“量子霸权”软硬件两手抓？谷歌开源TensorFlow Quan
3月10日，谷歌宣布与滑铁卢大学、Alphabet X 和大众汽车公司合作发布 TensorFlow Quantum(TFQ)。
TensorFlow Quantum（TFQ）是一个用于构建量子机器学习模型原型的开源库，该框架可以将机器学习和量子计算结合在一起，用于构建量子数据集、混合量子模型和经典机器学习模型、支持量子电路模拟器、训练判别和生成量子模型。
谷歌开源TensorFlow Quantum量子机器学习库
谷歌及其合作伙伴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，解决研究人员认为量子计算机即将解决的各类开放问题。
成果论文《TensorFlow Quantum:A Software Frameworkfor Quantum Machine Learning》已于3月6日提交至预印本平台arXiv，这篇论文的 20 多位作者分别来自谷歌的X部门，滑铁卢大学的量子计算研究所，美国宇航局的量子人工智能实验室，大众集团和谷歌研究院。
为什么需要量子机器学习库？
“机器学习在传统学习模型方面有很多应用，例如癌症检测的图像处理，地震余震检测，预测极端天气和探测新的系外行星”。谷歌TensorFlow Quantum 技术主管 Masoud Mohseni解释道，“但是今天的机器学习算法是使用经典数据建立和训练的，而自然本身就是量子的，所以为了在更深层次上模拟自然，我们需要扩展机器学习从量子数据中学习的能力，这就是这个库所能做到的。”
量子计算机运行量子位的专有算法与传统二进制不同，这种算法可以表示为1、0或两种状态兼有，而且需要专有的开发工具。
TensorFlow Quantum可提供运算符及低等级编程构造块，用于创建可与量子位、量子逻辑门和量子电路配合使用的人工智能模型。这些运算符消除了一些潜在的复杂性，以减少研究人员需要编写的代码量。
TFQ拥有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。
目前，TensorFlow Quantum仅限于在模拟量子计算机中使用，但谷歌计划进一步兼容真实的计算机，并增加支持自主开发的Sycamore量子系统。
TensorFlowQuantum有哪些功能？
TensorFlow Quantum可为TensorFlow下的判别式和生成式量子模型的设计和训练提供高级抽象，并支持高性能量子电路仿真器。
研究人员在论文中通过几个示例对软件体系结构和构建块进行了概述，并通过量子分类，量子控制和量子近似优化的监督学习等几种基本应用来说明TFQ的功能。
此外，他们还演示了如何应用TFQ解决高级量子学习任务，包括元学习，哈密顿量学习和热态采样。
谷歌并不是唯一一家提供量子人工智能机器学习系统的公司。
多伦多的量子计算初创公司Xanadu提供了一个类似的平台，称为Pennylane；微软和IBM则分别以云平台Azure Quantum和量子计算机IBM Q的形式，提供类似服务。
未来，他们计划将量子计算能力与目前最先进的机器学习系统相结合，扩展人工智能的能力，从而将经典人工智能的范围扩展到量子领域。
在量子软件领域，特别在人工智能等算力急缺的方向上，不少境外企业研究机构科研推进速度可观。
值得一提的是，本源量子的多款软件产品同样坚持开源（VQnet），并在多个方向上比谷歌微软开发得更早且保持领先。遗憾的是，我们大多数国人，还是倾向于使用大公司的产品，特别是谷歌微软这样世界级的公司。
国外巨头在量子软件领域建立量子软件标准，一轮用户收割已经开始，软件和使用习惯一旦被绑架，或导致产业发展错失良机。
痛定思痛，首先应做好自己，同时尽快提高量子教育普及程度，任重道远。
内容综合自网络
欢迎点击下方链接了解
相关论文《VQNet: Library for a Quantum-Classical Hybrid Neural Network》
已发表于arXiv (arXiv: 1901.09133)
更多VQNet资源：
