EITC/AI/TFQML TensorFlow Quantum Machine Learning - гэта Еўрапейская праграма ІТ-сертыфікацыі па выкарыстанні бібліятэкі Google TensorFlow Quantum для ўкаранення машыннага навучання ў архітэктуры Sycamore Google Quantum Processor.
Навучальны план квантавага машыннага навучання EITC/AI/TFQML TensorFlow сканцэнтраваны на тэарэтычных ведах і практычных навыках выкарыстання бібліятэкі TensorFlow Quantum ад Google для ўдасканаленай машыннага навучання на аснове квантавых вылічальных мадэляў на архітэктуры Google Quantum Processor Sycamore, арганізаванай у наступнай структуры, якая ахоплівае поўнае відэа дыдактычны змест у якасці спасылкі для гэтай сертыфікацыі EITC.
TensorFlow Quantum (TFQ) - гэта квантавая бібліятэка машыннага навучання для хуткага прататыпавання гібрыдных квантава-класічных мадэляў ML. Даследаванні ў галіне квантавых алгарытмаў і прыкладанняў могуць выкарыстоўваць асновы квантавых вылічэнняў Google, усё з TensorFlow.
TensorFlow Quantum факусуюць на квантавых дадзеных і стварэнні гібрыдных квантава-класічных мадэляў. Ён аб'ядноўвае алгарытмы квантавых вылічэнняў і логіку, распрацаваныя ў Cirq (структура квантавага праграмавання на аснове мадэлі квантавых схем), і забяспечвае прымітывы квантавых вылічэнняў, сумяшчальныя з існуючымі API TensorFlow, нароўні з высокаэфектыўнымі сімулятарамі квантавых схем. Больш падрабязна чытайце ў тэхнічнай паперы TensorFlow Quantum.
Квантавыя вылічэнні - гэта выкарыстанне квантавых з'яў, такіх як суперпазіцыя і перапляценне, для выканання вылічэнняў. Кампутары, якія выконваюць квантавыя вылічэнні, вядомыя як квантавыя кампутары. Лічыцца, што квантавыя кампутары здольныя вырашаць некаторыя вылічальныя задачы, такія як цэласнае множнік (што ляжыць у аснове шыфравання RSA), значна хутчэй, чым класічныя кампутары. Даследаванне квантавых вылічэнняў - падполе квантавай інфарматыкі.
Квантавыя вылічэнні пачаліся ў пачатку 1980-х, калі фізік Пол Беніёф прапанаваў квантава-механічную мадэль машыны Цьюрынга. Пазней Рычард Фейнман і Юрый Манін выказалі здагадку, што квантавы кампутар здольны імітаваць рэчы, якіх класічны кампутар не мог. У 1994 годзе Пітэр Шор распрацаваў квантавы алгарытм для разліку цэлых лікаў, якія маглі б расшыфраваць зашыфраваныя RSA сувязі. Нягледзячы на пастаянны эксперыментальны прагрэс з канца 1990-х гадоў, большасць даследчыкаў мяркуе, што "квантовыя вылічэнні, якія вытрымліваюць няспраўнасці, усё яшчэ даволі далёкая мара". У апошнія гады павялічыліся інвестыцыі ў даследаванні квантавых вылічэнняў як у дзяржаўным, так і ў прыватным сектары. 23 кастрычніка 2019 г. Google AI у партнёрстве з Нацыянальнай адміністрацыяй па паветраплаванні і касмічнай галіне ЗША (NASA) сцвярджаў, што правёў квантавыя вылічэнні, якія немагчымыя на любым класічным камп'ютэры (так званы вынік квантавай перавагі).
