与成本，但不改变所需轨迹收敛；parallel_map只执行可信、静态定义的本地函数；大 HEOM、李超算符、稠密对角化与 PIQS/全空间转换可能快速膨胀，构造前先估算维度与内存。

安全本地 CLI：从"仿真"到"审计"的可执行化

技能将方法论固化为 6 个仅本地运行、输出严格 JSON、拒绝非有限 JSON 与未知键、从不加载 pickle 或可执行模型代码的 CLI。模拟相关导入是惰性的，因此每个--help在未安装 QuTiP 时也能工作（skills/qutip/scripts/_common.py 的load_qutip延迟导入并校验版本）。

示例（从仓库根目录执行）：

python skills/qutip/scripts/two_level_simulation.py --help python skills/qutip/scripts/two_level_simulation.py \ --decay-rate 0.2 --t-final 10 --time-points 201 \ --output two-level.json python skills/qutip/scripts/result_audit.py two-level.json

源码级验证：边界与自检

从 skills/qutip/scripts/_common.py 可以看到技能的安全边界被硬编码为显式上限：输入/报告字节上限（1 MiB / 8 MiB）、Hilbert 维数积上限 64、最多 8 个子系统、最多 32 个模型对象、时间点 ≤5001、轨迹 ≤2000、单次扫描运行 ≤6、频率点 ≤10001、速率 ≤10000、时间 ≤100000。checked_input_file拒绝 URL 与符号链接、要求常规本地文件；strict_json_bytes用allow_nan=False与大小上限保证"严格 JSON"；emit_json通过临时文件 +os.replace原子写入。load_json_object通过object_pairs_hook拒绝重复键、通过parse_constant拒绝非标准 JSON 常量。

two_level_simulation.py的运行逻辑可作为"审计式仿真"的样板：它校验求解器必须是mesolve/mcsolve、初态必须是excited/ground/plus、方法必须在{adams, bdf, lsoda, dop853, vern7, vern9}内、atol <= rtol、且mcsolve至少要求一个非零弛豫速率；模型为0.5 * omega * sigma_z + 0.5 * drive * sigma_x，通道为sqrt(decay_rate) * sigma_minus与sqrt(dephasing_rate / 2) * sigma_z，并在报告中给出解析参照（drive == 0时激发态布居精确为 (e^{-\gamma t})）、最大布居界违反量、终态审计（ket 归一化或密度矩阵厄米/迹/最小本征值）以及轨迹统计与种子清单。qobj_model_validator.py则要求模型恰好含一个哈密顿量、一个初态，所有对象维度兼容，collapse 速率非负，并为速率通道显式记录"scaling": "sqrt(rate) * operator"的生成元语义——这正是"模型契约"中第 4 条的可执行化。

solver_config_planner.py支持closed、lindblad、quantum-jump、bloch-redfield、diffusive、periodic-closed、periodic-open、heom、piqs共 9 类模型，并自动给出"刚性选bdf、否则adams"的方法建议（默认atol=1e-10, rtol=1e-8），使"按物理选求解器"可被脚本化为检查清单。

完成检查清单

• 记录单位、(\hbar)、张量顺序、初态、通道与模型假设。
• 验证厄米性、范数/迹、正定性、维度与生成元单位。
• 钉死 QuTiP 与直接扩展版本；记录平台、Python、NumPy、SciPy 版本。
• 检查结果 options 与 stats；不要假定态已被存储。
• 执行截断、网格、容差/积分器与随机收敛扫描。
• 将可移植的数值/配置摘要保存为 JSON 或文本。不要加载不可信的 QuTiP 对象/结果文件——对象序列化可能执行代码。

深入阅读指引

• skills/qutip/references/core_concepts.md — Qobj、维度、张量积、态、通道与单位约定
• skills/qutip/references/time_evolution.md — 当前求解器签名、选项、结果、QobjEvo、轨迹与数值控制
• skills/qutip/references/analysis.md — 物理态审计、稳态、相关函数、谱与收敛
• skills/qutip/references/visualization.md — Wigner、Q 函数、QFunc、Bloch、结果与矩阵绘图
• skills/qutip/references/advanced.md — Bloch-Redfield、随机、Floquet、HEOM、PIQS 与 QuTiP 家族包边界
• skills/qutip/scripts/_common.py — 所有 CLI 共享的有界输入/输出与严格 JSON 基础设施
• skills/qutip/scripts/two_level_simulation.py — "审计式仿真"的完整可执行样例

本文涉及的版本与 API 事实均于 2026-07-23 依据 QuTiP 5.3.0 官方 PyPI 元数据、发布说明与 API 文档核实，并已在上述仓库文件中固化；运行与配置时请以当前仓库的钉死版本为准。

【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000+ scientists worldwide. 165 ready-to-use validated skills plus 100+ scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills