カリキュラムリファレンスリソース
TensorFlow Quantum(TFQ)は、ハイブリッド量子古典MLモデルのラピッドプロトタイピング用の量子機械学習ライブラリです。 量子アルゴリズムとアプリケーションの研究では、すべてTensorFlow内からGoogleの量子コンピューティングフレームワークを活用できます。 TensorFlow Quantumは、量子データとハイブリッド量子古典モデルの構築に重点を置いています。 Cirqで設計された量子コンピューティングアルゴリズムとロジックを統合し、既存のTensorFlow APIと互換性のある量子コンピューティングプリミティブと、高性能の量子回路シミュレーターを提供します。 詳細については、TensorFlowQuantumホワイトペーパーをご覧ください。 追加のリファレンスとして、概要を確認し、ノートブックのチュートリアルを実行できます。
https://www.tensorflow.org/quantum
シルク
Cirqは、Noisy Intermediate Scale Quantum(NISQ)コンピューター用のオープンソースフレームワークです。 これはGoogleAI Quantum Teamによって開発され、パブリックアルファは18年2018月XNUMX日のQuantumSoftwareとQuantumMachineLearningに関する国際ワークショップで発表されました。QCWareによるデモでは、最大カットの例を解決するQAOAの実装が示されました。 Cirqシミュレータで解決されている問題。 Cirqの量子プログラムは、「Circuit」と「Schedule」で表されます。「Circuit」は量子回路を表し、「Schedule」はタイミング情報を含む量子回路を表します。 プログラムはローカルシミュレータで実行できます。 次の例は、Cirqでベル状態を作成および測定する方法を示しています。
import サーク
#キュービットを選ぶ
量子ビット0 = サーク.グリッドクビット(0, 0)
量子ビット1 = サーク.グリッドクビット(0, 1)
#回路を作成する
回路 = サーク.回路.from_ops(
サーク.H(量子ビット0),
サーク.ない(量子ビット0, 量子ビット1),
サーク.だけど(量子ビット0, キー=「m0」),
サーク.だけど(量子ビット1, キー=「m1」)
)
回路を印刷すると、その図が表示されます
印刷(回路)
#プリント
#(0、0):───H───@───M( 'm0')───
#│
#(0、1):───────X───M( 'm1')───
回路を繰り返しシミュレートすると、キュービットの測定値が相関していることがわかります。
シミュレータ = サーク.シミュレータ()
結果 = シミュレータ.ラン(回路, リハーサル=5)
印刷(結果)
#プリント
#m0 = 11010
#m1 = 11010
EITC/AI/TFQML TensorFlow 量子機械学習プログラムの完全なオフライン自己学習準備資料を PDF ファイルでダウンロードします