TensorFlow Quantum (TFQ) est un framework Python pour l'apprentissage automatique quantique . En tant que framework d'application, TFQ permet aux chercheurs en algorithmes quantiques et aux chercheurs en applications ML d'exploiter les frameworks d'informatique quantique de Google, le tout depuis TensorFlow.
TensorFlow Quantum se concentre sur les données quantiques et la création de modèles hybrides quantiques-classiques . Il fournit des outils pour entrelacer les algorithmes quantiques et la logique conçus dans Cirq avec TensorFlow. Une compréhension de base de l'informatique quantique est requise pour utiliser efficacement TensorFlow Quantum.
Pour démarrer avec TensorFlow Quantum, consultez le guide d'installation et lisez certains des didacticiels sur les notebooks exécutables .
Conception
TensorFlow Quantum implémente les composants nécessaires pour intégrer TensorFlow au matériel informatique quantique. À cette fin, TensorFlow Quantum introduit deux primitives de type de données :
- Circuit quantique : cela représente un circuit quantique défini par Cirq dans TensorFlow. Créez des lots de circuits de différentes tailles, similaires à des lots de différents points de données à valeur réelle.
- Somme de Pauli — Représente des combinaisons linéaires de produits tensoriels d'opérateurs de Pauli définis dans Cirq. Comme pour les circuits, créez des lots d'opérateurs de taille variable.
En utilisant ces primitives pour représenter les circuits quantiques, TensorFlow Quantum fournit les opérations suivantes :
- Échantillon de distributions de sortie de lots de circuits.
- Calculez la valeur attendue des lots de sommes de Pauli sur des lots de circuits. TFQ implémente le calcul de gradient compatible avec la rétropropagation.
- Simulez des lots de circuits et d’états. Bien qu’inspecter toutes les amplitudes des états quantiques directement dans un circuit quantique soit inefficace à grande échelle dans le monde réel, la simulation d’état peut aider les chercheurs à comprendre comment un circuit quantique cartographie les états avec un niveau de précision presque exact.
En savoir plus sur la mise en œuvre de TensorFlow Quantum dans le guide de conception .
Signaler des problèmes
Signalez des bugs ou des demandes de fonctionnalités à l'aide de l' outil de suivi des problèmes TensorFlow Quantum .