Questa pagina è stata tradotta dall'API Cloud Translation.
Switch to English

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, tutti all'interno di TensorFlow.

TensorFlow Quantum si concentra sui dati quantistici e sulla costruzione di modelli ibridi quantistici classici . Fornisce strumenti per intercalare algoritmi e logiche quantistiche 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, consultare la guida all'installazione e leggere alcuni tutorial del notebook eseguibili.

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 quantico definito da Cirq all'interno di TensorFlow. Crea lotti di circuiti di dimensioni variabili, in modo simile a lotti di diversi punti dati con valori reali.
  • Somma di Pauli: rappresenta le combinazioni lineari dei prodotti tensoriali degli operatori Pauli definiti in Cirq. Come i circuiti, creare gruppi di operatori di dimensioni variabili.

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

  • Campione da distribuzioni di output di lotti di circuiti.
  • Calcola il valore di aspettativa di lotti di somme di Pauli su lotti di circuiti. TFQ implementa il calcolo del gradiente compatibile con la backpropagation.
  • Simula lotti di circuiti e stati. Mentre ispezionare tutte le ampiezze dello stato quantico direttamente attraverso un circuito quantistico è inefficiente su scala nel mondo reale, la simulazione dello stato può aiutare i ricercatori a capire come le mappe di un circuito quantistico si attestano su un livello quasi esatto di precisione.

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

Segnala problemi

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