TensorFlow Quantum (TFQ) to framework w języku Python do kwantowego uczenia maszynowego . Jako platforma aplikacji, TFQ umożliwia badaczom algorytmów kwantowych i badaczom aplikacji ML korzystanie ze struktur obliczeń kwantowych Google, a wszystko to z poziomu TensorFlow.
TensorFlow Quantum koncentruje się na danych kwantowych i budowaniu hybrydowych modeli kwantowo-klasycznych . Zapewnia narzędzia do przeplatania algorytmów kwantowych i logiki zaprojektowanych w Cirq z TensorFlow. Do efektywnego korzystania z TensorFlow Quantum wymagana jest podstawowa znajomość obliczeń kwantowych.
Aby rozpocząć pracę z TensorFlow Quantum, zapoznaj się z instrukcją instalacji i przeczytaj niektóre samouczki dotyczące obsługi notebooków .
Projekt
TensorFlow Quantum implementuje komponenty potrzebne do integracji TensorFlow ze sprzętem obliczeniowym kwantowym. W tym celu TensorFlow Quantum wprowadza dwa podstawowe typy danych:
- Obwód kwantowy — reprezentuje obwód kwantowy zdefiniowany przez Cirq w TensorFlow. Twórz partie obwodów o różnej wielkości, podobne do partii różnych punktów danych o wartościach rzeczywistych.
- Suma Pauliego — reprezentuje kombinacje liniowe iloczynów tensorowych operatorów Pauliego zdefiniowanych w Cirq. Podobnie jak obwody, twórz partie operatorów o różnej wielkości.
Używając tych prymitywów do reprezentowania obwodów kwantowych, TensorFlow Quantum zapewnia następujące operacje:
- Próbka z rozkładów wyjściowych partii obwodów.
- Oblicz wartość oczekiwaną partii sum Pauliego w partiach obwodów. TFQ implementuje obliczenia gradientów kompatybilne z propagacją wsteczną.
- Symuluj partie obwodów i stanów. Chociaż sprawdzanie wszystkich amplitud stanów kwantowych bezpośrednio w obwodzie kwantowym jest nieefektywne na dużą skalę w świecie rzeczywistym, symulacja stanu może pomóc badaczom zrozumieć, w jaki sposób obwód kwantowy odwzorowuje stany z niemal dokładną dokładnością.
Przeczytaj więcej o implementacji TensorFlow Quantum w przewodniku projektowym .
Zgłoś problemy
Zgłaszaj błędy lub prośby o funkcje za pomocą narzędzia do śledzenia problemów TensorFlow Quantum .