EITC/AI/TFQML TensorFlow Quantum Machine Learning is die Europese IT-sertifiseringsprogram vir die gebruik van Google TensorFlow Quantum-biblioteek vir die implementering van masjienleer in Google Quantum Processor Sycamore-argitektuur.
Die kurrikulum van die EITC/AI/TFQML TensorFlow Quantum Machine Learning fokus op teoretiese kennis en praktiese vaardighede in die gebruik van Google se TensorFlow Quantum-biblioteek vir gevorderde kwantum-berekeningsmodel gebaseerde masjienleer op die Google Quantum Processor Sycamore-argitektuur wat in die volgende struktuur georganiseer is, wat omvattende video insluit didaktiese inhoud as verwysing vir hierdie EITC-sertifisering.
TensorFlow Quantum (TFQ) is 'n kwantummasjienleerbiblioteek vir vinnige prototipering van baster kwantum-klassieke ML-modelle. Navorsing in kwantumalgoritmes en -toepassings kan gebruik maak van Google se kwantumrekenaarraamwerke, alles binne TensorFlow.
TensorFlow Quantum fokus op kwantumdata en die bou van hibriede kwantum-klassieke modelle. Dit integreer kwantumrekenaaralgoritmes en logika wat ontwerp is in Cirq (kwantumprogrammeringsraamwerk gebaseer op die kwantumstroombaanmodel) en bied kwantumrekenaarprimitiewe wat verenigbaar is met bestaande TensorFlow API's, tesame met hoëprestasie-kwantumstroom-simulators. Lees meer in die TensorFlow Quantum witskrif.
Kwantumberekening is die gebruik van kwantumverskynsels soos superposisie en verstrengeling om berekeninge uit te voer. Rekenaars wat kwantumberekenings doen, staan bekend as kwantumrekenaars. Daar word geglo dat kwantumrekenaars sekere rekenaarprobleme, soos heelgetal-faktorisering (wat onderlê aan RSA-kodering), aansienlik vinniger kan oplos as klassieke rekenaars. Die studie van kwantumrekenaar is 'n subveld van die kwantuminligtingkunde.
Kwantumberekening het begin in die vroeë 1980's, toe die natuurkundige Paul Benioff 'n kwantummeganiese model van die Turing-masjien voorgestel het. Richard Feynman en Yuri Manin het later voorgestel dat 'n kwantumrekenaar die potensiaal het om dinge te simuleer wat 'n klassieke rekenaar nie kan nie. In 1994 het Peter Shor 'n kwantumalgoritme ontwikkel om heelgetalle in berekening te bring wat die potensiaal het om RSA-geïnkripteerde kommunikasie te ontsyfer. Ondanks die voortslepende eksperimentele vordering sedert die laat negentigerjare, glo die meeste navorsers dat "foutverdraagsame kwantumrekenaars nog steeds 'n droom is." In onlangse jare het die belegging in kwantumrekenaarnavorsing in die openbare en private sektor toegeneem. Op 1990 Oktober 23 beweer Google AI, in vennootskap met die Amerikaanse Nasionale Lugvaart- en Ruimte-administrasie (NASA), 'n kwantumberekening te doen wat onhaalbaar is op enige klassieke rekenaar (sogenaamde kwantumoorheersingsresultaat).
Daar is verskillende modelle van kwantumrekenaars (of eerder kwantumrekenaarstelsels), insluitend die kwantumkringmodel, kwantumturing-masjien, adiabatiese kwantumrekenaar, eenrigting-kwantumrekenaar en verskillende kwantum-sellulêre outomate. Die mees gebruikte model is die kwantumbaan. Kwantumbane is gebaseer op die kwantumbit, of 'qubit', wat ietwat analoog is aan die bietjie in klassieke berekening. Qubits kan in 'n kwantumtoestand van 1 of 0 wees, of hulle kan in 'n superposisie van die 1 en 0-toestande wees. As kwbits egter gemeet word, is die resultaat van die meting altyd 'n 0 of 'n 1; Die waarskynlikheid van hierdie twee uitkomste hang af van die kwantumtoestand waarin die kwbits onmiddellik voor die meting was.
