本頁面由 Cloud Translation API 翻譯而成。
Switch to English

TensorFlow Quantum

TensorFlow Quantum(TFQ)是用於量子機器學習的Python框架。作為應用程序框架,TFQ允許量子算法研究人員和ML應用程序研究人員利用Google的量子計算框架,所有這些都來自TensorFlow。

TensorFlow Quantum專注於量子數據並建立混合量子經典模型 。它提供工具來交錯使用Cirq和TensorFlow設計的量子算法和邏輯。要有效使用TensorFlow Quantum,需要對量子計算有基本的了解。

要開始使用TensorFlow Quantum,請參閱安裝指南並通讀一些可運行的筆記本教程

設計

TensorFlow Quantum實現了將TensorFlow與量子計算硬件集成所需的組件。為此,TensorFlow Quantum引入了兩個數據類型原語:

  • 量子電路 -這表示TensorFlow中Cirq定義的量子電路。創建不同大小的電路批次,類似於不同的實值數據點的批次。
  • Pauli sum —表示Cirq中定義的Pauli運算符的張量積的線性組合。像電路一樣,創建一批大小不一的運算符。

使用這些原語來表示量子電路,TensorFlow Quantum提供以下操作:

  • 來自電路批次輸出分佈的樣本。
  • 計算一批電路上保利總和的期望值。 TFQ實現反向傳播兼容的梯度計算。
  • 模擬一批電路和狀態。雖然在現實世界中直接檢查整個量子電路的所有量子狀態幅度的效率很低,但是狀態模擬可以幫助研究人員了解量子電路如何將狀態映射到接近精確的精度水平。

設計指南中閱讀有關TensorFlow Quantum實施的更多信息。

報告問題

使用TensorFlow Quantum問題跟踪器報告錯誤或功能請求。