Google今天发布了TensorFlow Quantum（TFQ），这是一个用于原型化量子机器学习模型的开源库。TFQ 通过使开发人员可以同时使用经典计算技术和量子计算机电路模拟来创建混合AI算法。
TFQ的工作原理
根据来自Google AI 的博客文章：
TFQ提供了必要的工具，可以将量子计算和机器学习研究团体结合在一起，以控制和模拟自然或人工量子系统。例如，模拟具有约50至100个量子位的噪声中等规模量子（NISQ）处理器。
TFQ的工作原理是获取量子数据（包含在量子位或量子位中的信息），并使用混合AI系统对其进行处理。
这项技术被称为“混合经典AI建模”，它使研究人员和开发人员可以分解量子数据，以便可以将其用于生成有关量子算法的预测。
TFQ的功能
根据Google及其合作伙伴在NASA，滑铁卢大学和大众汽车公司发表的研究论文：
我们演示了如何应用TFQ解决高级量子学习任务，包括元学习(Meta-Learning)、哈密顿学习(Hamiltonian Learning)和采样热态(Sampling Thermal States)。我们希望该框架为量子计算和机器学习研究社区提供必要的工具，以探索自然和人工量子系统的模型，并最终发现可能产生量子优势的新量子算法。
谷歌并不是唯一提供混合量子AI机器学习系统的公司。在此之前，Microsoft以Azure Quantum提供类似的服务，而IBM则以IBM Q的形式来提供。
由于谷歌在量子计算领域的成就，TensorFlow在开发人员和研究社区中非常受欢迎。
谷歌及其合作伙伴希望，TFQ的推出能够导致产生必要量子优势的新型量子算法，从而解决研究人员认为量子计算机将很快解决的开放性问题。
您可以在此处下载TensorFlow Quantum 。
声明：此文出于传递高质量信息之目的，若来源标注错误或侵权，请作者持权属证明与我们联系，我们将及时更正、删除，所有图片的版权归属所引用组织机构，此处仅引用，原创文章转载需授权。
作者 | Viky 编辑 | Sakura
