QuantumCode, một dự án mã nguồn mở mới nổi trên GitHub, đang thu hút sự chú ý lớn từ cộng đồng phát triển AI. Dự án này cung cấp một bộ API đơn giản để tích hợp các thuật toán tối ưu hóa lượng tử vào các mô hình máy học truyền thống. Thay vì yêu cầu người dùng phải hiểu về các qubit hay cổng lượng tử, QuantumCode đóng gói các thuật toán phức tạp thành các hàm Python dễ gọi, ví dụ như 'quantum_optimize(weights)'.
Điểm mạnh của QuantumCode là khả năng hybrid: nó chạy các phần tính toán có thể được hưởng lợi từ tính song song lượng tử trên các máy chủ lượng tử đám mây (như IBM Qiskit hoặc AWS Braket), trong khi phần còn lại của mô hình AI vẫn chạy trên GPU thông thường. Điều này giúp giảm thời gian huấn luyện cho một số loại mô hình tối ưu hóa phức tạp, như bài toán xếp lịch hoặc phân bổ tài nguyên, xuống còn một phần mười so với phương pháp cổ điển.
Hiện tại, QuantumCode đã được nhiều công ty logistics và tài chính quan tâm để tối ưu hóa chuỗi cung ứng. Dự án đang tìm kiếm thêm các nhà phát triển để mở rộng thư viện thuật toán và cải thiện hiệu năng giao tiếp giữa máy tính cổ điển và lượng tử.