谷歌开源TensorFlow Quantum：用于训练量子模型的开源机器学习框架_研究

原标题：谷歌开源TensorFlow Quantum：用于训练量子模型的开源机器学习框架

谷歌昨天宣布推出TensorFlow Quantum，将该公司的机器学习计划和量子计算计划结合起来。该框架可以创建量子数据集、为混合的量子和经典机器学习模型构建原型、支持量子电路模拟器以及训练判别式和生成式量子模型。

量子计算仍处于早期阶段，但这项技术正迅速成熟起来。IBM每年将其量子芯片的处理能力翻番，而霍尼韦尔公司近日刚发布了预计在今后五年有望将速提高100000倍的系统。

为了充分利用明天超高速的量子系统，研究人员就要编写可以在量子位上运行的专门的算法，他们需要同样专门的开发工具帮助处理这项任务。

去年秋天谷歌表示，凭借首次发布的一款刚设计的解决方案实现了量子霸权。谷歌发布TensorFlow Quantum之前，微软推出了Azure Quantum，霍尼韦尔等公司在量子计算领域取得了进展。

这时候TensorFlow Quantum有了用武之地。它提供了一系列运算符，这种低级编程构建模块可用于创建与量子位、量子逻辑门和量子电路协同使用的AI模型。这些运算符将一些底层的复杂性抽取出来，减少研究人员需要编写的代码数量。

据谷歌AI博文声称，正是有了标准的Keras函数，并提供与现有TensorFlow API兼容的量子电路模拟器和量子计算原语（primitive），才得以构建量子模型。

这种Python框架在3月6日向预印本服务器arXiv提交的一篇论文（https://arxiv.org/pdf/2003.02989.pdf）中有详细解释。这篇论文的作者有20多人，来自谷歌X部门、滑铁卢大学量子计算研究所、美国宇航局量子AI实验室、大众汽车公司和谷歌研究部门。

论文写道：“我们希望这个框架为量子计算和机器学习研究界提供必要的工具，以探究自然量子系统和人工量子系统的模型，并最终发现有望带来量子优势的新量子算法。将来，我们希望扩大受支持的自定义模拟硬件的范围，以包括GPU和TPU集成。”

论文详细介绍了TensorFlow Quantum软件堆栈，该堆栈结合了Cirq开源量子电路库和TensorFlow机器学习平台。

TensorFlow Quantum的一种潜在应用是解读量子数据。由于量子位可以同时处于0和1的状态，找到由量子处理器执行的运算的结果本身就是一大挑战。据谷歌的研究人员Alan Ho和Masoud Mohseni声称，TensorFlow Quantum让工程师们能够开发可自动解读量子数据的AI模型。

这个大体的抽象图概述了参与端到端流水线的计算步骤，这条端到端流水线用于在TensorFlow Quantum（TFQ）中针对量子数据进行量子-经典混合判别式模型的推理和训练。

量子计算爱好者希望该技术的高效模拟特性会带来生命科学、解密、化学或材料开发以及优化等方面的进步。

TensorFlow Quantum眼下主要局限于用于模拟量子计算机，但谷歌计划将来让它与实际的量子计算机兼容。这个研究巨头计划增添支持它在去年发布的内部研发的Sycamore量子系统及其他量子计算机的功能。

就在TensorFlow Quantum发布的同一周，TensorFlow开发者峰会如期举行，这是使用这种框架的机器学习从业人员一年一度的盛会。由于新冠病毒的持续影响，谷歌取消了这次峰会的面对面环节。

来源:云头条