Існуе некалькі мадэляў квантавых кампутараў (дакладней, квантавых вылічальных сістэм), у тым ліку мадэль квантавых ланцугоў, квантавая машына Цьюрынга, адыябатычны квантавы кампутар, аднабаковы квантавы кампутар і розныя квантавыя клеткавыя аўтаматы. Найбольш распаўсюджаная мадэль - квантавая схема. Квантавыя ланцугі заснаваны на квантавым біце, або "кубіце", які ў нечым аналагічны біту пры класічных вылічэннях. Кубіты могуць знаходзіцца ў 1 або 0 квантавым стане, альбо яны могуць знаходзіцца ў суперпазіцыі 1 і 0 станаў. Аднак пры вымярэнні кубітаў вынік вымярэння заўсёды роўны 0 альбо 1; верагоднасць гэтых двух вынікаў залежыць ад квантавага стану, у якім знаходзіліся кубіты непасрэдна перад вымярэннем.
Прагрэс у стварэнні фізічнага квантавага кампутара факусуюць на такіх тэхналогіях, як трансмоны, іённыя пасткі і тапалагічныя квантавыя кампутары, якія накіраваны на стварэнне высакаякасных кубітаў. Гэтыя кубіты могуць быць сканструяваны па-рознаму, у залежнасці ад вылічальнай мадэлі поўнага квантавага камп'ютэра, будзь то квантавыя лагічныя вароты, квантавы адпал альбо адыябатычныя квантавыя вылічэнні. У цяперашні час існуе шэраг істотных перашкод на шляху стварэння карысных квантавых кампутараў. У прыватнасці, цяжка падтрымліваць квантавыя стану кубітаў, бо яны пакутуюць ад квантавай дэкагерэнцыі і вернасці стану. Таму квантавыя кампутары патрабуюць выпраўлення памылак. Любая вылічальная задача, якую можна вырашыць класічным камп'ютэрам, таксама можа быць вырашана квантавым кампутарам. І наадварот, любая праблема, якую можна вырашыць квантавым камп'ютэрам, таксама можа быць вырашана класічным камп'ютэрам, прынамсі ў прынцыпе з улікам дастатковага часу. Іншымі словамі, квантавыя камп'ютэры падпарадкоўваюцца тэзе Царквы-Цьюрынга. Хоць гэта азначае, што квантавыя кампутары не даюць дадатковых пераваг перад класічнымі кампутарамі з пункту гледжання вылічальнасці, квантавыя алгарытмы для пэўных задач маюць значна меншую часавую складанасць, чым адпаведныя вядомыя класічныя алгарытмы. Характэрна, што квантавыя кампутары, як мяркуюць, здольныя хутка вырашаць пэўныя праблемы, якія ні адзін класічны камп'ютэр не змог бы вырашыць за любы магчымы прамежак часу - подзвіг, вядомы як "квантавае вяршэнства". Даследаванне вылічальнай складанасці задач адносна квантавых кампутараў вядома як квантавая тэорыя складанасці.
Google Sycamore - квантавы працэсар, створаны аддзелам штучнага інтэлекту Google Inc. Ён налічвае 53 кубіты.
У 2019 годзе Sycamore выканаў заданне за 200 секунд, для якога, як сцвярджае Google, у газеце Nature спатрэбіцца 10,000 тысяч гадоў для сучаснага суперкампутара. Такім чынам, Google сцвярджаў, што дасягнуў квантавага вяршэнства. Каб ацаніць час, які спатрэбіцца класічнаму суперкампутару, Google запусціў часткі мадэлявання квантавых схем на Саміце, самым магутным класічным камп'ютэры ў свеце. Пазней IBM выказала сустрэчны аргумент, заявіўшы, што для класічнай сістэмы, падобнай на Summit, на выкананне гэтай задачы спатрэбіцца ўсяго 2.5 дня. Калі патрабаванні Google будуць задаволены, гэта будзе экспаненцыяльным скачком у вылічальнай магутнасці.
У жніўні 2020 года квантавыя інжынеры, якія працуюць у Google, паведамілі пра найбуйнейшае хімічнае мадэляванне на квантавым кампутары - набліжэнне Хартры-Фока з Sycamore ў спалучэнні з класічным камп'ютэрам, які аналізаваў вынікі для атрымання новых параметраў для 12-кубітнай сістэмы.
