谷歌在其官方AI博客宣布推出TensorFlow Quantum（TFQ），這是一個(gè)開(kāi)源的量子機(jī)器學(xué)習(xí)庫(kù)，可將量子計(jì)算與機(jī)器學(xué)習(xí)結(jié)合在一起，訓(xùn)練量子模型。谷歌表示，這種量子機(jī)器學(xué)習(xí)模型能夠處理量子數(shù)據(jù)，并能夠在量子計(jì)算機(jī)上執(zhí)行。

根據(jù)谷歌AI博客的介紹，TFQ允許研究人員在單個(gè)計(jì)算圖中將量子數(shù)據(jù)集、量子模型和經(jīng)典控制參數(shù)構(gòu)造為張量。TensorFlow Ops會(huì)獲得導(dǎo)致經(jīng)典概率事件的量子測(cè)量結(jié)果，然后可以使用標(biāo)準(zhǔn)Keras功能進(jìn)行培訓(xùn)。

與經(jīng)典機(jī)器學(xué)習(xí)一樣，量子機(jī)器學(xué)習(xí)的關(guān)鍵挑戰(zhàn)是對(duì)“噪聲數(shù)據(jù)”進(jìn)行分類。要構(gòu)建和訓(xùn)練這樣的模型，大致操作步驟如下：

準(zhǔn)備量子數(shù)據(jù)集-量子數(shù)據(jù)作為張量（數(shù)字的多維數(shù)組）加載。每個(gè)量子數(shù)據(jù)張量都指定為用Cirq編寫的量子電路，該電路可實(shí)時(shí)生成量子數(shù)據(jù)。張量由TensorFlow在量子計(jì)算機(jī)上執(zhí)行以生成量子數(shù)據(jù)集。

評(píng)估量子神經(jīng)網(wǎng)絡(luò)模型-研究人員可以使用Cirq對(duì)量子神經(jīng)網(wǎng)絡(luò)進(jìn)行原型設(shè)計(jì)，然后將其嵌入TensorFlow計(jì)算圖中。量子模型實(shí)質(zhì)上是對(duì)輸入的量子數(shù)據(jù)進(jìn)行解糾纏，從而使隱藏信息以經(jīng)典的相關(guān)性編碼，從而使其可用于本地測(cè)量和經(jīng)典的后處理。

樣本或平均值-量子態(tài)的測(cè)量從經(jīng)典隨機(jī)變量中以樣本形式提取經(jīng)典信息。來(lái)自該隨機(jī)變量的值的分布通常取決于量子態(tài)本身以及所測(cè)得的可觀測(cè)值。

評(píng)估經(jīng)典神經(jīng)網(wǎng)絡(luò)模型-提取經(jīng)典信息后，其格式適用于進(jìn)一步的經(jīng)典后處理。

評(píng)估成本函數(shù)-根據(jù)經(jīng)典后處理的結(jié)果，評(píng)估成本函數(shù)。

評(píng)估梯度和更新參數(shù)-評(píng)估成本函數(shù)后，應(yīng)沿預(yù)期可降低成本的方向更新管道中的自由參數(shù)。

TensorFlow Quantum的關(guān)鍵特征是擁有能夠同時(shí)訓(xùn)練和執(zhí)行許多量子電路的能力。目前，TensorFlow Quantum主要面向在經(jīng)典量子電路模擬器上執(zhí)行量子電路。谷歌的希冀是，將來(lái)TFQ能夠在Cirq支持的實(shí)際量子處理器上執(zhí)行量子電路。