TensorFlow Quantum (TFQ) es un marco de Python para el aprendizaje automático cuántico . Como marco de aplicación, TFQ permite a los investigadores de algoritmos cuánticos y de aplicaciones de aprendizaje automático aprovechar los marcos de computación cuántica de Google, todo desde TensorFlow.
TensorFlow Quantum se centra en datos cuánticos y en la construcción de modelos híbridos cuánticos-clásicos . Proporciona herramientas para intercalar algoritmos cuánticos y lógica diseñados en Cirq con TensorFlow. Se requiere una comprensión básica de la computación cuántica para utilizar TensorFlow Quantum de manera efectiva.
Para comenzar con TensorFlow Quantum, consulte la guía de instalación y lea algunos de los tutoriales de portátiles ejecutables.
Diseño
TensorFlow Quantum implementa los componentes necesarios para integrar TensorFlow con hardware de computación cuántica. Con ese fin, TensorFlow Quantum introduce dos primitivos de tipo de datos:
- Circuito cuántico : representa un circuito cuántico definido por Cirq dentro de TensorFlow. Cree lotes de circuitos de diferentes tamaños, similares a lotes de diferentes puntos de datos de valor real.
- Suma de Pauli : representa combinaciones lineales de productos tensoriales de operadores de Pauli definidos en Cirq. Al igual que los circuitos, cree lotes de operadores de distintos tamaños.
Utilizando estas primitivas para representar circuitos cuánticos, TensorFlow Quantum proporciona las siguientes operaciones:
- Muestra de distribuciones de salida de lotes de circuitos.
- Calcule el valor esperado de lotes de sumas de Pauli en lotes de circuitos. TFQ implementa un cálculo de gradiente compatible con la retropropagación.
- Simular lotes de circuitos y estados. Si bien inspeccionar todas las amplitudes de los estados cuánticos directamente a lo largo de un circuito cuántico es ineficiente a escala en el mundo real, la simulación de estados puede ayudar a los investigadores a comprender cómo un circuito cuántico asigna estados a un nivel de precisión casi exacto.
Lea más sobre la implementación de TensorFlow Quantum en la guía de diseño .
Informar problemas
Informe errores o solicitudes de funciones utilizando el rastreador de problemas de TensorFlow Quantum .