این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

TensorFlow Quantum یک کتابخانه برای یادگیری ماشین ترکیبی کوانتومی-کلاسیک ترکیبی 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 ML کوانتومی ترکیبی ترکیبی است. تحقیق در الگوریتم ها و برنامه های کوانتومی می تواند در چارچوب های محاسبات کوانتومی گوگل ، همه از درون TensorFlow ، بهره ببرد.

TensorFlow Quantum بر روی داده های کوانتومی و ساخت مدل های کلاسیک کوانتومی ترکیبی تمرکز دارد. این الگوریتم های محاسبات کوانتومی و منطق طراحی شده در Cirq را یکپارچه می کند ، و ابتدای محاسبات کوانتومی سازگار با API های TensorFlow موجود ، همراه با شبیه سازهای مدار کوانتومی با کارایی بالا را فراهم می کند. در کاغذ سفید TensorFlow Quantum بیشتر بخوانید.

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