O TensorFlow Quantum é uma biblioteca para machine learning híbrido quântico e 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 machine learning quântico para uma rápida prototipagem de modelos híbridos de ML quântico e clássico. Pesquisas sobre aplicativos e algoritmos quânticos podem aproveitar as estruturas de computação quântica do Google dentro do TensorFlow.

O TensorFlow Quantum se concentra nos dados quânticos e na criação de modelos híbridos quânticos e clássicos. Ele integra algoritmos e lógica de computação quântica desenvolvidos no Cirq e fornece primitivos de computação quântica compatíveis com as APIs atuais do TensorFlow, além de simuladores de circuitos quânticos de alto desempenho. Leia mais no artigo sobre o TensorFlow Quantum.

Comece com a visão geral e depois consulte os tutoriais de notebook.