TensorFlow Quantum è una libreria per l'apprendimento automatico ibrido quantistico-classico.

# 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) è una libreria di machine learning quantistica per la prototipazione rapida di modelli ML ibridi quantistici-classici. La ricerca su algoritmi e applicazioni quantistiche può sfruttare i framework di calcolo quantistico di Google, il tutto dall'interno di TensorFlow.

TensorFlow Quantum si concentra sui dati quantistici e sulla costruzione di modelli ibridi quantistici-classici . Integra algoritmi e logica di calcolo quantistico progettati in Cirq e fornisce primitive di calcolo quantistico compatibili con le API TensorFlow esistenti, insieme a simulatori di circuiti quantistici ad alte prestazioni. Maggiori informazioni nel white paper TensorFlow Quantum .

Inizia con la panoramica , quindi esegui i tutorial del notebook .