TensorFlow Quantum (TFQ) là một khung Python dành cho học máy lượng tử . Là một khung ứng dụng, TFQ cho phép các nhà nghiên cứu thuật toán lượng tử và nhà nghiên cứu ứng dụng ML tận dụng các khung điện toán lượng tử của Google, tất cả đều từ bên trong TensorFlow.
TensorFlow Quantum tập trung vào dữ liệu lượng tử và xây dựng các mô hình cổ điển-lượng tử lai . Nó cung cấp các công cụ để xen kẽ các thuật toán lượng tử và logic được thiết kế trong Cirq với TensorFlow. Cần có hiểu biết cơ bản về điện toán lượng tử để sử dụng TensorFlow Quantum một cách hiệu quả.
Để bắt đầu với TensorFlow Quantum, hãy xem hướng dẫn cài đặt và đọc qua một số hướng dẫn về sổ ghi chép có thể chạy được.
Thiết kế
TensorFlow Quantum triển khai các thành phần cần thiết để tích hợp TensorFlow với phần cứng điện toán lượng tử. Để đạt được mục tiêu đó, TensorFlow Quantum giới thiệu hai kiểu dữ liệu nguyên thủy:
- Mạch lượng tử —Đây là mạch lượng tử được xác định bằng Cirq trong TensorFlow. Tạo các lô mạch có kích thước khác nhau, tương tự như các lô điểm dữ liệu có giá trị thực khác nhau.
- Tổng Pauli —Biểu diễn các tổ hợp tuyến tính của tích tensor của các toán tử Pauli được xác định trong Cirq. Giống như các mạch điện, tạo ra các nhóm toán tử có kích thước khác nhau.
Sử dụng các nguyên hàm này để biểu diễn các mạch lượng tử, TensorFlow Quantum cung cấp các hoạt động sau:
- Mẫu từ phân phối đầu ra của lô mạch.
- Tính giá trị kỳ vọng của các tổng Pauli trên các lô mạch. TFQ thực hiện tính toán độ dốc tương thích với lan truyền ngược.
- Mô phỏng hàng loạt mạch và trạng thái. Mặc dù việc kiểm tra trực tiếp tất cả biên độ trạng thái lượng tử trong toàn bộ mạch lượng tử là không hiệu quả ở quy mô lớn trong thế giới thực, nhưng mô phỏng trạng thái có thể giúp các nhà nghiên cứu hiểu cách mạch lượng tử ánh xạ các trạng thái tới mức độ chính xác gần như chính xác.
Đọc thêm về cách triển khai Lượng tử TensorFlow trong hướng dẫn thiết kế .
Báo cáo vấn đề
Báo cáo lỗi hoặc yêu cầu tính năng bằng cách sử dụng trình theo dõi vấn đề TensorFlow Quantum .