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 مدلهای 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 روی 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 به همراه 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.
