100 道来自真实研发场景的开放题，覆盖生物医药、应用材料、强关联模型与动力学，以及优化、振幅估计和线性求解等交叉方向。我们把这些题目开放给量子开源社区：欢迎提交解法，也欢迎提交负结果。被采纳的解法会逐步沉淀为可复用的 skills。
release/promo/index.html 是一页可以单独打开的展示页：100 道题按领域排成题板，点任意一格直接打开这道题。题库是「左列表 + 右详情」双栏：详情里有五段题面、验收标准和现有参照摘要，可按领域、难度筛选或搜索，用 ↑ ↓ 键逐题浏览，每题可用 #p-<题号> 直接链接。题板上带绿点的是热身题，「从热身题开始」一节给出 starter 的运行方式。在线版本见 qaidao.github.io/100-skills：main 上的展示页一变，pages 工作流 先跑浏览器检查，通过后自动发布；线上 version.txt 记着对应的提交。
- 怎么打开：直接访问 qaidao.github.io/100-skills。GitHub 不渲染仓库里的 HTML，点开看到的是源码；也可以下载这个文件用浏览器打开，它是自包含的单文件。
- 页面里的链接：「在 GitHub 查看完整题面」「开 issue 讨论这道题」「提交解法」都指向本仓库，需要有仓库访问权限。
- 发布稿：配套的文字版见 release/promo/发布稿.md。
科学能力与 100 案例图文展示 提供机制图卡片、场景入口、搜索与证据详情，适合演示与交流。含原版演示册的离线展示包不放入仓库，另行分发；版本与证据范围见 展示说明。
| 环节 | 回答什么 |
|---|---|
| 研究体系 | 要算的到底是哪个分子、材料、模型或数据集 |
| 可观测量 | 用什么数值回答问题：能垒、谱峰、S 矩阵、转移速率…… |
| 经典基线 | 同一问题上 DFT、CCSD(T)、DMRG、AFQMC 等经典方法能做到哪里 |
| 量子方法的角色 | QPE、VQE、SQD、退火、振幅估计等方法放在哪一步 |
| 研发决策 | 结果最终支撑哪一个判断 |
每题还有「什么算解」的五条验收标准，以及「现有参照」：100 题中有 76 题附有我们在经典计算机上完成的计算与模拟记录，包括没通过的检验。参照只用于对照和复用，不代表最优解。
举几个例子：
- M01 Ru–Triphos 催化 CO₂ 制甲醇：关键中间体与过渡态的相对电子能和能垒，经典端为 DFT、CCSD(T) 与 DMRG，量子端为双因子化哈密顿量加 QPE。
- B32 血蓝蛋白 Cu₂O₂：双铜氧桥的 Anderson 杂质模型，论文附录公开了 6、8、14 比特哈密顿量；先以精确对角化为基准，再看 VQE 的能量与杂质自旋关联对噪声和比特排布有多敏感。
- F16 态到态反应散射：H + H₂ 的复数 S 矩阵和分支概率，判断哪些产物通道被打开、是否存在共振。
| 领域 | 目录 | 题数 | 有执行记录 |
|---|---|---|---|
| 生物医药 | problems/biomedicine | 31 | 24 |
| 应用材料 | problems/applied-materials | 30 | 22 |
| 材料模型与动力学 | problems/model-dynamics | 23 | 17 |
| 交叉方向与算法 | problems/extensions | 16 | 13 |
第一次参与，从 入门轨道 开始：每道题都标了难度（热身 / 进阶 / 前沿）和背景，热身题输入公开、笔记本能跑。比如：
python starters/B16/run.py大约 40 秒，就能复现 B16 现有参照里的数字：CAS(2e,2o) 能量与两比特 VQE 能量。之后：
- 从 starter 的「下一步」里挑一个方向，或者另选一道题读它的
PROBLEM.md； - 用
python3 -I release/tools/new_solution.py <题号> <你的名字>-<短名>建好解法目录，按 CONTRIBUTING.md 填写； - 运行
python3 -I release/tools/check_submissions.py --root .，然后开 PR。
B16 入门示例解法 演示了一份小解法怎么写。
解法经过审核、独立复现、采纳三步。同一类方法积累到足够多的采纳解法后，会按 skills/README.md 提炼为 skill，并署名所有来源作者。
- 现有参照全部来自经典计算机上的计算与模拟，不包含真机结果，也不声称量子优势。
- 按项目当前记录，原应用目标完成数为 0：这些题目都还开放着。
- 原始数据、大型数组和第三方数据集不随题库发布。参照报告正文里提到的结果文件与路径只作说明，题库本身不链接、也不依赖任何未公开的文件。
题面、图示和文档采用 CC BY 4.0（LICENSE-CONTENT）；代码采用 Apache-2.0（LICENSE）。贡献需要 DCO 签名。
题库的权威源就在 problems/ 里，每题目录中的 problem.json（题面、难度标签、基准输入、版本号）、BACKGROUND.md（原案例说明）、REFERENCE.md（现有参照）和 SVG 图可以直接修改，改动走 PR；改了源要把该题 version 加 1。PROBLEM.md、各级 INDEX.md 与 release/stats.json 由 python3 -I release/tools/build_problems.py 只从这些公开文件确定性生成，不能手改；CI 用 --check 确认生成物与源同步、改过的题升了版本。维护者的研究原件（约 207G）不入库，构建不读取；新的研究结果整理成 REFERENCE.md 后和其他改动一样提交。
展示页 release/promo/index.html 由 release/tools/build_promo.py 从 problems/ 生成，同样不能手改；release/tools/verify_promo.mjs 做三种宽度的浏览器检查。首屏截图 release/promo/preview.png 不是自动产物，页面首屏变化后需要重新截取。
100-skills publishes 100 open research problems in quantum and scientific computing, drawn from real R&D settings across drug discovery, applied materials, strongly correlated models and dynamics, and cross-cutting algorithms (optimization, linear solvers, sampling). Each problem states the physical system, the target observable, the classical baselines, the intended role of quantum methods, and the decision the result should support. It also gives five acceptance criteria and our existing reference runs (76 of 100, all classical computation or simulation, failures included; none of the original application goals is solved yet). Contributions, including negative results, are welcome: see CONTRIBUTING.md. Accepted solutions will be distilled into reusable skills under skills/. Problem statements are currently in Chinese; English versions are planned for the next release. Content is CC BY 4.0; code is Apache-2.0.