TensorFlow Quantum

TensorFlow Quantum (TFQ) è un framework Python per l'apprendimento automatico quantistico . Come framework applicativo, TFQ consente ai ricercatori di algoritmi quantistici e ai ricercatori di applicazioni ML di sfruttare i framework di calcolo quantistico di Google, il tutto da TensorFlow.

TensorFlow Quantum si concentra sui dati quantistici e sulla creazione di modelli ibridi quantistici classici . Fornisce strumenti per intercalare algoritmi quantistici e logica progettati in Cirq con TensorFlow. Per utilizzare in modo efficace TensorFlow Quantum è necessaria una conoscenza di base del calcolo quantistico.

Per iniziare con TensorFlow Quantum, vedere la guida all'installazione e leggere alcuni dei tutorial eseguibili per notebook .

Design

TensorFlow Quantum implementa i componenti necessari per integrare TensorFlow con l'hardware di calcolo quantistico. A tal fine, TensorFlow Quantum introduce due primitive di tipi di dati:

  • Circuito quantistico: rappresenta un circuito quantistico definito da Cirq all'interno di TensorFlow. Crea batch di circuiti di dimensioni variabili, simili a batch di diversi datapoint a valori reali.
  • Somma di Pauli: rappresentano le combinazioni lineari dei prodotti tensoriali degli operatori di Pauli definiti in Cirq. Come i circuiti, crea batch di operatori di dimensioni variabili.

Utilizzando queste primitive per rappresentare circuiti quantistici, TensorFlow Quantum fornisce le seguenti operazioni:

  • Campione da distribuzioni di output di lotti di circuiti.
  • Calcola il valore atteso di lotti di somme Pauli su lotti di circuiti. TFQ implementa il calcolo del gradiente compatibile con la backpropagation.
  • Simula lotti di circuiti e stati. Mentre l'ispezione di tutte le ampiezze degli stati quantistici direttamente in un circuito quantistico è inefficiente su scala nel mondo reale, la simulazione dello stato può aiutare i ricercatori a capire come un circuito quantistico mappa gli stati con un livello di precisione quasi esatto.

Ulteriori informazioni sull'implementazione di TensorFlow Quantum nella guida alla progettazione .

Segnala problemi

Segnala bug o richieste di funzionalità utilizzando il tracker dei problemi di TensorFlow Quantum .