连接机器学习和量子计算，谷歌发布开源库TensorFlow Quantum

连接了机器学习和量子计算。谷歌发布开源库张量流量子

深层技术

量子物理和机器学习的结合催生了量子机器学习的跨学科领域在世界范围内，许多顶尖大学和企业研究机构都致力于此，并致力于改善这一领域的研究生态。

最近，谷歌在其官方网站上宣布，它将与滑铁卢大学、Alphabet X公司和大众汽车公司合作发布TensorFlow Quantum (TFQ)

TFQ是一个用于快速构建量子机器学习模型的开源库。它将提供必要的工具来结合量子计算和机器学习研究领域来控制和模拟自然或人工量子系统。例如，一个有50-100个量子位的噪声介质量子(NISQ)处理器

(来源:谷歌)

机器学习(ML)不能完全模拟自然界中的系统，但它可以学习这些系统的模型并预测系统的行为

在过去的几年里，经典的机器学习模型在处理具有挑战性的科学问题方面首次出现，它促进了人类在癌症检测、图像处理、地震预测、极端天气预测和外行星检测方面的进步。近年来，随着量子计算的发展，新的量子机器学习模型的发展可能会对世界上的重大问题产生深远的影响，有望在医学、材料、传感和通信等领域取得突破。然而，到目前为止，仍然缺乏相应的研究工具来寻找有用的量子机器学习模型。这些模型可以处理基于量子的数据，并在可用的量子计算机上执行任务

团队表示，TFQ集成了量子计算Cirq和TensorFlow的开源框架，提供了与现有TensorFlow应用编程接口兼容的量子计算基本元素和底层的高性能量子电路模拟器，并为区分和生成量子经典模型的设计和实现提供了方法。

TFQ包括量子位、门、电路和测量算符等基本结构，这些是指定量子计算所必需的。用户指定的量子计算可以在模拟或实际硬件上执行Cirq还包括大量机器，如编译器和调度器，帮助用户为NISQ机器设计高效算法，使量子-经典混合算法能够在量子电路模拟器上运行，并最终在量子处理器上运行。

谷歌团队还将TFQ应用于量子经典卷积神经网络，将机器学习应用于量子控制，将层次学习应用于量子神经网络，将量子动力学学习应用于混合量子态生成建模，并将量子神经网络应用于经典递归神经网络该团队在TFQ白皮书中总结了这些量子应用，每个例子都可以通过Colab从浏览器的研究存储库中运行。那么，TFQ是如何运作的呢？

根据谷歌官方博客介绍，TFQ允许研究人员在一个计算图表中构建量子数据集、量子模型和经典控制参数量子测量的结果，导致经典的概率事件，是由张量流运算得到的。TFQ训练可以使用标准的Keras函数进行

为了对如何使用量子数据提供一些直观的理解，我们可以考虑使用量子神经网络来监督和分类量子态。量子机器学习和经典机器学习一样，关键的挑战是如何对“噪声数据”进行分类为了建立和训练这样一个模型，研究人员可以做以下工作:

1。准备量子数据库量子数据是张量(多维序列)每个量子数据张量被指定为一个用Cirq编写的量子电路，它可以动态生成量子数据张量由量子计算机上的张量流执行，生成量子数据库。

2。量子神经网络模型的评价研究者可以使用Cirq建立量子神经网络的原型，然后将其嵌入张量流计算图。基于对量子数据结构的理解，参数化量子模型可以从几大类中选择。该模型的目标是执行量子任务来提取隐藏在纠缠态中的信息。换句话说，量子模型本质上分离了输入的量子数据，并以经典的相关性对隐藏的信息进行编码，从而使其可用于局部测量和经典的后处理

3。样本或平均值量子态的测量以样本的形式从经典随机变量中提取经典信息这个随机变量的值的分布通常取决于量子态本身和测量的可观察值。由于许多变分算法依赖于测量值的平均值，也称为期望值，TFQ提供了一种包括步骤(1)和(2)的多次运行的平均方法

4。经典神经网络模型的评价一旦经典信息被提取，其格式适合于进一步的经典后处理由于提取的信息仍然可以被编码为测量期望之间的经典关联，因此可以使用经典深度神经网络来提取该关联。

5。评估成本函数给定经典后处理的结果，评估成本函数如果量子数据被标记，这是基于模型执行的分类任务的准确性，如果任务是无监督的，则基于其他标准

6。评估梯度和更新参数评估成本函数后，生产线中的自由参数应按照预期方向更新，以降低成本。这通常通过梯度下降来实现

图解和实现过程演示(来源:谷歌)

9传输格式的一个关键特征是同时训练和执行多个量子电路的能力。

TensorFlow可以在计算机集群间并行计算，并在多核计算机上模拟相对较大的量子电路，从而实现这一目标。为了实现这一目标，谷歌团队还宣布了qsim的开通，它可以在111秒内在谷歌云节点上模拟一个栅极深度为14的32比特量子电路。该模拟器还专门针对多核英特尔处理器进行了优化。与TFQ合作，该团队在60分钟内在谷歌云节点上对一个20到20量子比特的量子电路进行了100万次电路模拟。

目前，TFQ主要致力于在经典量子电路模拟器上执行量子电路未来，TFQ有望在Cirq支持的真正量子处理器(包括谷歌自己的处理器Sycamore)上执行量子电路要了解更多关于TFQ的信息，请阅读谷歌团队的白皮书，并访问天梭流量子网站。

本文由 在线网速测试 整理编辑，转载请注明出处，原文链接：https://www.wangsu123.cn/news/1032.html。