Google近日宣布推出了TensorFlow Quantum，将公司的机器学习和量子计算计划结合在一起。该框架可以构建量子数据集，原型混合量子模型和经典机器学习模型，支持量子电路模拟器以及训练判别和生成量子模型。
以下是Google TensorFlow官方发布的新闻，原文如下：
“机器学习（Machine Learning）虽然不能准确地模拟自然界中的系统，但可以学习系统模型并预测系统的行为。在过去的几年中，经典的机器学习模型在解决具有挑战性的科学问题方面展现出了强大的潜力，并在癌症检测、预测地震余震、预测极端天气模式以及检测新系外行星的图像处理方面取得了进步。随着量子计算发展的最新进展，新的量子机器学习模型的开发可能会对世界上最大的问题产生深远的影响，从而在医学、材料、传感和通信领域取得突破。但是，迄今为止，我们依然缺乏研究工具来发现有用的量子机器学习模型，从而处理量子数据并在当今可用的量子计算机上执行。
今天，我们与滑铁卢大学、X 和大众汽车合作，宣布发布 TensorFlow Quantum（TFQ），这是一个用于快速建立量子机器学习模型原型的开源库。TFQ 提供了必要的工具，可以将量子计算和机器学习研究界聚集在一起，以控制和建模自然或人工量子系统。例如有噪声的中规模量子（Noisy Intermediate Scale Quantum，NISQ）处理器，具有约 50-100 量子位。我们将在后续的文章中为您介绍更多信息。”
Google在去年秋天表示，通过新设计的解决方案的首次亮相，它实现了量子优势。 TensorFlow Quantum的发布是继Azure Quantum的推出以及霍尼韦尔（Honeywell）等公司取得的进步。
据Google AI博客称，使用标准Keras函数并提供与现有TensorFlow API兼容的量子电路模拟器和量子计算原语，可以创建量子模型。3月6日提交给预印本库arXiv的论文中解释了Python框架。该论文有来自Google X部门，滑铁卢大学量子计算研究所，美国宇航局量子AI实验室，大众汽车公司和Google Research的20多位作者。
“我们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，以探索自然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，”该论文说道， “将来，我们希望扩展支持的自定义仿真硬件的范围，以包括GPU和TPU集成。”
网友评论