（文章來源：新智元）

谷歌近日發(fā)布 TensorFlow Quantum，該框架可以將機器學習和量子計算結合在一起，用于構建量子數(shù)據(jù)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。各大公司在量子計算領域的競爭由來已久，3 月 3 日，霍尼韋爾宣稱三個月內推出 64 量子體積計算機，微軟也推出了Azure Quantum。今天我們就來揭開TensorFlow Quantum的神秘面紗。

據(jù)谷歌人工智能博客稱，新的量子電路模擬器和量子計算模型可以跟標準的 Keras 函數(shù)、現(xiàn)有的 TensorFlow API 無縫兼容，因此創(chuàng)建量子模型成為可能。在3月6日提交給 arXiv 的一篇論文中詳細解釋了對應的 Python 框架。這篇論文的 20 多位作者來自谷歌的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。

“我們希望這個框架為量子計算和機器學習研究團隊提供必要的工具，以探索自然和人工量子系統(tǒng)模型，并最終發(fā)現(xiàn)可能產生量子優(yōu)勢的新量子算法，”論文寫道。“未來，我們希望擴大定制仿真硬件的支持范圍，包括 GPU 和 TPU 的集成”。論文詳細介紹了結合開源量子電路庫 Cirq 和 TensorFlow 機器學習平臺的 TensorFlow Quantum 技術棧。量子計算的狂熱愛好者們希望這項技術可以帶來高效的模擬特性，為生命科學、解密、化學或材料開發(fā)以及優(yōu)化提供助力。

為什么要使用量子計算，TensorFlow Quantum 優(yōu)勢如何？“機器學習在傳統(tǒng)學習模型方面有很多應用，例如癌癥檢測的圖像處理，地震余震檢測，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 說， “但是今天的機器學習算法是使用經典數(shù)據(jù)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(shù)據(jù)中學習的能力，這就是這個庫所能做到的。”

TensorFlow Quantum 最大的好處在于，它為量子機器學習中使用的常見子程序提供了幾種工具，從而使量子經典混合模型易于訓練，同時還提供了一個打包好的高性能量子計算模擬器。滑鐵盧大學阿希姆肯普夫教授的信息物理實驗室成員布勞頓，為了研究量子機器學習創(chuàng)立了這個項目。該項目的另一個合作者弗登和布勞頓曾在谷歌一起實習，現(xiàn)在兩人都在谷歌全職工作，共同促進了這個項目的發(fā)展。

“這個項目誕生于一段友誼，這段友誼最終引發(fā)了學術界和工業(yè)界的共鳴”，滑鐵盧大學數(shù)學系的博士生弗登如是說， “通過這個項目，我們的目標是將量子計算能力與目前最先進的機器學習系統(tǒng)相結合來擴展人工智能的能力，從而將經典人工智能的范圍擴展到量子領域。”軟件有TFQ，硬件有量子計算機！77 位作者的谷歌量子霸權論文登上Nature封面

去年 9 月份谷歌實現(xiàn) “量子霸權” 的新聞沸沸揚揚，10 月份由 77 位作者撰寫的重磅論文《使用可編程超導處理器達到的量子霸權》(Quantum supremacy using a programmable superconducting processor)登上了Nature封面，將這一事件推向了高潮。據(jù)悉，該量子系統(tǒng)完成一個計算只用200 秒，而同樣的計算用當今最強大的超級計算機 Summit 執(zhí)行，需要約10000 年。

工欲善其事必先利其器。顯然有了 54 量子比特處理器的量子計算機，就必須要有與之相匹配的算法。傳統(tǒng)計算機使用的“不是0就是1”的二進制算法，在量子計算機這種“1,0疊加計算”的特性上，毫無用武之地。而谷歌最新TFQ算法的提出，為更好的利用量子計算機奠定了基礎。

它提供了一組運算符、低級編程模塊，以及用來創(chuàng)建與量子比特、量子邏輯門和量子電路配合使用的AI模型。TFQ降低了量子計算coding的復雜性，減少了研究人員敲代碼的工作量。谷歌在量子計算的路上越走越遠，硬件有量子計算機，軟件有TFQ，倚天屠龍在手的既視感。未來，谷歌將向合作者和學術研究人員，以及對開發(fā)算法和應用程序感興趣的公司提供量子霸權級處理器。

另外，谷歌還有意打造一臺容錯的量子計算機，這樣的設備有許多有價值的應用場景。我們可以設想量子計算幫助設計新材料 ，研發(fā)生產肥料的新型催化劑 (目前這個過程產生的碳排放量占全球的 2% 以上)，以及開發(fā)更有效的藥物，比如新冠病毒疫苗。

（責任編輯：fqj）