TensorFlow Quantum es una biblioteca de aprendizaje automático híbrido cuántico y clásico.

# A hybrid quantum-classical model.
model = tf.keras.Sequential([
    # Quantum circuit data comes in inside of tensors.
    tf.keras.Input(shape=(), dtype=tf.dtypes.string),

    # Parametrized Quantum Circuit (PQC) provides output
    # data from the input circuits run on a quantum computer.
    tfq.layers.PQC(my_circuit, [cirq.Z(q1), cirq.X(q0)]),

    # Output data from quantum computer passed through model.
    tf.keras.layers.Dense(50)
])

TensorFlow Quantum (TFQ) es una biblioteca de aprendizaje automático cuántico que se usa para el prototipado rápido de modelos híbridos cuánticos clásicos de AA. La investigación sobre algoritmos y aplicaciones cuánticas aprovecha los marcos de trabajo de cálculo cuántico de Google, todo desde TensorFlow.

TensorFlow Quantum se enfoca en los datos cuánticos y en la compilación de modelos híbridos cuánticos clásicos. Integra algoritmos de cálculo cuántico y lógica diseñados en Cirq, y proporciona cálculos primitivos cuánticos compatibles con las API de TensorFlow existentes, junto con simuladores de circuitos cuánticos de alto rendimiento. Obtén más información en el informe de TensorFlow Quantum.

Comienza con la descripción general y, luego, ejecuta los instructivos para notebooks.