给大家分享一篇关于 和手机的文章。相信很多朋友对 和手机还是不太了解，所以边肖也在网上搜集了一些关于手机和 的相关知识与大家分享。希望大家看完之后会喜欢。
谷歌本周宣布了构建机器学习模型的TensorFlow框架的新版本，这是TensorFlow和Cinq的混搭，后者是谷歌开发的另一个构建量子计算算法的框架。它们一起允许您构建一个深度学习模型，在未来的量子计算机上运行，而不需要使用超过一堆Python代码。
然而，在关于张量流量子的研究论文中有一个警告。
谷歌研究的主要作者迈克尔布劳顿写道：“就作者所知，没有足够的证据表明我们应该期待在不久的将来利用QNN在经典数据分类中取得量子优势。”在这种情况下，经典数据意味着对您的典型照片进行分类，例如，对您刚刚拥有的任何其他数据集进行分类。
相反，通常所说的TensorFlow Quantum或TFQ正在使用今天的“有噪声的中间量子”机器或NISQ来运行使用由量子力学过程直接生成的数据的问题。例如，这可能是“用于提取关于化学结构和化学反应的信息的量子化学模拟状态”。或者物理学中著名的“多体问题”，来理解电子、原子、分子或其他实体之间的复杂相互作用。
在这个限度内，虽然可以使用谷歌的Sycamore量子计算机或去年推出的其他系统，但可以做很多工作，尽管大部分是在模拟中完成的。除了作为模拟器的Cinq，TFQ还包括“qsim”，一个新的模拟器，谷歌声称它为多种机器学习任务提供了显著的加速。
TFQ的前提是，我们正处于机器学习的第二个量子计算时代。在几年前的第一阶段，量子计算机的全部目的是加速核心矩阵乘法和其他深度学习的线性代数运算。(原来线性代数是物理学和量子计算的核心，所以至少理论上两者结合得很好。).
然而，近年来，这个领域已经超越了使用量子比特作为运行线性代数的简单“黑盒”。布劳顿说，我们现在处于“量子神经网络”或QNN的时代，布劳顿被任命为安大略滑铁卢大学计算机科学学院的教授。
本文就为大家讲解到这里了。标签：