У снежні 2020 года кітайскі працэсар Jiuzhang на аснове фатонаў, распрацаваны USTC, дасягнуў магутнасці апрацоўкі ў 76 кубітаў і быў у 10 мільярдаў разоў хутчэй, чым Sycamore, што робіць яго другім кампутарам, які дасягнуў квантавага перавагі.
Лабараторыя квантавага штучнага інтэлекту (якая таксама называецца Quantum AI Lab або QuAIL) - гэта сумесная ініцыятыва NASA, Асацыяцыі касмічных даследаванняў універсітэтаў і Google (у прыватнасці, Google Research), мэта якой - наватарскія даследаванні таго, як квантавыя вылічэнні могуць дапамагчы ў машынным навучанні і іншыя складаныя праблемы інфарматыкі. Лабараторыя знаходзіцца ў Даследчым цэнтры Эймса НАСА.
Лабараторыя Quantum AI была абвешчана Google Research у паведамленні ў блогу 16 мая 2013 г. На момант запуску Лабараторыя выкарыстоўвала самы перадавы камерцыйны камп'ютэр D-Wave Two ад D-Wave Systems.
20 мая 2013 года было абвешчана, што людзі могуць звярнуцца за выкарыстаннем часу на D-Wave Two у лабараторыі. 10 кастрычніка 2013 г. Google выпусціў кароткаметражны фільм, які апісвае бягучы стан лабараторыі Quantum AI. 18 кастрычніка 2013 г. Google абвясціў, што ўключыў квантавую фізіку ў Minecraft.
У студзені 2014 года Google паведаміла вынікі, параўноўваючы прадукцыйнасць D-Wave Two у лабараторыі і класічных кампутараў. Вынікі былі неадназначнымі і выклікалі бурную дыскусію ў Інтэрнэце. 2 верасня 2014 года было абвешчана, што Quantum AI Lab у партнёрстве з UC Santa Barbara пачне ініцыятыву па стварэнні квантавых працэсараў інфармацыі на аснове звышправоднай электронікі.
23 кастрычніка 2019 г. лабараторыя Quantum AI абвясціла ў сваім дакуменце, што дасягнула квантавага перавагі.
Google AI Quantum прасоўвае квантавыя вылічэнні, распрацоўваючы квантавыя працэсары і новыя квантавыя алгарытмы, якія дапамагаюць даследчыкам і распрацоўшчыкам вырашаць бліжэйшыя тэарэтычныя і практычныя праблемы.
Лічыцца, што квантавыя вылічэнні дапамагаюць развіваць інавацыі заўтрашняга дня, у тым ліку ШІ. Вось чаму Google выдзяляе значныя рэсурсы для стварэння спецыяльных квантавых апаратных і праграмных сродкаў.
Квантавыя вылічэнні - гэта новая парадыгма, якая згуляе вялікую ролю ў паскарэнні задач для ІІ. Google імкнецца прапанаваць даследчыкам і распрацоўшчыкам доступ да фреймворкаў з адкрытым зыходным кодам і вылічальнай магутнасці, якія могуць выходзіць за рамкі класічных магчымасцяў вылічэнняў.
Асноўнымі напрамкамі Google AI Quantum з'яўляюцца
- Звышправодзячыя кубітавыя працэсары: звышправодзячыя кубіты з маштабуемай архітэктурай на аснове мікрасхем, арыентаванай на памылку двухкубітавага засаўкі <0.5%.
- Метралогія Qubit: Зніжэнне страт на два кубіты ніжэй 0.2% мае вырашальнае значэнне для выпраўлення памылак. Мы працуем над эксперыментам па квантавай перавазе, каб прыблізна паспрабаваць квантавую схему, якая выходзіць за рамкі магчымасцей сучасных класічных кампутараў і алгарытмаў.
- Квантавае мадэляванне: мадэляванне фізічных сістэм з'яўляецца адным з самых чаканых прыкладанняў квантавых вылічэнняў. Мы асабліва засяродзім увагу на квантавых алгарытмах для мадэлявання сістэм узаемадзейных электронаў з прымяненнем у хіміі і матэрыялазнаўстве.
