TensorFlow Quantum(TFQ)은 양자 머신러닝을 위한 Python 프레임워크입니다. 애플리케이션 프레임워크인 TFQ를 사용하면 양자 알고리즘 연구원과 ML 애플리케이션 연구원이 모두 TensorFlow 내에서 Google의 양자 컴퓨팅 프레임워크를 활용할 수 있습니다.
TensorFlow Quantum은 양자 데이터 및 하이브리드 양자 고전 모델을 빌드하는 데 중점을 둡니다. Cirq에서 설계된 양자 알고리즘과 로직을 TensorFlow와 인터리브하는 도구를 제공합니다. TensorFlow Quantum을 효과적으로 사용하려면 양자 컴퓨팅에 대한 기본적인 이해가 필요합니다.
TensorFlow Quantum을 시작하려면 설치 가이드를 참조하고 실행 가능한 노트북 튜토리얼 중 일부를 읽어보세요.
설계
TensorFlow Quantum은 TensorFlow를 양자 컴퓨팅 하드웨어와 통합하는 데 필요한 구성 요소를 구현합니다. 이를 위해 TensorFlow Quantum은 두 가지 기본 데이터 형식을 도입합니다.
- 양자 회로 — TensorFlow 내의 Cirq 정의 양자 회로를 나타냅니다. 다른 실수값 데이터 포인트의 배치와 유사하게 다양한 크기의 회로 배치를 생성합니다.
- 파울리 합계(Pauli sum) — Cirq에 정의된 파울리 연산자의 텐서 곱의 선형 조합을 나타냅니다. 회로와 마찬가지로 다양한 크기의 연산자 배치를 만듭니다.
이러한 기본 형식으로 양자 회로를 나타내는 TensorFlow Quantum은 다음 연산을 제공합니다.
- 회로 배치의 출력 분포를 샘플링합니다.
- 회로 배치에서 파울리 합계 배치의 기대값을 계산합니다. TFQ는 역전파 호환 그래디언트 계산을 구현합니다.
- 회로 및 상태 배치를 시뮬레이션합니다. 양자 회로 전체에서 직접 모든 양자 상태 진폭을 검사하는 것은 실제 세계에서는 비효율적이지만, 상태 시뮬레이션은 연구원이 양자 회로가 상태를 거의 정확한 수준의 정밀도로 매핑하는 방법을 이해하는 데 도움이 될 수 있습니다.
설계 가이드에서 TensorFlow Quantum 구현에 대해 자세히 알아보세요.
문제 보고
TensorFlow Quantum 문제 추적기로 버그 또는 특성 요청을 보고하세요.