Google開源量子機器學習函式庫TensorFlow Quantum

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。