PennyLane 是一个量子计算库，目标是把量子计算机当作神经网络来训练。它提供量子电路的自动微分、设备无关编程，并与经典机器学习框架集成。
用途：构建和优化量子电路，训练变分量子电路，构建混合量子-经典模型，进行量子化学模拟，并在模拟器或量子硬件上执行。
主要能力：量子电路构建（门、测量、态准备、受控操作、中电路测量、自适应电路）；量子机器学习（PyTorch/JAX 集成、量子神经网络、变分分类器、数据编码、反向传播训练、迁移学习）；量子化学（分子哈密顿量、VQE、UCCSD、几何优化、解离曲线）；设备管理（default.qubit、lightning.qubit、default.mixed 等模拟器及硬件插件）；优化（Adam、梯度下降、动量、RMSProp 等优化器，backprop、parameter-shift、adjoint 等梯度方法，VQE、QAOA 等变分算法）；高级功能（电路模板、变换、脉冲级编程、Catalyst JIT 编译、噪声模型、误差缓解、资源估计）。
使用方式：PennyLane 0.45.0 需要 Python 3.11 或更高版本，安装命令为 uv pip install "pennylane==0.45.0"。硬件插件包括 IBM Quantum、Amazon Braket、Google Cirq、Rigetti Forest、IonQ；高性能本地模拟器为 uv pip install "pennylane-lightning==0.45.0"；Catalyst JIT 编译为 uv pip install "pennylane-catalyst==0.15.0"。基本用法是创建 qml.device，用 @qml.qnode 定义电路，再用优化器迭代更新参数。
适用场景：量子机器学习研究、变分算法训练、量子化学基态能量计算、模拟器与真实硬件之间的迁移。
限制：安装 Qiskit 时依赖关系严格，建议在干净环境中添加或升级；backpropagation 仅适用于模拟器，硬件上应使用 parameter-shift；深电路需注意梯度消失和贫瘠高原；官方文档、教程、社区论坛与 GitHub 资源在资料中给出，但未提供具体收费与价格信息。