Apache-2.0official genQC UnitaryCLIPPartialNoiseCompilationCirDiT + safetensors + torch_npuvendor/genqc,固定提交 04d147893740461c0a4fa8b12442f30d58987a47Apache-2.0torch_npu / npu:0本作品在大赛官方远端 Ascend Model Agent 的 Ascend910 上加载真实 checkpoint,并完成 三到五量子比特多模态电路编译扩散模型完整前向推理。CPU fallback 被禁止;模型、输入与输出设备信息、权重加载审计、输出统计、软件版本和耗时均固化在 evidence/result.json。
固定官方提交 bd2c9683 的 765,519,544 字节主 checkpoint、两项辅助权重与配置逐项 SHA-256;以零缺失、零多余、零不匹配严格加载 186,142,984 参数,并在 npu:0 完成包含 UnitaryTextEncoder、packing、core 与 unpacking 的顶层完整前向。
远端环境应预先安装版本匹配的 CANN、PyTorch 与 torch_npu,不要用普通 pip install 覆盖官方运行时。
python3 -m pip install -r requirements.txt
python3 inference.py --model-dir /tmp/atomgit/prep_phase4/row96-floki00-cirdit-v1-1 --source-root vendor/genqc --out outputs/result.json
npu-smi info
cat outputs/result.jsonnpu:0[1,5,32,16][1,5,32,16]554.731 ms9fe6326a260eee854e71d02075f89a2d9e79c10be2d77e9fea4cd27a856ffef9evidence/result.json 是机器可读事实源;三张证据图分别呈现 Agent 适配流程、NPU 设备闭环和模型输出结果。
npu:0

