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.