Die vordering in die rigting van die bou van 'n fisiese kwantumrekenaar fokus op tegnologieë soos transmone, ioonvalle en topologiese kwantumrekenaars, wat daarop gemik is om hoë gehalte kwbits te skep. Hierdie kwbits kan anders ontwerp word, afhangend van die rekenaarmodel van die volle kwantumrekenaar, of dit nou kwantumlogiese hekke, kwantumgloeiing of adiabatiese kwantumberekening is. Daar is tans 'n aantal belangrike hindernisse in die konstruksie van nuttige kwantumrekenaars. In die besonder is dit moeilik om die kwantumtoestande van qubits te handhaaf, aangesien dit ly aan kwantum-dekoherensie en getrouheid. Kwantumrekenaars benodig dus foutregstelling. Enige berekeningsprobleem wat deur 'n klassieke rekenaar opgelos kan word, kan ook deur 'n kwantumrekenaar opgelos word. Omgekeerd kan enige probleem wat deur 'n kwantumrekenaar opgelos kan word, ook deur 'n klassieke rekenaar opgelos word, ten minste in beginsel genoeg tyd gegee. Met ander woorde, kwantumrekenaars voldoen aan die Church-Turing-proefskrif. Alhoewel dit beteken dat kwantumrekenaars geen ekstra voordele bied bo klassieke rekenaars in terme van berekenbaarheid nie, het kwantumalgoritmes vir sekere probleme aansienlik laer tydkompleksiteit as ooreenstemmende bekende klassieke algoritmes. Dit is opvallend dat kwantumrekenaars glo sekere probleme wat geen klassieke rekenaar op enige moontlike tyd sou kon oplos, vinnig kon oplos nie - 'n prestasie wat bekend staan as 'quantum supremacy'. Die studie van die kompleksiteit van die berekening van probleme met betrekking tot kwantumrekenaars staan bekend as die kwantumkompleksiteitsteorie.
Google Sycamore is 'n kwantumverwerker wat geskep is deur die afdeling vir kunsmatige intelligensie van Google Inc. Dit bestaan uit 53 qubits.
In 2019 het Sycamore binne 200 sekondes 'n taak voltooi wat volgens Google in 'n Nature-artikel 'n moderne superrekenaar 10,000 2.5 jaar sou neem om te voltooi. Google beweer dus dat hy kwantumoorheersing behaal het. Om die tyd wat 'n klassieke superrekenaar in beslag neem, te skat, het Google gedeeltes van die kwantumsimulasie op die Summit uitgevoer, die kragtigste klassieke rekenaar ter wêreld. Later het IBM 'n teenargument aangevoer en beweer dat die taak slegs XNUMX dae sou duur op 'n klassieke stelsel soos Summit. As die eise van Google gehandhaaf word, sal dit 'n eksponensiële sprong in die rekenaarkrag verteenwoordig.
In Augustus 2020 het kwantumingenieurs wat by Google gewerk het, die grootste chemiese simulasie op 'n kwantumrekenaar gerapporteer - 'n benadering van Hartree-Fock met Sycamore gekoppel aan 'n klassieke rekenaar wat die resultate ontleed om nuwe parameters vir die 12-qubit-stelsel te bied.
In Desember 2020 het die Chinese foton-gebaseerde Jiuzhang-verwerker, ontwikkel deur USTC, 'n verwerkingskrag van 76 qubits behaal en was dit 10 miljard keer vinniger as Sycamore, wat dit die tweede rekenaar maak wat die kwantumheerskappy behaal.
Die Quantum Artificial Intelligence Lab (ook bekend as die Quantum AI Lab of QuAIL) is 'n gesamentlike inisiatief van NASA, Universities Space Research Association en Google (spesifiek Google Research) met die doel om navorsing te doen oor hoe kwantumrekenaarwerk kan help met masjienleer. en ander moeilike rekenaarwetenskaplike probleme. Die laboratorium word aangebied in die NASA se Ames-navorsingsentrum.
Google Research het die Quantum AI Lab op 16 Mei 2013 in 'n blogboodskap aangekondig. Ten tye van die bekendstelling gebruik die Lab die mees gevorderde kommersiële kwantumrekenaar, D-Wave Two van D-Wave Systems.
Op 20 Mei 2013 is aangekondig dat mense kan aansoek doen om tyd op die D-Wave Two by die Lab te gebruik. Op 10 Oktober 2013 het Google 'n kort film uitgereik wat die huidige stand van die Quantum AI Lab beskryf. Op 18 Oktober 2013 het Google aangekondig dat hy kwantumfisika in Minecraft opgeneem het.
