Google开源量子机器学习函式库TensorFlow Quantum

Google、滑铁卢大学、X（公司）和福斯集团合作，共同释出量子机器学习的开源函式库TensorFlow Quantum（TFQ），这是一个TensorFlow的扩充，让开发人员可以利用量子电脑建构机器学习模型。

Google提到，机器学习技术虽然无法精确地模拟自然界的系统，但是可以透过学习系统模型，预测系统的行为，在过去几年中，古典机器学习模型解决了许多科学问题，在医学、天气以及太空等领域皆有重要的进展，而随着量子电脑的发展，新的量子机器学习模型，可能对世界上各种难题有着重要影响，但是目前却缺乏工具，来建立可在量子电脑上执行的量子机器学习模型。

为了解决这个问题，Google与多个组织合作释出了TFQ，可以将量子运算和机器学习技术结合在一起。TFQ底层整合TensorFlow和噪声中等规模量子（Noisy Intermediate Scale Quantum，NISQ）算法框架Cirq，并且透过现有和TensorFlow API相容的量子运算原语，以及高效能量子电路模拟器，为判别性和生成性量子古典模型的设计和实作，提供高阶抽象。

TFQ的关键功能，是可以同时训练和执行许多量子电路，Google解释，这是因为TensorFlow能够在电脑丛集中平行化运算，并且能够在多核心电脑上模拟相对较大的量子电路，进而实现这个关键功能。而为了要在多核心电脑模拟大型量子电路，Google开发了高效能量子电路模拟器qsim，经实验证实，该模拟器可以在Google云端节点n1-ultramem-160，花费111秒模拟14量子闸（Gate Depth）深度的32量子位元量子电路。

这个模拟器为英特尔多核心处理器最佳化，结合TFQ，Google云端节点n2-highcpu-80可在60分钟内，对20量子闸深度的20量子位元量子电路，进行100万次电路模拟。Google提到，TFQ是一个在古典量子电路模拟器上执行量子电路的工具，未来目标是要让TFQ能透过Cirq，在真正的量子处理器上执行量子电路，包括Google内部正在开发的Sycamore量子系统。