PennyLane: 混合量子 - 经典计算的自动微分
量子计算机仿真软件关键研究领域:qiskit-torch-module 在提高运行效率、低开销与 PyTorch 集成方面较其他库提升两个数量级;适用于单机计算系统的高级工具,便于量子神经网络的整合。
Apr, 2024
TensorFlow Quantum 是一个开源库,支持快速原型设计经典或量子数据的混合量子 - 经典模型,并提供高级抽象来设计和训练区分性和生成性量子模型。该库的功能包括超导量子分类和控制,噪声型和最优化截断模拟以及类似神经网络的混合量子 - 经典模型的层次学习和 Hilbert 空间的量子分类;旨在为量子计算和机器学习提供必要的工具,发现潜在的量子算法。
Mar, 2020
利用一种创新的分布感知型的 QCQ 架构,将量子硬件和经典计算资源相结合,实现高性能计算,解决材料和凝聚态物理的量子模拟挑战,通过整合量子软件框架、高性能计算资源、量子算法和机器学习,该架构能够在分布式计算环境中有效进行量子状态准备、量子状态分类及量子模拟任务,实现量子 - 高性能计算的可扩展性,加速复杂相变分类任务并提供准确的相变预测。
Mar, 2024
sQUlearn 是一个用户友好的,NISQ-ready 的 Python 库,用于量子机器学习(QML),旨在与 scikit-learn 等经典机器学习工具无缝集成。该库的双层架构可同时为 QML 研究人员和从业者提供服务,实现高效的原型设计、实验和流水线化。sQUlearn 提供了一个全面的工具集,包括量子内核方法和量子神经网络,以及可定制的数据编码策略、自动执行处理和专门的内核正则化技术。通过专注于 NISQ 兼容性和端到端自动化,sQUlearn 旨在弥合当前量子计算能力与实际机器学习应用之间的差距。
Nov, 2023
NetKet 3 是一个支持 GPU 和 TPU 加速训练的基于神经网络的量子态的机器学习工具箱,使用 JAX 和自动微分 方法定义 Python 代码,支持离散对称性,可用于量子动力学应用。
Dec, 2021
应用量子迁移学习检测灰度图像中的裂纹,比较了 PennyLane 的标准量子位和 IBM 的 qasm_simulator 以及真实后端的性能和训练时间,提供了他们的执行效率的见解。
Jul, 2023
该研究介绍了 Yao,一个可扩展,高效的开源框架,用于量子算法设计。Yao 具有量子电路的通用和可微编程,在模拟与近期应用相关的中小型量子电路方面实现了最先进的性能。介绍了 Yao 背后的设计原则和关键技术,包括量子块中间表示,优化可逆计算的内置自动微分引擎,以及 GPU 加速的批量量子寄存器。Yao 的可扩展性和效率有助于促进量子算法设计的创新。
Dec, 2019
介绍了 Strawberry Fields 开源量子编程体系结构,它使用 Python 语言,适用于设计,模拟,优化和量子计算机的连续变量电路。该平台包括三个主要组成部分:使用 Blackbird 编程的 API,三种虚拟量子计算机后端和一个可以在各种后端上编译 Blackbird 程序的引擎,同时包含几个典型算法的示例。
Apr, 2018
本文为机器学习算法中广泛应用的迁移学习的概念扩展到了由经典和量子元素组成的混合神经网络的新兴领域,提出了不同实现混合迁移学习的方法,并重点关注了现代量子技术下,经典网络的预处理和优化加上量子算法处理的优秀组合,提供了图像识别和量子态分类等方面的几个案例,利用 PennyLane 软件库在 IBM 和 Rigetti 提供的两种不同的量子计算机上进行了测试。
Dec, 2019