TensorFlow Quantum یک کتابخانه برای یادگیری ماشین ترکیبی کوانتومی کلاسیک است.

# 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) یک کتابخانه یادگیری ماشین کوانتومی برای نمونه سازی سریع مدل های ترکیبی کوانتومی-کلاسیک ML است. تحقیق در الگوریتم‌ها و برنامه‌های کوانتومی می‌تواند از چارچوب‌های محاسباتی کوانتومی گوگل، همه از درون TensorFlow استفاده کند.

TensorFlow Quantum بر داده های کوانتومی و ساخت مدل های ترکیبی کوانتومی-کلاسیک تمرکز دارد . این الگوریتم‌های محاسباتی کوانتومی و منطق طراحی‌شده در Cirq را ادغام می‌کند و محاسبات اولیه کوانتومی سازگار با APIهای موجود TensorFlow را همراه با شبیه‌سازهای مدار کوانتومی با کارایی بالا فراهم می‌کند. در مقاله سفید TensorFlow Quantum بیشتر بخوانید.

با نمای کلی شروع کنید، سپس آموزش های نوت بوک را اجرا کنید.