その公式ブログでAI Googleが発表されたライブラリの量子を学習し、オープンソース・マシンである、TensorFlow量子（TFQ）の打ち上げを、量子コンピューティングと機械学習は、量子モデルを訓練、一緒に組み合わせることができます。Googleは、この量子機械学習モデルは、量子データを扱うことができると言った、と量子コンピュータ上で実行することができます。
グーグルの導入は、研究者は、図1の単一量子コンピューティングのデータセットをTFQできるように、AIのブログ。、制御パラメータテンソルに構成された量子と古典的モデルを。TensorFlowオプスは、あなたが標準機能Kerasトレーニングを使用することができ、古典確率イベントの量子測定結果を取得します。
古典的な機械学習のように、量子鍵挑戦を機械学習では、「ノイズデータが」分類されていることです。このようなモデル列を構築し、実質的には、次の手順には：
- 量子データセットレディ -量子テンソル（デジタル多次元アレイ）としてロードされたデータを。各量子テンソルデータを指定量子Cirq回路を用意し、この回路は、リアルタイムでの量子データを生成します。テンソル量子量子コンピュータTensorFlow上のデータセットを生成するために実行しました。
- 評価量子ニューラルネットワークモデル -研究者はTensorFlow図を計算する組み込み、その後、プロトタイピングCirq量子ニューラルネットワークを使用することができます。量子モデルは、本質的に量子解きほぐすデータは、古典的に関連する隠された情報は、それが治療および古典後の局所測定のために使用することができるように、コードように、入力されました。
- 又は平均サンプル -古典的な情報に量子状態を測定は、確率変数のサンプルの古典的な形態から抽出されました。確率変数の値の分布から、一般的に量子状態自体に依存し、測定された値で観察することができます。
- 評価古典ニューラルネットワークモデル -クラシックの更なる処理に適した形式で抽出古典的な情報の後。
- コスト関数を評価 -古典的なプロセスの結果は、コスト関数を評価します。
- グラデーションの評価と更新パラメータ -方向は、費用関数を評価し、コスト削減は、自由パラメータの更新パイプラインに沿って期待することができます。
TensorFlow量子の重要な特徴は、同時に訓練と多くの量子回路を実行する能力を持つことが可能です。現在、量子量子古典的な回路シミュレータを実行するためのTensorFlow量子主回路。将来はTFQ量子回路は、実際のサポートCirq量子プロセッサ上で実行することができるという希望をGoogleに。
TensorFlow量子についての詳細は、あなたが見ることができますGoogleのAIのブログを。