ควอนตัมเทนเซอร์โฟลว์

TensorFlow Quantum (TFQ) เป็นเฟรมเวิร์ก Python สำหรับ การเรียนรู้ของเครื่องควอนตัม ในฐานะเฟรมเวิร์กแอปพลิเคชัน TFQ ช่วยให้นักวิจัยอัลกอริทึมควอนตัมและนักวิจัยแอปพลิเคชัน ML ใช้ประโยชน์จากเฟรมเวิร์กการประมวลผลควอนตัมของ Google ทั้งหมดนี้จากภายใน TensorFlow

TensorFlow Quantum มุ่งเน้นไปที่ ข้อมูลควอนตัม และการสร้าง โมเดลควอนตัมคลาสสิกแบบไฮบริด มีเครื่องมือในการแทรกอัลกอริธึมควอนตัมและตรรกะที่ออกแบบใน Cirq ด้วย TensorFlow จำเป็นต้องมีความเข้าใจพื้นฐานเกี่ยวกับการคำนวณควอนตัมจึงจะใช้ TensorFlow Quantum ได้อย่างมีประสิทธิภาพ

หากต้องการเริ่มต้นใช้งาน TensorFlow Quantum โปรดดู คู่มือการติดตั้ง และอ่าน บทช่วยสอนสมุดบันทึก ที่รันได้บางส่วน

ออกแบบ

TensorFlow Quantum ใช้ส่วนประกอบที่จำเป็นในการผสานรวม TensorFlow เข้ากับฮาร์ดแวร์การประมวลผลควอนตัม ด้วยเหตุนี้ TensorFlow Quantum จึงแนะนำประเภทข้อมูลพื้นฐานสองประเภท:

• วงจรควอนตัม — นี่แสดงถึงวงจรควอนตัมที่กำหนดโดย Cirq ภายใน TensorFlow สร้างชุดวงจรที่มีขนาดแตกต่างกัน คล้ายกับชุดของจุดข้อมูลมูลค่าจริงที่แตกต่างกัน
• ผลรวมของเพาลี - แสดงถึงผลรวมเชิงเส้นของผลิตภัณฑ์เทนเซอร์ของตัวดำเนินการเพาลีที่กำหนดใน Cirq เช่นเดียวกับวงจร สร้างชุดตัวดำเนินการที่มีขนาดแตกต่างกัน

การใช้พื้นฐานเหล่านี้เพื่อแสดงวงจรควอนตัม TensorFlow Quantum ให้การดำเนินการต่อไปนี้:

• ตัวอย่างจากการกระจายเอาท์พุตของชุดวงจร
• คำนวณค่าคาดหวังของชุดของผลรวมของ Pauli บนชุดของวงจร TFQ ใช้การคำนวณการไล่ระดับสีที่เข้ากันได้กับ backpropagation
• จำลองชุดวงจรและสถานะ แม้ว่าการตรวจสอบแอมพลิจูดของสถานะควอนตัมทั้งหมดโดยตรงตลอดวงจรควอนตัมนั้นไม่มีประสิทธิภาพในขนาดในโลกแห่งความเป็นจริง การจำลองสถานะสามารถช่วยให้นักวิจัยเข้าใจว่าวงจรควอนตัมจะแมปสถานะให้มีระดับความแม่นยำใกล้เคียงกันได้อย่างไร

อ่านเพิ่มเติมเกี่ยวกับการใช้งาน TensorFlow Quantum ใน คู่มือการออกแบบ

รายงานปัญหา

รายงานจุดบกพร่องหรือคำขอคุณสมบัติโดยใช้ เครื่องมือติดตามปัญหา TensorFlow Quantum