TensorFlow Quantum (TFQ) هو إطار Python لتعلم الآلة الكمومية . كإطار عمل للتطبيق ، يسمح TFQ لباحثي الخوارزمية الكمومية وباحثي تطبيقات ML بالاستفادة من أطر الحوسبة الكمومية من Google ، وكل ذلك من داخل TensorFlow.
يركز TensorFlow Quantum على البيانات الكمية وبناء نماذج الكم الكلاسيكية الهجينة . يوفر أدوات لتشذير الخوارزميات الكمومية والمنطق المصمم في Cirq مع TensorFlow. مطلوب فهم أساسي للحوسبة الكمومية لاستخدام TensorFlow Quantum بشكل فعال.
لبدء استخدام TensorFlow Quantum ، راجع دليل التثبيت واقرأ بعض دروس الكمبيوتر الدفتري القابلة للتشغيل.
التصميم
تنفذ TensorFlow Quantum المكونات اللازمة لدمج TensorFlow مع أجهزة الحوسبة الكمومية. لتحقيق هذه الغاية ، يقدم TensorFlow Quantum نوعين من أنواع البيانات الأولية:
- الدائرة الكمومية - تمثل دائرة كمومية محددة باستخدام Cirq داخل TensorFlow. قم بإنشاء دفعات من الدوائر ذات الأحجام المختلفة ، على غرار مجموعات من نقاط بيانات حقيقية القيمة.
- Pauli sum —تمثل مجموعات خطية من منتجات الموتر لمشغلي Pauli المحددة في Cirq. مثل الدوائر ، قم بإنشاء مجموعات من المشغلين بأحجام مختلفة.
باستخدام هذه العناصر الأولية لتمثيل الدوائر الكمية ، يوفر TensorFlow Quantum العمليات التالية:
- عينة من توزيعات الإخراج لدُفعات الدوائر.
- احسب القيمة المتوقعة لدُفعات مجاميع باولي على دفعات من الدوائر. تنفذ TFQ حساب التدرج المتوافق مع backpropagation.
- محاكاة مجموعات الدوائر والحالات. في حين أن فحص جميع سعة الحالة الكمومية مباشرة عبر دائرة كمومية غير فعال على نطاق واسع في العالم الحقيقي ، يمكن لمحاكاة الحالة أن تساعد الباحثين على فهم كيفية وضع خرائط الدوائر الكمومية على مستوى شبه دقيق من الدقة.
اقرأ المزيد عن تنفيذ TensorFlow Quantum في دليل التصميم .
الإبلاغ عن المشكلات
قم بالإبلاغ عن الأخطاء أو طلبات الميزات باستخدام أداة تعقب مشكلات TensorFlow Quantum .