TensorFlow Quantum è una libreria per l'apprendimento automatico ibrido quantistico-classico.
# A hybrid quantum-classical model. model = tf.keras.Sequential([ # Quantum circuit data comes in inside of tensors. tf.keras.Input(shape=(), dtype=tf.dtypes.string), # Parametrized Quantum Circuit (PQC) provides output # data from the input circuits run on a quantum computer. tfq.layers.PQC(my_circuit, [cirq.Z(q1), cirq.X(q0)]), # Output data from quantum computer passed through model. tf.keras.layers.Dense(50) ])
TensorFlow Quantum (TFQ) è una libreria di machine learning quantistica per la prototipazione rapida di modelli ML ibridi quantistici-classici. La ricerca su algoritmi e applicazioni quantistiche può sfruttare i framework di calcolo quantistico di Google, il tutto dall'interno di TensorFlow.
TensorFlow Quantum si concentra sui dati quantistici e sulla costruzione di modelli ibridi quantistici-classici . Integra algoritmi e logica di calcolo quantistico progettati in Cirq e fornisce primitive di calcolo quantistico compatibili con le API TensorFlow esistenti, insieme a simulatori di circuiti quantistici ad alte prestazioni. Maggiori informazioni nel white paper TensorFlow Quantum .
Inizia con la panoramica , quindi esegui i tutorial del notebook .
