หน้านี้ได้รับการแปลโดย Cloud Translation API
Switch to English

TensorFlow ควอนตัม

TensorFlow ควอนตัม (TFQ) เป็นกรอบงูใหญ่สำหรับ การเรียนรู้เครื่องควอนตัม เป็นกรอบใบสมัคร TFQ ช่วยให้นักวิจัยอัลกอริทึมควอนตัมและนักวิจัยการประยุกต์ใช้ ML จะกรอบคอมพิวเตอร์ควอนตัมงัดของ Google ทั้งหมดจากภายใน TensorFlow

TensorFlow ควอนตัมมุ่งเน้นไปที่ข้อมูลควอนตัมและการสร้างไฮบริดรุ่นควอนตัมคลาสสิก มันมีเครื่องมือขั้นตอนวิธีการแทรกควอนตัมและตรรกะการออกแบบใน Cirq กับ TensorFlow ความเข้าใจพื้นฐานของคอมพิวเตอร์ควอนตัมจะต้องใช้อย่างมีประสิทธิภาพ TensorFlow ควอนตัม

การเริ่มต้นกับ TensorFlow ควอนตัม, ดู คู่มือการติดตั้ง และอ่านผ่านบางส่วนของ Runnable บทเรียนโน๊ตบุ๊ค

ออกแบบ

TensorFlow ควอนตัมใช้ส่วนประกอบที่จำเป็นเพื่อบูรณาการ TensorFlow กับฮาร์ดแวร์คอมพิวเตอร์ควอนตัม ไปสิ้นสุดที่ TensorFlow ควอนตัมแนะนำสองประเภทข้อมูลพื้นฐาน:

  • ควอนตัมวงจร -This หมายถึงวงจรควอนตัม Cirq ที่กำหนดไว้ภายใน TensorFlow สร้างกระบวนการของวงจรที่มีขนาดแตกต่างกันคล้ายกับกระบวนการของ datapoints มูลค่าจริงที่แตกต่างกัน
  • รวม Pauli ผลรวมเชิงเส้น -Represent เมตริกซ์ของผลิตภัณฑ์ของผู้ประกอบการที่กำหนดไว้ใน Pauli Cirq เช่นเดียวกับวงจรสร้างกระบวนการของผู้ประกอบการที่มีขนาดแตกต่างกัน

โดยใช้พื้นฐานเหล่านี้จะเป็นตัวแทนของวงจรควอนตัม TensorFlow ควอนตัมให้การดำเนินงานดังต่อไปนี้:

  • ตัวอย่างจากการกระจายการส่งออกของกระบวนการของวงจร
  • คำนวณค่าความคาดหวังของกระบวนการของเงินก้อน Pauli ในกระบวนการของวงจร คำนวณลาดแพร่กระจายย้อนกลับได้ TFQ การดำเนินการ
  • สำหรับกระบวนการจำลองของวงจรและรัฐ ในขณะที่การตรวจสอบช่วงกว้างของคลื่นควอนตัมรัฐทั้งหมดได้โดยตรงตลอดวงจรควอนตัมจะไม่มีประสิทธิภาพในระดับในโลกจริงรัฐจำลองสามารถช่วยให้นักวิจัยเข้าใจว่าวงจรควอนตัมแมรัฐให้อยู่ในระดับที่แน่นอนอยู่ใกล้กับความแม่นยำ

อ่านเพิ่มเติมเกี่ยวกับการดำเนินงาน TensorFlow ควอนตัมใน คู่มือการออกแบบ

รายงานปัญหา

รายงานข้อบกพร่องหรือคำขอคุณลักษณะใช้ ติดตามปัญหา TensorFlow ควอนตัม