前言
量子计算的泛用性要远低于经典计算，它具有过强的专项设计性，其高效来自于源于物理特性的设置。
国外量子软件研究现况：IBM Q, IonQ， MS Azure， Amazon等…，对于量子计算的仿真实验和编程的平台设定也被分为基于硬件的算法编程和应用阶层的编程。
现在大部分量子计算的大多数仍然停留在硬件层面，包括量子回路，量子计算电路设计，量子传感器等。而提供软件层面编程的量子变成平平台要少得多。目前有MS Azure和Amazon Braket（相对硬件的要少得多）。
软件层面的量子计算主要是基于量子门的，通过量子门对Qbit的数值进行变化，或对量子态进行操作。
正文
量子计算SW
Qiskit：
Qiskit是为了量子物理层面设计的，虽然可以在软件设计上起到仿真的作用，但是向后的更新不利于量子的发现。支持IBM QX服务（量子云服务），支持量子硬件实验和虚拟仿真实验。
Qiskit Composer是一种Drag-and-drop的方式构成的编译系统，用手画图的方式制作量子回路并将量子状态向量在block sphere中以同步可视化的方式呈现的组建。
提供可以满足相位和噪声的编译和Aqua与Terra库，基准测试数据丰富。
并且可以通过slack进行多样的问题解决方式，数据共享渠道多。
Forest：
Rigetti Computng开发的平台，包括Aspen公开的等效性能128Qbit的平台在内，可以与多个其他量子平台进行联动使用。提供了可以反应相位变化的编译模式，量子电路的合成、操作、和优化的编译库，可重复利用效率高。可使用在量子纠错领域。
ScaffCC:
是美国普林斯顿的一群学生以社团形式开发的平台，性能和界面都不够令人满意。量子变成的精确度检查和数据流向溯源为红点进行了开发，并提供不可克隆性，量子纠缠，资源建模和时间分析方法。在性能方面，开发者可以执行类似经典计算的debug方式且可以返回不需要的量子位和们从而减少开销，防止性能低下的问题。
只能做到有限的软件功能，如特定区间内的数值变化。轻量化是它的优点，但是输入的数值需要是一个完整的量子模型，因此对编程者的要求较高。
ProjectQ:
苏黎世工科大学研发的量子平台。对于研究岗位较为常用的SW平台，在可视化方向做的非常好。量子计算工具链始于现有基础设施应用的嵌入式语言,仿真与资源分析做的非常好，硬件等后端也被一起考虑了。
有阶层化的方法论进行建模，并提供可移植性的分析。因此代码移植和再利用性相对于其他模型好得多。
在检错方面，在错误校验阶段前后生成QIR（Quantum Intermediate Representation）和LLQIR（Low-Level QIR）。
t|ket>是英国卡布里奇量子中心开发的一个量子传感器开发平台，重点不在于实现量子算法和基于语言的编程。更多是基于量子门和传感器的模拟平台。是量子设备的性能测试中使用的很好的道具。并且可以与很多其他的量子计算相关平台联动，实现一加一大于二的效果。
Qiskit，Cirq，PyQuil，ProjectQ，PyZX等多样的现存量子平台都可以与该平台联动。以生成NISQ硬件代码为初衷进行设计编译时提高了正确率的并可以进行精度优化。
XACC：
美国能源部支援下Oak Ridge National Laboratory开发的平台。可以与IBM,Rigetti，D-Wave，ionQ平台一起使用且对硬件要求没有制约。承诺提供一个线上的可支援与辅助的量子系统。提供量子电路优化、调度、执行时间的误差校验等功能。是美国国内的企业开发使用的较常用平台，功能齐全但是平台构建体量非常大。但是由于能够非常好的实现量子软件开发，因此可以用于比较量子算法之间的性能差距。
对于量子门的操作可实现功能较多，包括针对固定格式的电路优化，等价比特及量子状态旋转等。
MS Azure Quantum:
提供Q#和量子门开发的功能，据说有加速计算源码的设计。提供支持持续量子应用开发的之间，今后在开发具有扩张性的量子计算机之前，为了研究这种可能对现实世界产生影响的量子解决方案。使用Q#, Qiskit，Criq构建并运行量子APP，可在量子硬件中进行测试与执行。
不适合应用层的算法开发，将数据放入实际设计好的量子回路中进行量子计算实验的平台。包含Visual studio,Vs code, Jupyter notebooks的功能，且对于学生阶段的算法开发和可视化是免费的。
OpenQL：
冰岛Qutech和德普特工大开发的平台，是一个功能齐全的平台，但是处于非公开平台，细节虽然不得而知。但是它可以做到几乎其他平台都可以做到的量子处理。包括硬件和软件。虽然不开源，但是对于应用阶层的已开发算法很多。
已知的功能包括可实现量子编译（应用层的水准），能使用QX仿真实验实现中间量子组合编码的cQASM再生。可移植性好且持续为基因碱基序列分析和金融领域有效的量子算法开发做出贡献.
现在量子算法是为了解决特定问题开发的量子回路，现在的设计几乎没有考虑任何内存和CPU，所以具体到实际商业应用时，无法保证这些算法可以真正跑起来。
