TensorFlow Quantum
O TensorFlow Quantum (TFQ) é um framework do Python para o aprendizado de máquina quântico. Como um framework de aplicativos, o TFQ permite que pesquisadores de algoritmos quânticos e de aplicativos de ML aproveitem os frameworks computacionais quânticos do Google, tudo isso no TensorFlow.
O TensorFlow Quantum foca nos dados quânticos e na criação de modelos clássicos-quânticos híbridos. Ele oferece ferramentas para intercalar lógica e algoritmos quânticos criados no Cirq com o TensorFlow. Para usar o TensorFlow Quantum de maneira eficaz, é necessário ter noções básicas sobre computação quântica.
Para começar a usar o TensorFlow Quantum, confira o guia de instalação e leia alguns dos tutoriais em notebook executáveis.
Design
O TensorFlow Quantum implementa os componentes necessários para integrar o TensorFlow a hardware computacional quântico. Para isso, o TensorFlow Quantum apresenta dois tipos de dados primitivos:
Circuito quântico — representa os circuitos quânticos definidos pelo Cirq no TensorFlow. Crie lotes de circuitos de diversos tamanhos, semelhantes aos lotes de diferentes pontos de dados reais.
Soma de Pauli — representa combinações lineares de produtos tensoriais de operadores de Pauli definidos no Cirq. Como os circuitos, crie lotes de operadores de diversos tamanhos.
Usando esses primitivos para representar circuitos quânticos, o TensorFlow Quantum fornece as seguintes operações:
Obtenha uma amostra das distribuições de saída dos lotes de circuitos.
Calcule o valor esperado dos lotes de somas de Pauli em lotes de circuitos. O TFQ implementa o cálculo de gradientes compatível com a retropropagação.
Simule lotes de circuitos e estados. Enquanto a inspeção de todas as amplitudes de estados quânticos diretamente em um circuito quântico é ineficaz em grande escala no mundo real, a simulação de estados pode ajudar os pesquisadores a entender como um circuito quântico mapeia os estados a um nível de precisão quase exato.
Leia mais sobre a implementação do TensorFlow Quantum no guia de design.
Relate problemas
Informe bugs ou solicite recursos usando o issue tracker do TensorFlow Quantum.