lswcap
Google与大众滑铁卢大学和X（X）研究所合作推出了量子机器学习库TensorFlow Quantum。 TensorFlow Quantum是通过结合量子计算和机器学习研究社区来建模量子结构的工具。
TensorFlow Quantum是现有TensorFlow库与Cirq的集成，Cirq是Google为NISQ（具有量子噪声的量子处理器）开发的框架。它正在实现与现有TensorFlow API兼容的量子计算。
要了解量子机器学习模型，我们首先需要了解量子数据和量子经典混合模型。量子数据是由NISQ生成的数据，相互重叠或交织。量子数据包含噪声，但是可以通过应用量子机器学习来尽可能多地提取经典形式信息。 TensorFlow Quantum提供了在注重性能的库中概括量子数据的基础。
NISQ可以与经典处理器一起使用，即使在存在很多噪声的情况下也可以执行高效的计算，但是量子经典混合模型才可以实现这种计算。 TensorFlow Quantum通过安装Circue中包含的NISQ编译器和调度程序，以及用于量子计算的通用结构（例如，量子扭转，量子门和量子电路），实现了高效的经典量子混合模型。
当TensorFlow Quantum处理量子数据时，首先通过量子模型评估数据。在这里，提取隐藏在量子数据叠加中的经典形式信息。量子态的经典形式任意变量是一个采样的或平均的神经网络，该网络通过经典计算处理数据，然后更新该变量以优化目标函数。
TensorFlow Quantum的特征在于，它可以通过在多个量子电路中进行并行计算，在多核处理器上模拟相对较大的量子电路。为了实现后者，据说它采用了qsim，这是一种针对英特尔多核处理器进行了优化的高性能量子电路模拟器。据说，如果vCPU在Google Cloud Platform N2节点上设置为80个内核，则有可能在60分钟内在2020个量子电路中执行100万次仿真。
TensorFlow Quantum在启动阶段就使用现有的量子电路模拟器，但据说将来它还将支持真正的量子处理器，例如Google开发的量子处理器Sycamore。 TensorFlow Quantum是开源软件，也可以在GitHub上获得。相关信息可以在这里找到。
Add comment