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 .
