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。

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。