谷歌今天宣布推出TensorFlow Quantum，将公司的机器学习和量子计算计划整合在一起。该框架可以构造量子数据集、原型混合量子模型和经典机器学习模型，支持量子电路模拟器，训练判别和生成量子模型。实际上，早在2017年10月，谷歌宣布了开源量子计算软件Open Fermion的源代码，可让使用者利用其改编算法和方程，使之能在量子计算机上运行。
2019年10月，Google首席执行官Sundar Pichai宣布公司已实现量子霸权，通过新设计的解决方案首次实现了量子优势。
据谷歌AI博客称，通过标准Keras函数，以及提供与现有TensorFlow API兼容的量子电路模拟器和量子计算原语，创建量子模型成为可能。谷歌在3月6日提交给预印本存储库arXiv的论文中解释了Python框架。
该论文的20多位作者分别来自Google X部门、滑铁卢大学量子计算研究所、NASA的Quantum AI Lab、大众汽车和谷歌研究院。研究人员在论文中写道：“我们希望这个框架为量子计算和机器学习相关研究团队提供必要的工具，以探索自然和人工量子系统的模型，并最终发现可能产生量子优势的新量子算法。”
此外，论文详细介绍了结合开源量子电路库Cirq和TensorFlow机器学习平台的TensorFlow Qutum软件栈。量子计算爱好者希望该技术的高效模拟特性将导致生命科学、解密、化学或材料开发以及优化方面取得进展。TensorFlow Quantum的推出正值TensorFlow开发峰会召开的同一周，不过由于冠状病毒的持续影响，谷歌取消了此次的线下活动。
当前，量子计算机还不是主流，但当它们到来时，它们需要算法。TFQ填补了这一空白，它使开发人员有可能创建混合人工智能算法，既使用经典计算技术，又使用量子计算机电路模拟。
随着量子计算技术的发展，新的量子机器学习模型可能会对世界上较大的问题产生深远的影响，从而在医学、材料、传感和通信领域取得突破。然而到目前为止，仍缺乏研究工具来发现可以处理量子数据并在当今可用的量子计算机上执行的量子机器学习模型。
今天谷歌与滑铁卢大学和大众汽车公司合作宣布发布的TensorFlow Quantum（TFQ），是一个用于快速建立量子机器学习模型原型的开源库。TFQ提供了将量子计算和机器学习研究团体聚集在一起控制和建模自然或人工量子系统所必需的工具。
量子数据表现出叠加和纠缠，导致联合概率分布，这可能需要成倍数量的经典计算资源来表示或存储。
量子数据可以在量子处理器、传感器或者网络上生成和模拟的量子数据，包括化学物质和量子物质的模拟、量子控制、量子通信网络、量子计量学等等。一个技术方面较关键的问题是，由NISQ处理器生成的量子数据是嘈杂的，通常在测量发生之前就被纠缠了。然而，将量子机器学习应用于嘈杂的纠缠量子数据可以最大程度地提取有用的经典信息。
在这些技术的启发下，TFQ库提供了用于解开并概括量子数据中相关性的开发模型原语，从而为改进现有量子算法或发现新的量子算法提供机会。
由于近期的量子处理器仍然很小且嘈杂，因此量子模型不能单独使用量子处理器，NISQ处理器将需要与经典处理器协同工作才能生效。由于TensorFlow已经支持跨CPU、GPU和TPU的异构计算，因此它用于实验混合量子经典算法的自然平台。
TFQ包含指定量子计算所需的基本结构，例如量子位、门、电路和测量运算符。用户指定的量子计算可以在模拟中或在实际硬件上执行。Cirq还包含大量机制，可帮助用户设计NISQ机器的高效算法，并使混合量子经典算法的实现能够在量子电路模拟器上运行，并最终在量子处理器上运行。
TensorFlow Quantum的关键特征是能够同时训练和执行许多量子电路的能力。
TensorFlow能够跨计算机集群并行计算，并能够在多核计算机上模拟相对较大的量子电路。为了实现后者，谷歌还宣布发布新的高性能开源量子电路模拟器qsim，这是一个新的高性能开源量子电路模拟器，它已经展示了在单个谷歌云节点上模拟32位量子电路的能力。该模拟器特别针对多核英特尔处理器进行了优化。
结合TFQ，研究人员已经在60分钟内在谷歌云节点上以20栅极深度对20量子位量子电路进行了100万次电路仿真。TensorFlow Quantum目前主要致力于在经典量子电路模拟器上执行量子电路。未来，TFQ将能够在Cirq支持的实际量子处理器上执行量子电路，包括谷歌自己的处理器Sycamore。