In Januarie 2014 het Google resultate gerapporteer wat die prestasie van die D-Wave Two in die laboratorium vergelyk met dié van klassieke rekenaars. Die resultate was dubbelsinnig en het hewige bespreking op die internet ontlok. Op 2 September 2014 is aangekondig dat die Quantum AI Lab, in vennootskap met UC Santa Barbara, 'n inisiatief sal loods om kwantuminligtingverwerkers te skep gebaseer op supergeleidende elektronika.
Op 23 Oktober 2019 het die Quantum AI Lab in 'n referaat aangekondig dat dit kwantumoorheersing bereik het.
Google AI Quantum bevorder die berekening van kwantum deur kwantumverwerkers en nuwe kwantumalgoritmes te ontwikkel om navorsers en ontwikkelaars teoretiese en praktiese probleme op te los.
Quantum computing word beskou as te help met die ontwikkeling van die innovasies van more, insluitend AI. Daarom spandeer Google belangrike hulpbronne vir die opbou van toegewyde kwantum-hardeware en sagteware.
Quantum computing is 'n nuwe paradigma wat 'n groot rol sal speel in die versnelling van take vir AI. Google beoog om navorsers en ontwikkelaars toegang tot open source raamwerke en rekenaarkrag te bied wat buite klassieke berekeningsvermoë kan funksioneer.
Die belangrikste fokusareas van Google AI Quantum is:
- Supergeleidende qubit-verwerkers: Supergeleidende qubits met skyfgebaseerde skaalbare argitektuur wat op twee-kwbit-hekfout <0.5% gerig is.
- Qubit-metrologie: Die vermindering van twee kwbit-verlies onder 0.2% is van kritieke belang vir foutkorreksie. Ons is besig met 'n eksperiment met kwantumheerskappy, om 'n kwantumstroombaan te steek wat buite die vermoëns van moderne klassieke rekenaars en algoritmes steek.
- Kwantumsimulasie: Simulasie van fisiese stelsels is een van die mees verwagte toepassings van kwantumrekenaars. Ons fokus veral op kwantumalgoritmes vir die modellering van stelsels van interaksie tussen elektrone en toepassings in chemie en materiaalwetenskap.
- Kwantumondersteunde optimalisering: Ons ontwikkel hibriede kwantum-klassieke oplossers vir benaderde optimalisering. Termiese spronge in klassieke algoritmes om energieversperrings te oorkom, kan verbeter word deur kwantumopdaterings op te roep. Ons stel veral belang in samehangende bevolkingsoordrag.
- Kwantumneurale netwerke: Ons ontwikkel 'n raamwerk om 'n kwantumneurale netwerk op korttermynverwerkers te implementeer. Ons is geïnteresseerd in die begrip van die voordele wat die gevolg kan wees van die opwekking van massiewe superposisie-toestande tydens die werking van die netwerk.
Die belangrikste instrumente wat deur Google AI Quantum ontwikkel is, is open-source raamwerke wat spesifiek ontwerp is vir die ontwikkeling van nuwe kwantumalgoritmes om praktiese probleme op kort termyn te help oplos. Dit sluit in:
- Cirq: 'n oopbron-kwantumraamwerk vir die bou en eksperimentering met NISQ-algoritmes met luidrugtige intermediêre skaal op kwantumverwerkers op kort termyn
- OpenFermion: 'n open-source platform vir die vertaling van probleme in chemie en materiaalwetenskap in kwantumbane wat op bestaande platforms uitgevoer kan word
Google AI Quantum korttermyn-toepassings sluit in:
Kwantumsimulasie
Die ontwerp van nuwe materiale en die toeligting van komplekse fisika deur akkurate simulasies van chemie en kondensstofmodelle is van die mees belowende toepassings van kwantumrekenaars.
Foutversagtingstegnieke
Ons werk aan die ontwikkeling van metodes op pad na volledige kwantumfout-regstelling wat die vermoë het om geraas in huidige toestelle dramaties te verminder. Alhoewel volskaalse foutverdraagsame kwantumberekeninge aansienlike ontwikkelinge kan verg, het ons die kwantum-uitbreidingstegniek ontwikkel om te help met die gebruik van kwantumfoutkorrigering om die prestasie van toepassings op nabye toestelle te verbeter. Boonop vergemaklik hierdie tegnieke die toetsing van komplekse kwantumkodes op nabye toestelle. Ons dryf hierdie tegnieke aktief na nuwe gebiede en gebruik dit as 'n basis vir die ontwerp van korttermyn-eksperimente.
