谷歌量子计算框架。适用于针对谷歌量子AI硬件、设计考虑噪声的电路或运行量子表征实验。最适合谷歌硬件、噪声建模和底层电路设计。对于IBM硬件，请使用Qiskit；对于使用自动微分的量子机器学习，请使用PennyLane；对于物理模拟，请使用QuTiP。

用于学术研究的全面文献管理。搜索Google Scholar和PubMed中的论文，提取准确的元数据，验证引用信息，并生成格式正确的BibTeX条目。当您需要查找论文、核实引用信息、将DOI转换为BibTeX格式，或确保科学写作中参考文献的准确性时，请使用本功能。

Google NotebookLM 的自托管开源替代品，支持AI驱动的研究与文档分析。适用于将研究资料整理成笔记本、导入多种内容来源（PDF、视频、音频、网页、Office文档），生成AI驱动的笔记与摘要，从研究内容创建多说话者播客，通过上下文感知AI与文档对话，利用全文和向量搜索跨材料检索，或运行自定义内容转换。支持包括OpenAI、Anthropic、Google、Ollama、Groq和Mistral在内的16种以上AI服务商，并通过自托管确保完全的数据隐私。

一种与硬件无关的量子机器学习框架，支持自动微分。适用于通过梯度训练量子电路、构建混合量子-经典模型，或需在IBM/Google/Rigetti/IonQ等设备间实现跨平台兼容的场景。最适合用于变分算法（VQE、QAOA）、量子神经网络，以及与PyTorch/JAX/TensorFlow的集成。如需针对特定硬件的优化，请使用Qiskit（IBM）或Cirq（Google）；如需处理开放量子系统，请使用QuTiP。

IBM 量子计算框架。适用于针对 IBM 量子硬件、使用 Qiskit Runtime 处理生产工作负载，或需要 IBM 优化工具的场景。最适合在 IBM 硬件上执行、量子误差缓解和企业级量子计算。如需使用谷歌硬件，请选用 Cirq；如需基于梯度的量子机器学习，请选用 PennyLane；如需开放量子系统仿真，请选用 QuTiP。

使用 Google 的 TimesFM 基础模型进行零样本时间序列预测。无需训练自定义模型，即可对任何单变量时间序列（如销售、传感器、能源、生命体征、天气）进行预测。支持 CSV/DataFrame/数组输入，提供点预测和预测区间。包含预运行系统检查脚本，可在首次使用前验证内存和 GPU 状态。