TensorFlow Quantum é uma biblioteca para aprendizado de máquina híbrido quântico-clássico.

# 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)
])

O TensorFlow Quantum (TFQ) é uma biblioteca de aprendizado de máquina quântica para prototipagem rápida de modelos híbridos de ML clássico quântico. A pesquisa em algoritmos e aplicativos quânticos pode aproveitar as estruturas de computação quântica do Google, tudo no TensorFlow.

O TensorFlow Quantum se concentra em dados quânticos e na construção de modelos híbridos quânticos clássicos . Ele integra algoritmos e lógica de computação quântica projetados no Cirq e fornece primitivas de computação quântica compatíveis com as APIs TensorFlow existentes, juntamente com simuladores de circuito quântico de alto desempenho. Leia mais no white paper do TensorFlow Quantum .

Comece com a visão geral e, em seguida, execute os tutoriais do notebook .