TensorFlow Quantum es una biblioteca para el aprendizaje automático híbrido cuántico-clásico.
# 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) es una biblioteca de aprendizaje automático cuántico para la creación rápida de prototipos de modelos híbridos de aprendizaje automático cuántico-clásico. La investigación en aplicaciones y algoritmos cuánticos puede aprovechar los marcos de computación cuántica de Google, todo desde TensorFlow.
TensorFlow Quantum se centra en los datos cuánticos y en la creación de modelos híbridos cuánticos-clásicos . Integra lógica y algoritmos de computación cuántica diseñados en Cirq , y proporciona primitivas de computación cuántica compatibles con las API de TensorFlow existentes, junto con simuladores de circuitos cuánticos de alto rendimiento. Obtenga más información en el documento técnico de TensorFlow Quantum .
Comience con la descripción general , luego ejecute los tutoriales del cuaderno .
