TensorFlow Quantum est une bibliothèque de machine learning hybride quantique classique.

# 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 (TPQ) est une bibliothèque de machine learning quantique permettant un prototypage rapide de modèles de ML hybrides quantiques-classiques. La recherche sur les applications et les algorithmes quantiques permet de tirer parti des frameworks de calcul quantique de Google, le tout depuis TensorFlow.

TensorFlow Quantum se concentre sur les données quantiques et sur la création de modèles hybrides quantiques-classiques. Cette bibliothèque intègre des algorithmes et une logique de calcul quantique conçus dans Cirq. Elle fournit des primitives de calcul quantique compatibles avec les API TensorFlow existantes, ainsi que des simulateurs de circuit quantique hautes performances. Pour en savoir plus, consultez le livre blanc sur TensorFlow Quantum.

Commencez par la présentation, puis exécutez les tutoriels sur les notebooks.