谷歌“量子霸权”上新招！开源量子机器学习库，拉低量子计算门槛

智东西（公众号：zhidxcom）
编 | 心缘

当量子计算碰到机器学习，会擦出什么新火花？

智东西3月10日消息，谷歌今天宣布推出量子机器学习库TensorFlow Quantum（TFQ）。

该工具可以构建量子数据集、原型混合量子模型和经典机器学习模型，支持量子电路模拟器以及训练判别和生成量子模型。

TFQ白皮书《TensorFlow Quantum：用于量子机器学习的软件框架》已在3月6日提交给预印本平台arXiv。论文作者有20多位，分别来自谷歌最神秘的部门Google X、滑铁卢大学量子计算研究所、NASA的Quantum AI Lab、大众汽车和Google Research。

白皮书中写道：“我们希望这个框架为量子计算和机器学习研究界提供必要的工具，以探索经典和人工量子系统的模型，并最终发现可能产生量子优势的新量子算法”，“将来，我们希望扩展支持的自定义仿真硬件的范围，以包括GPU和TPU集成。”

自去年谷歌首秀“量子霸权”后，陆续有科技公司公开踏入量子计算这一面向未来的超级计算战场，最新的公布还有微软云量子计算服务Azure Quantum、亚马逊云服务Amazon Braket和霍尼韦尔号称“全球功能最强的计算机”。

废话不多说，快来看看谷歌这次的新发布究竟有何亮点？

TFQ白皮书：https://arxiv.org/pdf/2003.02989

一、为什么需要量子机器学习工具？

物理学家理查德·费曼（Richard Feynman）曾说过：“自然不是古典的，该死的，因此，如果要模拟自然，最好将其变成量子力学的。”

由于自然现象遵循量子规则，因此Masoud Mohseni认为，如果机器学习模型要准确地反映世界，那么它们也必须是量子的。

机器学习（ML）虽然不能准确地模拟自然界中的系统，但可以学习系统模型并预测系统的行为。过去几年，经典机器学习模型为解决具有挑战性的科学问题带来新希望，包括癌症早筛、余震预防、天气预测、行星探索等。

随着量子计算发展的最新进展，新的量子机器学习模型的开发可能会对世界上最大的问题产生深远的影响，从而在医学、材料、传感和通信等领域取得突破。

量子机器模型可以处理量子数据，并在当今可用的量子计算机上执行处理任务。但迄今为止，人们缺乏研究工具来发现有用的量子机器模型。

因此，谷歌研究人员与滑铁卢大学、大众汽车等机构的研究人员合作，研发用于快速建立量子机器学习模型原型的开源库TensorFlow Quantum（TFQ）。

二、TFQ能做什么？

从事过人工智能相关研究的学者和从业者对谷歌TensorFlow都不陌生，它是全球最流行的机器学习开源框架，提供很多可重复使用的代码，使训练机器学习模型变得更简单快捷。

TFQ是TensorFlow中的一个开源库，它能让使用者不必被量子计算的种种细节所困扰，更快更方便地编写量子应用程序，让处理量子数据变得更加容易。

TFQ提供了可以将量子计算和机器学习研究界聚集在一起的必要工具，以控制和建模自然或人工量子系统。例如嘈杂中型量子（NISQ）处理器，具有约50-100量子位。

使用者可以在实际的量子计算机和经典计算机上模拟之间切换。也就是说，可以先在模拟中调试量子应用程序，然后再尝试在完整的量子设置上运行它。

负责TFQ项目的Masoud Mohseni希望，编码人员将使用TFQ来发现基本可重用的新算法。

在底层，TFQ将Cirq与TensorFlow集成在一起，并通过提供与现有TensorFlow API兼容的量子计算基元以及高性能量子电路仿真器，为判别式和生成式量子经典模型的设计和实现提供高级抽象。

Criq Github链接：https://github.com/quantumlib/Cirq

三、什么是量子机器学习模型？

量子模型具有以量子力学原点表示和概括数据的能力。

不过，要理解量子模型，还需引入两个概念：量子数据和混合量子经典模型。

1、量子数据

量子数据表现出叠加和纠缠，从而导致联合概率分布，这可能需要成倍数量的经典计算资源来表示或存储。

能在量子处理器、传感器、网络上生成/模拟的量子数据，包括化学物质和量子物质的模拟、量子控制、量子通信网络、量子计量学等等。

值得注意的是，NISQ处理器生成的量子数据是嘈杂的，通常在测量发生之前就被纠缠了。

而将量子机器学习应用于嘈杂的纠缠量子数据，就能最大程度地提取有用的经典信息。

受到这些技术的启发，TFQ库提供了用于开发模型的原语，该模型可解开并概括量子数据中的相关性，从而为改进现有量子算法或发现新的量子算法提供了机会。

2、混合量子经典模型

由于近期的量子处理器仍然很小且嘈杂，因此量子模型不能单独使用量子处理器，NISQ处理器需要与经典处理器协同工作才能生效。

TensorFlow已经支持跨CPU、GPU和TPU的异构计算，非常适合试验混合量子经典算法。

TFQ包含指定量子计算所需的基本结构，如量子位、门、电路和测量运算符等。然后用户指定的量子计算就可以在仿真中或在实际硬件上执行。

Cirq还包含大量机制，可帮助用户设计NISQ机器（例如编译器和调度程序）的高效算法，并使混合量子经典算法的实现能够在量子电路模拟器上运行，并最终在量子处理器上运行。

研究人员已将TFQ用于混合量子经典卷积神经网络、用于量子控制的机器学习、用于量子神经网络的分层学习、量子动力学学习、混合量子态的生成建模以及通过经典递归神经网络，并在TFQ白皮书中列有对这些量子应用的回顾，每个示例都可以在其研究资料库中通过Colab在浏览器中运行。

四、TFQ具体如何操作？

如图是TFQ的软件堆栈，共6层，显示了它与TensorFlow、Cirq、计算硬件的交互。

（编辑：52刷机网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!