Google、滑鐵盧大學、X(公司)和福斯集團合作,共同釋出量子機器學習的開源函式庫TensorFlow Quantum(TFQ),這是一個TensorFlow的擴充,讓開發人員可以利用量子電腦建構機器學習模型。

Google提到,機器學習技術雖然無法精確地模擬自然界的系統,但是可以透過學習系統模型,預測系統的行為,在過去幾年中,古典機器學習模型解決了許多科學問題,在醫學、天氣以及太空等領域皆有重要的進展,而隨著量子電腦的發展,新的量子機器學習模型,可能對世界上各種難題有著重要影響,但是目前卻缺乏工具,來建立可在量子電腦上執行的量子機器學習模型。

為了解決這個問題,Google與多個組織合作釋出了TFQ,可以將量子運算和機器學習技術結合在一起。TFQ底層整合TensorFlow和雜訊中等規模量子(Noisy Intermediate Scale Quantum,NISQ)演算法框架Cirq,並且透過現有和TensorFlow API相容的量子運算原語,以及高效能量子電路模擬器,為判別性和生成性量子古典模型的設計和實作,提供高階抽象。

TFQ的關鍵功能,是可以同時訓練和執行許多量子電路,Google解釋,這是因為TensorFlow能夠在電腦叢集中平行化運算,並且能夠在多核心電腦上模擬相對較大的量子電路,進而實現這個關鍵功能。而為了要在多核心電腦模擬大型量子電路,Google開發了高效能量子電路模擬器qsim,經實驗證實,該模擬器可以在Google雲端節點n1-ultramem-160,花費111秒模擬14量子閘(Gate Depth)深度的32量子位元量子電路。

這個模擬器為英特爾多核心處理器最佳化,結合TFQ,Google雲端節點n2-highcpu-80可在60分鐘內,對20量子閘深度的20量子位元量子電路,進行100萬次電路模擬。Google提到,TFQ是一個在古典量子電路模擬器上執行量子電路的工具,未來目標是要讓TFQ能透過Cirq,在真正的量子處理器上執行量子電路,包括Google內部正在開發的Sycamore量子系統。


Advertisement

更多 iThome相關內容