TensorFlow Quantum

TensorFlow Quantum (TFQ) es un marco de Python para el aprendizaje automático cuántico . Como marco de aplicación, TFQ permite a los investigadores de algoritmos cuánticos y de aplicaciones de ML aprovechar los marcos de computación cuántica de Google, todo desde TensorFlow.

TensorFlow Quantum se centra en los datos cuánticos y en la construcción de modelos híbridos cuánticos-clásicos . Proporciona herramientas para intercalar algoritmos cuánticos y lógica diseñados en Cirq con TensorFlow. Se requiere una comprensión básica de la computación cuántica para usar TensorFlow Quantum de manera efectiva.

Para comenzar con TensorFlow Quantum, consulte la guía de instalación y lea algunos de los tutoriales de notebook ejecutables.

Diseño

TensorFlow Quantum implementa los componentes necesarios para integrar TensorFlow con hardware de computación cuántica. Con ese fin, TensorFlow Quantum presenta dos primitivas de tipo de datos:

  • Circuito cuántico: representa un circuito cuántico definido por Cirq dentro de TensorFlow. Cree lotes de circuitos de diferentes tamaños, similares a lotes de diferentes puntos de datos de valor real.
  • Suma de Pauli: representa combinaciones lineales de productos tensoriales de operadores de Pauli definidos en Cirq. Al igual que los circuitos, cree lotes de operadores de diferentes tamaños.

Con estas primitivas para representar circuitos cuánticos, TensorFlow Quantum proporciona las siguientes operaciones:

  • Muestra de distribuciones de salida de lotes de circuitos.
  • Calcule el valor esperado de lotes de sumas de Pauli en lotes de circuitos. TFQ implementa el cálculo de gradiente compatible con retropropagación.
  • Simular lotes de circuitos y estados. Si bien inspeccionar todas las amplitudes de estado cuántico directamente a través de un circuito cuántico es ineficiente a escala en el mundo real, la simulación de estado puede ayudar a los investigadores a comprender cómo un circuito cuántico mapea estados a un nivel casi exacto de precisión.

Obtenga más información sobre la implementación de TensorFlow Quantum en la guía de diseño .

Informar problemas

Informar errores o solicitudes de funciones con el rastreador de problemas de TensorFlow Quantum .