（文章來源：新智元）

谷歌近日發布 TensorFlow Quantum，該框架可以將機器學習和量子計算結合在一起，用于構建量子數據集、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、現有的 TensorFlow API 無縫兼容，因此創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模型，并最終發現可能產生量子優勢的新量子算法，”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、化學或材料開發以及優化提供助力。

為什么要使用量子計算，TensorFlow Quantum 優勢如何？“機器學習在傳統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據建立和訓練的，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據中學習的能力，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，現在兩人都在谷歌全職工作，共同促進了這個項目的發展。

“這個項目誕生于一段友誼，這段友誼最終引發了學術界和工業界的共鳴”，滑鐵盧大學數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 “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。據悉，該量子系統完成一個計算只用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)，以及開發更有效的藥物，比如新冠病毒疫苗。

（責任編輯：fqj）