TensorFlow Quantum (TFQ) adalah framework Python untuk pembelajaran mesin kuantum . Sebagai framework aplikasi, TFQ memungkinkan peneliti algoritme kuantum dan peneliti aplikasi ML untuk memanfaatkan framework komputasi kuantum Google, semuanya dari dalam TensorFlow.
TensorFlow Quantum berfokus pada data kuantum dan membangun model hybrid kuantum-klasik . Ini menyediakan alat untuk menyisipkan logika dan algoritme kuantum yang dirancang di Cirq dengan TensorFlow. Pemahaman dasar tentang komputasi kuantum diperlukan untuk menggunakan TensorFlow Quantum secara efektif.
Untuk memulai TensorFlow Quantum, lihat panduan penginstalan dan baca beberapa tutorial notebook yang dapat dijalankan.
Rancangan
TensorFlow Quantum mengimplementasikan komponen yang diperlukan untuk mengintegrasikan TensorFlow dengan hardware komputasi kuantum. Untuk itu, TensorFlow Quantum memperkenalkan dua tipe data primitif:
- Sirkuit kuantum —Ini merepresentasikan sirkuit kuantum yang ditentukan Cirq dalam TensorFlow. Buat kumpulan sirkuit dengan berbagai ukuran, mirip dengan kumpulan titik data bernilai nyata yang berbeda.
- Jumlah Pauli — Mewakili kombinasi linier produk tensor operator Pauli yang ditentukan di Cirq. Seperti sirkuit, buat kumpulan operator dengan berbagai ukuran.
Menggunakan primitif ini untuk mewakili sirkuit kuantum, TensorFlow Quantum menyediakan operasi berikut:
- Sampel dari distribusi keluaran batch rangkaian.
- Hitung nilai ekspektasi batch jumlah Pauli pada batch sirkuit. TFQ mengimplementasikan kalkulasi gradien yang kompatibel dengan propagasi mundur.
- Simulasikan kumpulan sirkuit dan status. Meskipun memeriksa semua amplitudo status kuantum secara langsung di seluruh rangkaian kuantum tidak efisien pada skala di dunia nyata, simulasi status dapat membantu peneliti memahami bagaimana rangkaian kuantum memetakan status ke tingkat presisi yang hampir tepat.
Baca lebih lanjut tentang implementasi TensorFlow Quantum di panduan desain .
Laporkan masalah
Laporkan bug atau permintaan fitur menggunakan pelacak masalah Quantum TensorFlow .