- Квантавая дапаможная аптымізацыя: Мы распрацоўваем гібрыдныя квантава-класічныя рашальнікі для прыблізнай аптымізацыі. Цеплавыя скачкі ў класічных алгарытмах для пераадолення энергетычных бар'ераў можна ўзмацніць, выклікаючы квантавыя абнаўленні. Мы ў прыватнасці зацікаўлены ў узгодненым пераносе насельніцтва.
- Квантавыя нейронныя сеткі: Мы распрацоўваем аснову для рэалізацыі квантавай нейроннай сеткі на бліжэйшых працэсарах. Мы зацікаўлены ў разуменні таго, якія перавагі могуць узнікнуць пры стварэнні масіўных станаў суперпазіцыі падчас працы сеткі.
Асноўнымі інструментамі, распрацаванымі Google AI Quantum, з'яўляюцца платформы з адкрытым зыходным кодам, спецыяльна распрацаваныя для распрацоўкі новых квантавых алгарытмаў, якія дапамагаюць вырашаць бліжэйшыя прыкладання для практычных задач. Сюды ўваходзяць:
- Cirq: квантавая структура з адкрытым зыходным кодам для пабудовы і эксперыментаў з шумнымі алгарытмамі сярэдняга маштабу (NISQ) на бліжэйшых квантавых працэсарах
- OpenFermion: платформа з адкрытым зыходным кодам для пераводу праблем хіміі і матэрыялазнаўства ў квантавыя схемы, якія можна выканаць на існуючых платформах
Бліжэйшыя праграмы Google AI Quantum ўключаюць:
Квантавае мадэляванне
Распрацоўка новых матэрыялаў і высвятленне складанай фізікі з дапамогай дакладнага мадэлявання хіміі і мадэляў кандэнсаванага рэчыва з'яўляюцца аднымі з найбольш перспектыўных прыкладанняў квантавых вылічэнняў.
Метады ліквідацыі памылак
Мы працуем над распрацоўкай метадаў на шляху поўнай квантавай карэкцыі памылак, якія дазваляюць рэзка паменшыць шум у бягучых прыладах. У той час як поўнамаштабныя квантавыя вылічэнні, якія дапускаюць памылкі, могуць запатрабаваць значных распрацовак, мы распрацавалі метад квантавага пашырэння падпрасторы, каб дапамагчы выкарыстоўваць метады квантавай карэкцыі памылак для павышэння прадукцыйнасці прыкладанняў на бліжэйшых прыладах. Больш за тое, гэтыя метады палягчаюць тэставанне складаных квантавых кодаў на бліжэйшых прыладах. Мы актыўна прасоўваем гэтыя метады ў новыя вобласці і выкарыстоўваем іх як аснову для распрацоўкі бліжэйшых эксперыментаў.
Квантавае машыннае навучанне
Мы распрацоўваем гібрыдныя метады квантава-класічнага машыннага навучання на бліжэйшых квантавых прыладах. Мы вывучаем універсальнае навучанне квантавых схем для класіфікацыі і кластарызацыі квантавых і класічных дадзеных. Мы таксама зацікаўлены ў генератыўных і дыскрымінацыйных квантавых нейронных сетках, якія могуць быць выкарыстаны ў якасці квантавых рэтранслятараў і блокаў ачысткі стану ў квантавых сетках сувязі, альбо для праверкі іншых квантавых ланцугоў.
Квантавая аптымізацыя
Дыскрэтная аптымізацыя ў аэракасмічнай, аўтамабільнай і іншых галінах можа атрымаць выгаду ад гібрыднай квантава-класічнай аптымізацыі, напрыклад, мадэляваны адпал, алгарытм квантавай палепшанай аптымізацыі (QAOA) і квантавы ўзмоцнены перанос насельніцтва могуць быць карыснымі для сучасных працэсараў.
Для дэталёвага азнаямлення з вучэбнай праграмай сертыфікацыі вы можаце разгарнуць і прааналізаваць табліцу ніжэй.