Kwantummasjienleer
Ons ontwikkel hibriede kwantaklassieke masjienleertegnieke op kwantumtoestelle op kort termyn. Ons bestudeer universele kwantumkringleer vir klassifikasie en groepering van kwantum- en klassieke data. Ons is ook geïnteresseerd in generatiewe en diskriminerende kwantumneurale netwerke, wat gebruik kan word as kwantumherhalers en toestandsuiweringseenhede binne kwantumkommunikasienetwerke, of om ander kwantumbane te verifieer.
Kwantumoptimalisering
Diskrete optimalisasies in lugvaart-, motor- en ander bedrywe kan baat vind by baster kwantumklassieke optimalisering, byvoorbeeld gesimuleerde uitgloeiing, kwantumondersteunde optimaliseringsalgoritme (QAOA) en kwantumverbeterde bevolkingsoordrag kan van nut wees met die verwerkers van vandag.
Om jouself in besonderhede te vergewis van die sertifiseringskurrikulum, kan jy die tabel hieronder uitbrei en ontleed.
Die EITC/AI/TFQML TensorFlow kwantummasjienleer-sertifiseringskurrikulum verwys na oop-toegang didaktiese materiaal in 'n videovorm. Leerproses word verdeel in 'n stap-vir-stap-struktuur (programme -> lesse -> onderwerpe) wat relevante kurrikulumdele dek. Onbeperkte konsultasie met domeinkundiges word ook verskaf.
Gaan na vir besonderhede oor die Sertifiseringsprosedure Hoe dit werk.
Kurrikulumverwysingshulpbronne
TensorFlow Quantum (TFQ) is 'n kwantummasjienleerbiblioteek vir vinnige prototipering van baster kwantum-klassieke ML-modelle. Navorsing in kwantumalgoritmes en -toepassings kan gebruik maak van Google se kwantumrekenaarraamwerke, alles binne TensorFlow. TensorFlow Quantum fokus op kwantumdata en die bou van baster kwantum-klassieke modelle. Dit integreer kwantumrekenaaralgoritmes en -logika wat in Cirq ontwerp is, en bied kwantumrekenaar-primitiewe wat verenigbaar is met bestaande TensorFlow API's, tesame met hoëprestasie-kwantumstroom-simulators. Lees meer in die TensorFlow Quantum witskrif. As aanvullende verwysing, kan u die oorsig nagaan en die tutoriale vir notaboeke uitvoer.
https://www.tensorflow.org/quantum
Circq
Cirq is 'n oopbronraamwerk vir NISQ-rekenaars met 'n luidrugtige intermediêre skaal. Dit is ontwikkel deur die Google AI Quantum Team, en die publieke alfa is aangekondig by die International Workshop on Quantum Software and Quantum Machine Learning op 18 Julie 2018. 'n Demo deur QC Ware het 'n implementering van QAOA getoon wat 'n voorbeeld van die maksimum besparing opgelos het probleem opgelos op 'n Cirq-simulator. Kwantumprogramme in Cirq word voorgestel deur "Circuit" en "Schedule" waar "Circuit" 'n Quantum-stroombaan voorstel en "Schedule" 'n Quantum-stroombaan met tydsberekening-inligting. Die programme kan op plaaslike simulators uitgevoer word. Die volgende voorbeeld wys hoe om 'n Bell-toestand in Cirq te skep en te meet.
voer sirk
# Kies qubits
qubit0 = sirk.GridQubit(0, 0)
qubit1 = sirk.GridQubit(0, 1)
# Skep 'n stroombaan
kring = sirk.Circuit.van_ops(
sirk.H(qubit0),
sirk.CNOT(qubit0, qubit1),
sirk.meet(qubit0, sleutel='m0'),
sirk.meet(qubit1, sleutel='m1')
)
Deur die stroombaan te druk, word die diagram getoon
druk(kring)
# afdrukke
# (0, 0): ───H─── @ ───M ('m0') ───
# │
# (0, 1): ─ ─ ─ ─ ─ X X X M ('
Deur die stroombaan te simuleer, word herhaaldelik getoon dat die metings van die kwbits ooreenstem.
simulator = sirk.Simulator()
lei = simulator.Run(kring, herhalings=5)
druk(lei)
# afdrukke
# m0 = 11010
# m1 = 11010
Laai die volledige vanlyn selflerende voorbereidingsmateriaal vir die EITC/AI/TFQML TensorFlow Quantum Machine Learning-program in 'n PDF-lêer af
EITC/AI/TFQML voorbereidende materiaal – standaard weergawe
EITC/AI/TFQML voorbereidende materiaal – uitgebreide weergawe met hersieningsvrae