تاریخ را ذخیره کنید! Google I / O 18-20 مه بازمی گردد اکنون ثبت نام کنید
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

TensorFlow Quantum کتابخانه ای برای یادگیری ماشین کلاسیک کوانتومی 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 ترکیبی کوانتومی-کلاسیک ML است. تحقیقات در الگوریتم ها و برنامه های کوانتومی می تواند از چارچوب های محاسبات کوانتومی گوگل استفاده کند ، همه از TensorFlow.

تمرکز TensorFlow Quantum بر داده های کوانتومی و ساخت مدل های ترکیبی کوانتومی-کلاسیک است . این الگوریتم های محاسبات کوانتومی و منطق طراحی شده در Cirq را ادغام می کند و بدویهای محاسبات کوانتومی سازگار با API های TensorFlow موجود را همراه با شبیه سازهای مدار کوانتومی با عملکرد بالا فراهم می کند. بیشتر بخوانید در مقاله سفید TensorFlow Quantum .

با مروری شروع کنید ، سپس آموزشهای نوت بوک را اجرا کنید.