機器學習在過去幾年里有了飛速發(fā)展，促進了人類在癌癥檢測、圖像處理、地震預測、極端天氣預測和新系外行星探測方面的進步。但是如果你想模擬自然，最好的方法是遵循量子力學原理。因此許多大學、實驗室甚至是科技公司開始結合量子力學和機器學習兩個領域，嘗試開發(fā)量子機器學習程序來模擬自然界的各類問題。

可惜迄今為止，我們仍缺少研究工具，來構建可用的量子機器學習模型，并讓模型在可用的量子計算機上處理量子數(shù)據(jù)。未來，這種情況可能會發(fā)生改變。

當?shù)貢r間3月9日，提出量子霸權的科技公司谷歌在官方博客上宣布，將聯(lián)合滑鐵盧大學、X公司（前身為谷歌X實驗室）以及大眾汽車集團，免費開源自己的量子機器學習軟件TensorFlow Quantum（TFQ）。開源后，這套工具將有利于研究員更容易地開發(fā)量子機器學習應用。

TFQ

說到TFQ，它是谷歌的TensorFlow工具包的一個附件，是一個用于快速構建量子機器學習模型的開源庫，可以為開發(fā)者提供必要的工具，把量子計算和機器學習研究領域結合起來，控制和模擬自然或人工量子系統(tǒng)。例如有 50 - 100 個量子位的嘈雜中型量子 （NISQ） 處理器。TensorFlow是簡化的深度神經(jīng)網(wǎng)絡，可提供重復使用的代碼，從而使新的機器學習應用不必從頭開始編寫代碼，這讓機器學習模型更易于應用。 自2015年推出以來，它已極大地推動了機器學習的發(fā)展。

TFQ實現(xiàn)過程演示

具體來說，TFQ可以讓開發(fā)者編寫量子應用程序，而不用考慮運行量子應用程序的硬件問題。谷歌開發(fā)了一個轉化器，可以讓開發(fā)者在實際的量子計算機和經(jīng)典計算機之間進行切換。這意味著，開發(fā)者可以先在經(jīng)典計算機上模擬調試量子應用程序，然后再嘗試在完整的量子計算設備上運行程序。

TFQ項目負責人Masoud Mohseni希望開發(fā)人員使用這套工具發(fā)現(xiàn)更多新的量子機器學習算法。Mohseni認為，由于自然現(xiàn)象遵循量子規(guī)則，如果機器學習模型要準確地反映世界，那么它們也必須是量子的。

谷歌在博客中寫道，隨著量子計算的發(fā)展，新的量子學習模型可能會對世界上最大的問題產(chǎn) 生深遠的影響，從而在醫(yī)學，材料，傳感和通信領域取得突破。谷歌希望TFQ能做到這一點。

當下，量子機器學習還是一個新興領域，但TFQ并不是該領域的第一個工具包。加拿大量子計算初創(chuàng)公司Xanadu也提供了一個類似的平臺，稱為Pennylane。 Xanadu研究人員內森·基洛蘭認為，谷歌開放TFQ是件大事。他指出，開發(fā)人員圍繞著TensorFlow等知名工具建立社區(qū)，共享代碼和想法，可以促進創(chuàng)新，機器學習技術也會因此變得更好。

在實驗室研究外，量子計算軟件也在逐漸走向主流。例如，加拿大量子計算公司D-Wave 上個月就發(fā)布了其新版Leap工具包，用于量子應用程序開發(fā)。多家大型公司正在使用Leap來開發(fā)內部量子軟件。其中就有大眾汽車公司（Volkswagen），建立了超精確的公共交通模擬器來計劃公交路線，以及意大利電信公司（Telecom Italia）建立了用于優(yōu)化5G網(wǎng)絡的量子應用程序。