Ajuda a proteger a Grande Barreira de Corais com TensorFlow em Kaggle Junte Desafio

TensorFlow Quantum

TensorFlow Quantum (TFQ) é uma estrutura Python para aprendizado de máquina quântica . Como uma estrutura de aplicativo, o TFQ permite que pesquisadores de algoritmos quânticos e pesquisadores de aplicativos de ML aproveitem as estruturas de computação quântica do Google, tudo de dentro do TensorFlow.

O TensorFlow Quantum se concentra em dados quânticos e na construção de modelos clássicos quânticos híbridos . Ele fornece ferramentas para intercalar algoritmos quânticos e lógicas projetadas no Cirq com TensorFlow. Um conhecimento básico de computação quântica é necessário para usar o TensorFlow Quantum com eficácia.

Para começar a usar o TensorFlow Quantum, consulte o guia de instalação e leia alguns dos tutoriais de notebook executáveis.

Projeto

O TensorFlow Quantum implementa os componentes necessários para integrar o TensorFlow ao hardware de computação quântica. Para isso, o TensorFlow Quantum apresenta dois tipos de dados primitivos:

  • Circuito quântico - representa um circuito quântico definido por Cirq no TensorFlow. Crie lotes de circuitos de tamanhos variados, semelhantes a lotes de diferentes pontos de dados com valor real.
  • Soma de Pauli —Representa combinações lineares de produtos tensores de operadores de Pauli definidos em Cirq. Como circuitos, crie lotes de operadores de tamanhos variados.

Usando essas primitivas para representar circuitos quânticos, o TensorFlow Quantum fornece as seguintes operações:

  • Amostra de distribuições de saída de lotes de circuitos.
  • Calcule o valor esperado de lotes de somas de Pauli em lotes de circuitos. TFQ implementa cálculo de gradiente compatível com retropropagação.
  • Simule lotes de circuitos e estados. Embora inspecionar todas as amplitudes de estado quântico diretamente em um circuito quântico seja ineficiente em escala no mundo real, a simulação de estado pode ajudar os pesquisadores a entender como um circuito quântico mapeia os estados em um nível quase exato de precisão.

Leia mais sobre a implementação do TensorFlow Quantum no guia de design .

Reportar problemas

Relate bugs ou solicitações de recursos usando o rastreador de problemas TensorFlow Quantum .