谷歌近日发布 TensorFlow Quantum，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。各大公司在量子计算领域的竞争由来已久，3 月 3 日，霍尼韦尔宣称三个月内推出 64 量子体积计算机，微软也推出了Azure Quantum。今天我们就来揭开 TensorFlow Quantum的神秘面纱。

据谷歌人工智能博客称，新的量子电路模拟器和量子计算模型可以跟标准的 Keras 函数、现有的 TensorFlow API 无缝兼容，因此创建量子模型成为可能。

在 3 月 6 日提交给 arXiv 的一篇论文中详细解释了对应的 Python 框架。这篇论文的 20 多位作者来自谷歌的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。

“我们希望这个框架为量子计算和机器学习研究团队提供必要的工具，以探索自然和人工量子系统模型，并最终发现可能产生量子优势的新量子算法，”论文写道。“未来，我们希望扩大定制仿真硬件的支持范围，包括 GPU 和 TPU 的集成”。

论文详细介绍了结合开源量子电路库 Cirq 和 TensorFlow 机器学习平台的 TensorFlow Quantum 技术栈。量子计算的狂热爱好者们希望这项技术可以带来高效的模拟特性，为生命科学、解密、化学或材料开发以及优化提供助力。

为什么要使用量子计算，TensorFlow Quantum 优势如何？

“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 说， “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。”

TensorFlow Quantum 最大的好处在于，它为量子机器学习中使用的常见子程序提供了几种工具，从而使量子经典混合模型易于训练，同时还提供了一个打包好的高性能量子计算模拟器。

学界工业界携手共建，项目源于一段伟大友谊

滑铁卢大学阿希姆肯普夫教授的信息物理实验室成员布劳顿，为了研究量子机器学习创立了这个项目。该项目的另一个合作者弗登和布劳顿曾在谷歌一起实习，现在两人都在谷歌全职工作，共同促进了这个项目的发展。

“这个项目诞生于一段友谊，这段友谊最终引发了学术界和工业界的共鸣”，滑铁卢大学数学系的博士生弗登如是说， “通过这个项目，我们的目标是将量子计算能力与目前最先进的机器学习系统相结合来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。”

软件有TFQ，硬件有量子计算机！77 位作者的谷歌量子霸权论文登上Nature封面

去年 9 月份谷歌实现 “量子霸权” 的新闻沸沸扬扬，10 月份由 77 位作者撰写的重磅论文《使用可编程超导处理器达到的量子霸权》(Quantum supremacy using a programmable superconducting processor)登上了Nature封面，将这一事件推向了高潮。

据悉，该量子系统完成一个计算只用 200 秒，而同样的计算用当今最强大的超级计算机 Summit 执行，需要约 10000 年。

论文地址：https://www.nature.com/articles/s41586-019-1666-5.pdf

工欲善其事必先利其器。显然有了 54 量子比特处理器的量子计算机，就必须要有与之相匹配的算法。传统计算机使用的“不是0就是1”的二进制算法，在量子计算机这种“1,0叠加计算”的特性上，毫无用武之地。而谷歌最新TFQ算法的提出，为更好的利用量子计算机奠定了基础。

它提供了一组运算符、低级编程模块，以及用来创建与量子比特、量子逻辑门和量子电路配合使用的AI模型。TFQ降低了量子计算coding的复杂性，减少了研究人员敲代码的工作量。

谷歌在量子计算的路上越走越远，硬件有量子计算机，软件有TFQ，倚天屠龙在手的既视感。未来，谷歌将向合作者和学术研究人员，以及对开发算法和应用程序感兴趣的公司提供量子霸权级处理器。

另外，谷歌还有意打造一台容错的量子计算机，这样的设备有许多有价值的应用场景。我们可以设想量子计算帮助设计新材料 ，研发生产肥料的新型催化剂 (目前这个过程产生的碳排放量占全球的 2% 以上)，以及开发更有效的药物，比如新冠病毒疫苗。

发布日期：2020年3月11日

来源：今日头条