前言
3月10日，谷歌宣佈與滑鐵盧大學、Alphabet X 和大眾汽車公司合作發佈 TensorFlow Quantum(TFQ)。
TensorFlow Quantum（TFQ）是一個用於構建量子機器學習模型原型的開源庫，該框架可以將機器學習和量子計算結合在一起，用於構建量子數據集、混合量子模型和經典機器學習模型、支持量子電路模擬器、訓練判別和生成量子模型。
谷歌開源TensorFlow Quantum量子機器學習庫
谷歌及其合作伙伴希望這個框架為量子計算和機器學習研究界提供必要的工具，以探索經典和人工量子系統的模型，並最終發現可能產生量子優勢的新量子算法，解決研究人員認為量子計算機即將解決的各類開放問題。
成果論文《TensorFlow Quantum:A Software Frameworkfor Quantum Machine Learning》已於3月6日提交至預印本平臺arXiv，這篇論文的 20 多位作者分別來自谷歌的X部門，滑鐵盧大學的量子計算研究所，美國宇航局的量子人工智能實驗室，大眾集團和谷歌研究院。
為什麼需要量子機器學習庫？
“機器學習在傳統學習模型方面有很多應用，例如癌症檢測的圖像處理，地震餘震檢測，預測極端天氣和探測新的系外行星”。谷歌TensorFlow Quantum 技術主管 Masoud Mohseni解釋道，“但是今天的機器學習算法是使用經典數據建立和訓練的，而自然本身就是量子的，所以為了在更深層次上模擬自然，我們需要擴展機器學習從量子數據中學習的能力，這就是這個庫所能做到的。”
量子計算機運行量子位的專有算法與傳統二進制不同，這種算法可以表示為1、0或兩種狀態兼有，而且需要專有的開發工具。
TensorFlow Quantum可提供運算符及低等級編程構造塊，用於創建可與量子位、量子邏輯門和量子電路配合使用的人工智能模型。這些運算符消除了一些潛在的複雜性，以減少研究人員需要編寫的代碼量。
TFQ擁有可以將量子計算和機器學習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統。例如嘈雜中型量子（NISQ）處理器，具有約50-100量子位。
目前，TensorFlow Quantum僅限於在模擬量子計算機中使用，但谷歌計劃進一步兼容真實的計算機，並增加支持自主開發的Sycamore量子系統。
TensorFlowQuantum有哪些功能？
TensorFlow Quantum可為TensorFlow下的判別式和生成式量子模型的設計和訓練提供高級抽象，並支持高性能量子電路仿真器。
研究人員在論文中通過幾個示例對軟件體系結構和構建塊進行了概述，並通過量子分類，量子控制和量子近似優化的監督學習等幾種基本應用來說明TFQ的功能。
此外，他們還演示瞭如何應用TFQ解決高級量子學習任務，包括元學習，哈密頓量學習和熱態採樣。
谷歌並不是唯一一家提供量子人工智能機器學習系統的公司。
多倫多的量子計算初創公司Xanadu提供了一個類似的平臺，稱為Pennylane；微軟和IBM則分別以雲平臺Azure Quantum和量子計算機IBM Q的形式，提供類似服務。
未來，他們計劃將量子計算能力與目前最先進的機器學習系統相結合，擴展人工智能的能力，從而將經典人工智能的範圍擴展到量子領域。
在量子軟件領域，特別在人工智能等算力急缺的方向上，不少境外企業研究機構科研推進速度可觀。
值得一提的是，本源量子的多款軟件產品同樣堅持開源（VQnet），並在多個方向上比谷歌微軟開發得更早且保持領先。遺憾的是，我們大多數國人，還是傾向於使用大公司的產品，特別是谷歌微軟這樣世界級的公司。
國外巨頭在量子軟件領域建立量子軟件標準，一輪用戶收割已經開始，軟件和使用習慣一旦被綁架，或導致產業發展錯失良機。
痛定思痛，首先應做好自己，同時儘快提高量子教育普及程度，任重道遠。
（內容綜合自網絡）
相關論文《VQNet: Library for a Quantum-Classical Hybrid Neural Network》
已發表於arXiv (arXiv: 1901.09133)
閱讀更多 本源量子計算 的文章
