Open-Source-Bibliothek für Quanten-ML vorgestellt

Das maschinelle Lernen (ML) hat die Fähigkeit, ein Modell eines Systems zu lernen und das Verhalten des Systems vorherzusagen. In den zurückliegenden Jahren haben sich klassische ML-Modelle als vielversprechend bei der Lösung anspruchsvoller wissenschaftlicher Probleme erwiesen und zu Fortschritten in der Bildverarbeitung für die Krebserkennung, der Vorhersage von Erdbebennachbeben, der Vorhersage extremer Wettermuster und der Erkennung neuer Exoplaneten geführt. Mit den jüngsten Fortschritten in der Entwicklung von Quantencomputern könnte die Entwicklung neuer Quanten-ML-Modelle einen tiefgreifenden Einfluss auf die größten Probleme der Welt haben und zu Durchbrüchen in den Bereichen Medizin, Materialien, Sensorik und Kommunikation führen. Bislang fehlte es jedoch an Forschungsinstrumenten, um nützliche Quanten-ML-Modelle zu entdecken, die Quantendaten verarbeiten und auf den heute verfügbaren Quantencomputern ausführen können. Google hat zusammen mit der Universität Waterloo, dem Unternehmen X sowie Volkswagen die Veröffentlichung von TensorFlow Quantum (TFQ) bekanntgegeben, einer Open-Source-Bibliothek für das schnelle Erstellen von Prototypen von Quanten-ML-Modellen. TFQ stellt die notwendigen Werkzeuge zur Verfügung, um die Forschungsgemeinschaften für Quantencomputer und maschinelles Lernen zusammenzubringen, um natürliche oder künstliche Quantensysteme zu steuern und zu modellieren.

Unter der Haube integriert TFQ Cirq (ein Open Source Framework für NISQ Algorithmen) mit TensorFlow und bietet Abstraktionen auf hohem Niveau für den Entwurf und die Implementierung sowohl diskriminierender als auch generativer quantenklassischer Modelle durch die Bereitstellung von Quantencomputer-Primitiven, die mit den bestehenden TensorFlow-APIs kompatibel sind, zusammen mit Hochleistungsquantenschaltungssimulatoren.

Die komplette englischsprachige Ankündigung von TFQ sowie einen Überblick darüber wie TFQ arbeitet finden Sie auf dieser Seite.