谷歌开源 TensorFlow Quantum,用于训练量子模型的机器学习框架

来源: 投稿
作者: xplanet
2020-03-11

谷歌在其官方 AI 博客宣布推出 TensorFlow Quantum(TFQ),这是一个开源的量子机器学习库,可将量子计算与机器学习结合在一起,训练量子模型。谷歌表示,这种量子机器学习模型能够处理量子数据,并能够在量子计算机上执行。

根据谷歌 AI 博客的介绍,TFQ 允许研究人员在单个计算图中将量子数据集、量子模型和经典控制参数构造为张量。TensorFlow Ops 会获得导致经典概率事件的量子测量结果,然后可以使用标准 Keras 功能进行培训。

与经典机器学习一样,量子机器学习的关键挑战是对“噪声数据”进行分类。要构建和训练这样的模型,大致操作步骤如下: 

  • 准备量子数据集 - 量子数据作为张量(数字的多维数组)加载。​​​​​​每个量子数据张量都指定为用 Cirq 编写的量子电路,该电路可实时生成量子数据。张量由 TensorFlow 在量子计算机上执行以生成量子数据集。
  • 评估量子神经网络模型 - 研究人员可以使用 Cirq 对量子神经网络进行原型设计,然后将其嵌入 TensorFlow 计算图中。量子模型实质上是对输入的量子数据进行解纠缠,从而使隐藏信息以经典的相关性编码,从而使其可用于本地测量和经典的后处理。
  • 样本或平均值 - 量子态的测量从经典随机变量中以样本形式提取经典信息。来自该随机变量的值的分布通常取决于量子态本身以及所测得的可观测值。
  • 评估经典神经网络模型 - 提取经典信息后,其格式适用于进一步的经典后处理。
  • 评估成本函数 - 根据经典后处理的结果,评估成本函数。
  • 评估梯度和更新参数 - 评估成本函数后,应沿预期可降低成本的方向更新管道中的自由参数。

TensorFlow Quantum 的关键特征是拥有能够同时训练和执行许多量子电路的能力。目前,TensorFlow Quantum 主要面向在经典量子电路模拟器上执行量子电路。谷歌的希冀是,将来 TFQ 能够在 Cirq 支持的实际量子处理器上执行量子电路。

关于 TensorFlow Quantum 的更多介绍,可查看谷歌 AI 博客。 

展开阅读全文
23 收藏
分享
加载中
精彩评论
遇事不决,量子力学
2020-03-11 09:56
5
举报
国内也有做量子计算的,“本源量子”。
大家可以了解一下。
已经可以有python和从c++的接口。
至于量子计算机,其实是量子云平台模拟的。
2020-03-14 18:35
4
举报
量子计算机已到货,请到菜鸟驿站48小时内领取。
2020-03-12 17:20
2
举报
是不是得先有台量子计算机?
2020-03-11 10:28
2
举报
最新评论 (14)
国内也有做量子计算的,“本源量子”。
大家可以了解一下。
已经可以有python和从c++的接口。
至于量子计算机,其实是量子云平台模拟的。
2020-03-14 18:35
4
回复
举报
可惜国内知道本源量子的好像不多,本源量子的老大貌似还抱怨过,自己的量子计算平台和教程推出好久了都无人问津,微软出了一套量子计算教程立马乌泱泱全扑上去了。。。
2020-03-16 16:24
0
回复
举报
国内研究量子计算机的都会跟进先进理论,国内的量子计算在国际上还能排得上号的
2020-03-16 20:37
0
回复
举报
TFQ不是说运行在量子计算机上的软件,而是基于量子物理特性设计的机器学习模型架构,其官方称可以运行在包括: CPU TPU GPU QPU上。
2020-03-13 04:18
0
回复
举报
量子计算机已到货,请到菜鸟驿站48小时内领取。
2020-03-12 17:20
2
回复
举报
话说深度学习跟不就是统计概率嘛,有啥本质区别吗?😮😮😮😮
2020-03-12 16:04
0
回复
举报
是不是得先有台量子计算机?
2020-03-11 10:28
2
回复
举报
也可以租用
2020-03-11 13:44
0
回复
举报
量子云?
2020-03-12 16:06
0
回复
举报
有量子云平台,或本地的模拟。
2020-03-14 18:36
0
回复
举报
遇事不决,量子力学
2020-03-11 09:56
5
回复
举报
您好,请问深度学习和穷举有什么区别?下象棋穷举也可以设置穷举前50种下发吧?那也是神经网络深度学习吗?
2020-03-11 09:52
0
回复
举报
你所谓的穷举50种,那不是穷举,那只是随机。穷举挑选50种的正确操作是:穷举“完毕”所有可能性后,挑选比价好的50种。
2020-03-11 10:14
0
回复
举报
得先买个
2020-03-11 08:32
0
回复
举报
更多评论
14 评论
23 收藏
分享
返回顶部
顶部