TensorFlow Quantum (TFQ) היא מסגרת פיתון ללימוד מכונה קוונטית . כמסגרת יישומים, TFQ מאפשרת לחוקרי אלגוריתמים קוונטיים ולחוקרי יישומי ML למנף את מסגרות המחשוב הקוונטי של גוגל, הכל מתוך TensorFlow.
TensorFlow Quantum מתמקד בנתונים קוונטיים ובבניית מודלים קוונטיים קלאסיים היברידיים . הוא מספק כלים אלגוריתמים קוונטיים interleave ולוגיקה מעוצב Cirq עם TensorFlow. נדרשת הבנה בסיסית של מחשוב קוונטי בכדי להשתמש ביעילות ב- TensorFlow Quantum.
כדי להתחיל בעבודה עם TensorFlow Quantum, עיין במדריך ההתקנה וקרא כמה מדריכי המחשב הניתנים להפעלה.
לְעַצֵב
TensorFlow Quantum מיישם את הרכיבים הדרושים לשילוב TensorFlow עם חומרת מחשוב קוונטית. לשם כך, TensorFlow Quantum מציג שני פרימיטיבים מסוג נתונים:
- מעגל קוונטי - זה מייצג מעגל קוונטי המוגדר על ידי Cirq בתוך TensorFlow. צור קבוצות של מעגלים בגודל משתנה, בדומה לקבוצות של נקודות נתונים שונות בעלות ערך אמיתי.
- סכום פאולי - שילובים לינאריים של מוצרי טנסור של מפעילי פאולי שהוגדרו ב- Cirq. כמו מעגלים, צור קבוצות של מפעילים בגודל שונה.
באמצעות פרימיטיבים אלה לייצוג מעגלים קוונטיים, TensorFlow Quantum מספק את הפעולות הבאות:
- דוגמה מהפצות פלט של קבוצות מעגלים.
- חשב את ערך הצפי של קבוצות של סכומי פאולי על קבוצות של מעגלים. TFQ מיישם חישוב שיפוע תואם backpropagation.
- לדמות קבוצות של מעגלים ומצבים. בעוד שבדיקת כל משרעות המצב הקוונטי ישירות לאורך מעגל קוונטי איננה יעילה בקנה מידה בעולם האמיתי, סימולציה של המדינה יכולה לעזור לחוקרים להבין כיצד מעגל קוונטי ממפה מצבים ברמת דיוק כמעט מדויקת.
קראו עוד על הטמעת TensorFlow Quantum במדריך העיצוב .
דווח על בעיות
דווח על באגים או בקשות תכונות באמצעות גשש הבעיות הקוונטי של TensorFlow .