Вучэбная праграма па сертыфікацыі квантавага машыннага навучання EITC/AI/TFQML TensorFlow змяшчае спасылкі на дыдактычныя матэрыялы з адкрытым доступам у відэаформе. Працэс навучання падзелены на пакрокавую структуру (праграмы -> урокі -> тэмы), якая ахоплівае адпаведныя часткі вучэбнай праграмы. Таксама прадастаўляюцца неабмежаваныя кансультацыі з экспертамі па дамене.
Падрабязна пра працэдуру сертыфікацыі глядзіце Як гэта працуе?.
Даведачныя рэсурсы вучэбнай праграмы
TensorFlow Quantum (TFQ) - гэта квантавая бібліятэка машыннага навучання для хуткага прататыпавання гібрыдных квантава-класічных мадэляў ML. Даследаванні ў галіне квантавых алгарытмаў і прыкладанняў могуць выкарыстоўваць асновы квантавых вылічэнняў Google, усё з TensorFlow. TensorFlow Quantum факусуюць на квантавых дадзеных і стварэнні гібрыдных квантава-класічных мадэляў. Ён аб'ядноўвае алгарытмы і логіку квантавых вылічэнняў, распрацаваныя ў Cirq, і забяспечвае прымітывы квантавых вылічэнняў, сумяшчальныя з існуючымі API TensorFlow, а таксама высокаэфектыўныя сімулятары квантавых схем. Больш падрабязна чытайце ў даведцы TensorFlow Quantum. У якасці дадатковай спасылкі вы можаце праверыць агляд і запусціць падручнікі па сшытках.
https://www.tensorflow.org/quantum
Цырк
Cirq - гэта фреймворк з адкрытым зыходным кодам для камп'ютэраў Noisy Intermediate Scale Quantum (NISQ). Ён быў распрацаваны камандай Google AI Quantum, а публічная альфа-версія была абвешчана на Міжнародным семінары па квантавым праграмным забеспячэнні і квантавым машынным навучанні 18 ліпеня 2018 г. Дэманстрацыя QC Ware паказала рэалізацыю QAOA на прыкладзе максімальнага скарачэння праблема, якая вырашаецца на трэнажоры Cirq. Квантавыя праграмы ў Cirq прадстаўлены "Circuit" і "Schedule", дзе "Circuit" ўяўляе сабой Quantum схема, а "Schedule" ўяўляе сабой Quantum схема з інфармацыяй пра тэрміны. Праграмы могуць выконвацца на лакальных трэнажорах. У наступным прыкладзе паказана, як стварыць і вымераць стан званка ў Cirq.
імпарт цырк
# Падбярыце кубітаў
кубіт0 = цырк.GridQubit(0, 0)
кубіт1 = цырк.GridQubit(0, 1)
# Стварыце схему
ланцуг = цырк.Ланцуг.ад_ops(
цырк.H(кубіт0),
цырк.НЕТ(кубіт0, кубіт1),
цырк.вымярэнне(кубіт0, ключ="m0"),
цырк.вымярэнне(кубіт1, ключ="m1")
)
Друк схемы адлюстроўвае яе схему
друк(ланцуг)
# адбіткі
# (0, 0): ───H─── @ ───M ('m0') ───
# │
# (0, 1): ───────X───M ('m1') ───
Неаднаразовае мадэляванне схемы паказвае, што вымярэння кубітаў карэлююць.
сімулятар = цырк.Сімулятар()
вынік = сімулятар.працаваць(ланцуг, рэпетыцыі=5)
друк(вынік)
# адбіткі
# m0 = 11010
# m1 = 11010
Спампуйце поўныя афлайн-падрыхтоўчыя матэрыялы для праграмы Quantum Machine Learning EITC/AI/TFQML TensorFlow у файле PDF
Падрыхтоўчыя матэрыялы EITC/AI/TFQML – стандартная версія
Падрыхтоўчыя матэрыялы EITC/AI/TFQML – пашыраная версія з пытаннямі для агляду