TensorFlow quantistico

TensorFlow Quantum (TFQ) è un framework Python per l'apprendimento automatico quantistico . Come framework applicativo, TFQ consente ai ricercatori di algoritmi quantistici e ai ricercatori di applicazioni ML di sfruttare i framework di calcolo quantistico di Google, il tutto dall'interno di TensorFlow.

TensorFlow Quantum si concentra sui dati quantistici e sulla costruzione di modelli ibridi quantistici-classici . Fornisce strumenti per interlacciare algoritmi quantistici e logica progettati in Cirq con TensorFlow. Per utilizzare in modo efficace TensorFlow Quantum è necessaria una conoscenza di base dell'informatica quantistica.

Per iniziare con TensorFlow Quantum, consulta la guida all'installazione e leggi alcuni dei tutorial eseguibili del notebook .

Progetto

TensorFlow Quantum implementa i componenti necessari per integrare TensorFlow con l'hardware di calcolo quantistico. A tal fine, TensorFlow Quantum introduce due primitive di tipo dati:

  • Circuito quantistico : rappresenta un circuito quantistico definito da Cirq all'interno di TensorFlow. Crea batch di circuiti di varie dimensioni, simili a batch di diversi punti dati con valori reali.
  • Somma di Pauli —Rappresenta combinazioni lineari di prodotti tensoriali di operatori di Pauli definiti in Cirq. Come i circuiti, crea batch di operatori di varie dimensioni.

Utilizzando queste primitive per rappresentare i circuiti quantistici, TensorFlow Quantum fornisce le seguenti operazioni:

  • Campione dalle distribuzioni di output di lotti di circuiti.
  • Calcolare il valore atteso di lotti di somme di Pauli su lotti di circuiti. TFQ implementa il calcolo del gradiente compatibile con la backpropagation.
  • Simulare lotti di circuiti e stati. Sebbene l’ispezione di tutte le ampiezze degli stati quantistici direttamente attraverso un circuito quantistico sia inefficiente su larga scala nel mondo reale, la simulazione degli stati può aiutare i ricercatori a capire come un circuito quantistico mappa gli stati con un livello di precisione quasi esatto.

Scopri di più sull'implementazione di TensorFlow Quantum nella guida alla progettazione .

Segnala problemi

Segnala bug o richieste di funzionalità utilizzando il tracker dei problemi di TensorFlow Quantum .