Odpowiedz już dziś na lokalne wydarzenie TensorFlow Everywhere!
Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

TensorFlow Quantum

TensorFlow Quantum (TFQ) to framework Pythona do kwantowego uczenia maszynowego . Jako platforma aplikacji, TFQ umożliwia badaczom algorytmów kwantowych i aplikacjom ML wykorzystanie platform obliczeń kwantowych Google, a wszystko to z poziomu TensorFlow.

TensorFlow Quantum koncentruje się na danych kwantowych i tworzeniu hybrydowych modeli kwantowo-klasycznych . Zapewnia narzędzia do przeplatania algorytmów kwantowych i logiki zaprojektowanych w Cirq z TensorFlow. Efektywne korzystanie z TensorFlow Quantum wymaga podstawowej znajomości informatyki kwantowej.

Aby rozpocząć korzystanie z TensorFlow Quantum, zapoznaj się z instrukcją instalacji i przeczytaj niektóre z samouczków do obsługi notebooków .

Projekt

TensorFlow Quantum implementuje komponenty potrzebne do integracji TensorFlow ze sprzętem do obliczeń kwantowych. W tym celu TensorFlow Quantum wprowadza dwa prymitywy typu danych:

  • Obwód kwantowy - reprezentuje obwód kwantowy zdefiniowany przez Cirq w ramach TensorFlow. Twórz partie obwodów o różnej wielkości, podobne do partii różnych punktów danych o wartościach rzeczywistych.
  • Suma Pauliego - Przedstaw liniowe kombinacje iloczynów tensorowych operatorów Pauliego zdefiniowanych w Cirq. Podobnie jak obwody, twórz grupy operatorów o różnej wielkości.

Używając tych prymitywów do reprezentowania obwodów kwantowych, TensorFlow Quantum zapewnia następujące operacje:

  • Próbka z wyjściowych rozkładów pakietów obwodów.
  • Oblicz wartość oczekiwaną partii sum Pauliego na partiach obwodów. TFQ implementuje obliczanie gradientu zgodne z propagacją wsteczną.
  • Symuluj partie obwodów i stanów. Podczas gdy badanie wszystkich amplitud stanu kwantowego bezpośrednio w obwodzie kwantowym jest nieefektywne w skali rzeczywistej, symulacja stanu może pomóc naukowcom zrozumieć, w jaki sposób obwód kwantowy odwzorowuje stany z niemal dokładnym poziomem dokładności.

Przeczytaj więcej o implementacji TensorFlow Quantum w przewodniku projektowym .

Zgłoś problemy

Zgłaszaj błędy lub prośby o funkcje za pomocą narzędzia do śledzenia problemów TensorFlow Quantum .