ترجمت واجهة Cloud Translation API‏ هذه الصفحة.
Switch to English

TensorFlow Quantum

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 أساسيين من أنواع البيانات:

  • الدائرة الكمومية - تمثل دائرة كمومية محددة باستخدام Cirq داخل TensorFlow. قم بإنشاء دفعات من الدوائر ذات الأحجام المتفاوتة ، على غرار مجموعات من نقاط بيانات ذات قيمة حقيقية مختلفة.
  • 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 اتساعات الحالة الكمومية مباشرة عبر دائرة كمومية غير فعال على نطاق واسع في العالم الحقيقي ، يمكن لمحاكاة الحالة أن تساعد الباحثين على فهم كيف تشير خرائط الدوائر الكمومية إلى 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 .