TensorFlow Quantum (TFQ) هو إطار عمل Python لتعلم الآلة الكمومية . كإطار تطبيقي، يسمح TFQ لباحثي الخوارزميات الكمومية وباحثي تطبيقات تعلم الآلة بالاستفادة من أطر الحوسبة الكمومية من Google، كل ذلك من داخل TensorFlow.
يركز TensorFlow Quantum على البيانات الكمومية وبناء نماذج الكم الكلاسيكية الهجينة . يوفر أدوات لتشذير الخوارزميات الكمومية والمنطق المصمم في Cirq مع TensorFlow. مطلوب فهم أساسي للحوسبة الكمومية لاستخدام TensorFlow Quantum بشكل فعال.
للبدء في استخدام TensorFlow Quantum، راجع دليل التثبيت واقرأ بعض البرامج التعليمية الخاصة بدفتر الملاحظات القابل للتشغيل.
تصميم
يقوم TensorFlow Quantum بتنفيذ المكونات اللازمة لدمج TensorFlow مع أجهزة الحوسبة الكمومية. ولتحقيق هذه الغاية، يقدم TensorFlow Quantum نوعين من البيانات الأولية:
- الدائرة الكمومية - تمثل دائرة كمية محددة بواسطة Cirq داخل TensorFlow. قم بإنشاء دفعات من الدوائر ذات أحجام مختلفة، مماثلة لمجموعات من نقاط البيانات ذات القيمة الحقيقية المختلفة.
- مجموع باولي - يمثل مجموعات خطية من منتجات موتر مشغلي باولي المحددة في Cirq. مثل الدوائر، قم بإنشاء مجموعات من المشغلين بأحجام مختلفة.
باستخدام هذه البدائيات لتمثيل الدوائر الكمومية، يوفر TensorFlow Quantum العمليات التالية:
- عينة من توزيعات الإخراج لدفعات من الدوائر.
- احسب القيمة المتوقعة لدفعات مبالغ باولي على دفعات من الدوائر. ينفذ TFQ حساب التدرج المتوافق مع الانتشار العكسي.
- محاكاة دفعات من الدوائر والدول. في حين أن فحص جميع سعات الحالة الكمومية مباشرة عبر الدائرة الكمومية غير فعال على نطاق واسع في العالم الحقيقي، فإن محاكاة الحالة يمكن أن تساعد الباحثين على فهم كيفية قيام الدائرة الكمومية بتعيين الحالات إلى مستوى قريب من الدقة.
اقرأ المزيد حول تطبيق TensorFlow Quantum في دليل التصميم .
الإبلاغ عن المشكلات
قم بالإبلاغ عن الأخطاء أو طلبات الميزات باستخدام أداة تعقب المشكلات TensorFlow Quantum .