PennyLane 是一个量子计算库，目标是让量子计算机像神经网络一样被训练。它提供量子电路的自动微分、设备无关编程，并能与经典机器学习框架无缝集成。
用途与主要能力：构建含门、测量和态制备的量子电路；创建混合量子-经典模型，集成 PyTorch、JAX、TensorFlow，支持量子神经网络、变分分类器与多种数据编码策略；进行量子化学模拟，包括分子哈密顿量生成、VQE、UCCSD 拟设与几何优化；在模拟器或量子硬件上执行，内置 default.qubit、lightning.qubit、default.mixed 等模拟器，并通过插件接入 IBM、Amazon Braket、Google、Rigetti、IonQ 等硬件；使用内置优化器（Adam、梯度下降、动量、RMSProp）和梯度计算方法（反向传播、参数移位、伴随法）训练电路；还提供电路模板、变换、脉冲级编程、Catalyst JIT 编译、噪声模型与资源估计等高级功能。
使用方式：安装可用 uv pip install pennylane；接入硬件需安装对应插件，如 uv pip install pennylane-qiskit、uv pip install amazon-braket-pennylane-plugin、uv pip install pennylane-cirq、uv pip install pennylane-rigetti、uv pip install pennylane-ionq。典型流程是定义 qnode 电路、设置参数并调用优化器迭代更新。
适用场景：量子机器学习研究、变分算法（VQE、QAOA）、量子化学基态能量计算、混合模型训练与硬件后端切换测试。
限制与注意：反向传播通常只在模拟器上有效，硬件上建议使用参数移位；深层电路可能出现贫瘠高原和梯度消失；建议先在模拟器验证再提交硬件，并复用设备对象、用 qml.specs() 分析电路复杂度。官方文档、教程与社区资源见 https://docs.pennylane.ai、https://pennylane.ai/codebook、https://discuss.pennylane.ai 和 https://github.com/PennyLaneAI/pennylane。