TensorFlow Quantum (TFQ) là một khuôn khổ Python cho học máy lượng tử . Là một khuôn khổ ứng dụng, TFQ cho phép các nhà nghiên cứu thuật toán lượng tử và các nhà nghiên cứu ứng dụng ML tận dụng các khuôn khổ điện toán lượng tử của Google, tất cả đều từ bên trong TensorFlow.
TensorFlow Quantum tập trung vào dữ liệu lượng tử và xây dựng các mô hình cổ điển-lượng tử lai . Nó cung cấp các công cụ để xen kẽ các thuật toán lượng tử và logic được thiết kế trong Cirq với TensorFlow. Cần có hiểu biết cơ bản về tính toán lượng tử để sử dụng TensorFlow Quantum một cách hiệu quả.
Để bắt đầu với TensorFlow Quantum, hãy xem hướng dẫn cài đặt và đọc qua một số hướng dẫn dành cho máy tính xách tay có thể chạy được.
Thiết kế
TensorFlow Quantum triển khai các thành phần cần thiết để tích hợp TensorFlow với phần cứng điện toán lượng tử. Để đạt được điều đó, TensorFlow Quantum giới thiệu hai nguyên thủy kiểu dữ liệu:
- Mạch lượng tử —Đây đại diện cho một mạch lượng tử do Cirq xác định trong TensorFlow. Tạo các lô mạch có kích thước khác nhau, tương tự như các lô điểm dữ liệu có giá trị thực khác nhau.
- Tổng Pauli —Trình bày các tổ hợp tuyến tính của các tích tensor của các toán tử Pauli được xác định trong Cirq. Giống như các mạch, tạo hàng loạt các toán tử có kích thước khác nhau.
Sử dụng các nguyên thủy này để biểu diễn các mạch lượng tử, TensorFlow Quantum cung cấp các hoạt động sau:
- Mẫu từ các phân phối đầu ra của các lô mạch.
- Tính giá trị kỳ vọng của lô tổng Pauli trên lô mạch. TFQ thực hiện tính toán gradient tương thích với lan truyền ngược.
- Mô phỏng hàng loạt mạch và trạng thái. Trong khi việc kiểm tra tất cả các biên độ trạng thái lượng tử trực tiếp trong một mạch lượng tử là không hiệu quả ở quy mô lớn trong thế giới thực, mô phỏng trạng thái có thể giúp các nhà nghiên cứu hiểu cách một bản đồ mạch lượng tử trạng thái với mức độ chính xác gần như chính xác.
Đọc thêm về triển khai TensorFlow Quantum trong hướng dẫn thiết kế .
Báo cáo sự cố
Báo cáo lỗi hoặc yêu cầu tính năng bằng trình theo dõi vấn đề TensorFlow Quantum .