EITC/AI/TFQML TensorFlow Quantum Machine Learning là chương trình Chứng nhận CNTT của Châu Âu về việc sử dụng thư viện Google Quantum TensorFlow để triển khai học máy trên kiến trúc Google Quantum Processor Sycamore.
Chương trình học của Máy học lượng tử TensorFlow EITC/AI/TFQML tập trung vào kiến thức lý thuyết và kỹ năng thực hành trong việc sử dụng thư viện Máy học lượng tử TensorFlow của Google để học máy dựa trên mô hình tính toán lượng tử nâng cao trên kiến trúc Bộ xử lý lượng tử Google Sycamore được tổ chức theo cấu trúc sau, bao gồm video toàn diện nội dung giáo khoa làm tài liệu tham khảo cho Chứng nhận EITC này.
TensorFlow Quantum (TFQ) là một thư viện máy học lượng tử để tạo mẫu nhanh các mô hình ML lượng tử-cổ điển lai. Nghiên cứu về các thuật toán lượng tử và ứng dụng có thể tận dụng các khuôn khổ điện toán lượng tử của Google, tất cả đều từ bên trong TensorFlow.
TensorFlow Quantum tập trung vào dữ liệu lượng tử và xây dựng các mô hình cổ điển-lượng tử lai. Nó tích hợp các thuật toán và logic tính toán lượng tử được thiết kế trong Cirq (khung lập trình lượng tử dựa trên mô hình mạch lượng tử), và cung cấp các nguyên lý tính toán lượng tử tương thích với các API TensorFlow hiện có, cùng với các trình mô phỏng mạch lượng tử hiệu suất cao. Đọc thêm trong sách trắng TensorFlow Lượng tử.
Tính toán lượng tử là việc sử dụng các hiện tượng lượng tử như chồng chất và vướng víu để thực hiện tính toán. Máy tính thực hiện các phép tính lượng tử được gọi là máy tính lượng tử. Máy tính lượng tử được cho là có thể giải quyết các vấn đề tính toán nhất định, chẳng hạn như phân tích số nguyên (làm cơ sở cho mã hóa RSA), về cơ bản nhanh hơn máy tính cổ điển. Nghiên cứu về tính toán lượng tử là một lĩnh vực con của khoa học thông tin lượng tử.
Tính toán lượng tử bắt đầu vào đầu những năm 1980, khi nhà vật lý Paul Benioff đề xuất một mô hình cơ lượng tử của máy Turing. Richard Feynman và Yuri Manin sau đó cho rằng máy tính lượng tử có tiềm năng mô phỏng những thứ mà máy tính cổ điển không thể. Năm 1994, Peter Shor đã phát triển một thuật toán lượng tử để tính các số nguyên có tiềm năng giải mã các thông tin liên lạc được mã hóa RSA. Bất chấp những tiến bộ thử nghiệm đang diễn ra kể từ cuối những năm 1990, hầu hết các nhà nghiên cứu tin rằng “tính toán lượng tử có khả năng chịu lỗi vẫn là một giấc mơ khá xa vời.”. Trong những năm gần đây, đầu tư vào nghiên cứu điện toán lượng tử đã tăng lên ở cả khu vực công và tư nhân. Vào ngày 23 tháng 2019 năm XNUMX, Google AI, hợp tác với Cơ quan Hàng không và Vũ trụ Quốc gia Hoa Kỳ (NASA), tuyên bố đã thực hiện một phép tính lượng tử không khả thi trên bất kỳ máy tính cổ điển nào (được gọi là kết quả tính tối cao lượng tử).
Có một số mô hình máy tính lượng tử (hay nói đúng hơn là hệ thống tính toán lượng tử), bao gồm mô hình mạch lượng tử, máy Turing lượng tử, máy tính lượng tử đoạn nhiệt, máy tính lượng tử một chiều và các ô tô lượng tử tế bào khác nhau. Mô hình được sử dụng rộng rãi nhất là mạch lượng tử. Các mạch lượng tử dựa trên bit lượng tử, hay "qubit", hơi tương tự với bit trong tính toán cổ điển. Qubit có thể ở trạng thái lượng tử 1 hoặc 0, hoặc chúng có thể ở trạng thái chồng chất của trạng thái 1 và 0. Tuy nhiên, khi qubit được đo, kết quả của phép đo luôn là 0 hoặc 1; xác suất của hai kết quả này phụ thuộc vào trạng thái lượng tử mà các qubit ở ngay trước khi đo.
Tiến độ xây dựng máy tính lượng tử vật lý tập trung vào các công nghệ như transmons, bẫy ion và máy tính lượng tử tôpô, nhằm tạo ra các qubit chất lượng cao. Các qubit này có thể được thiết kế khác nhau, tùy thuộc vào mô hình tính toán của máy tính lượng tử đầy đủ, cho dù là cổng logic lượng tử, ủ lượng tử hay tính toán lượng tử đoạn nhiệt. Hiện tại có một số trở ngại đáng kể trong con đường xây dựng các máy tính lượng tử hữu ích. Đặc biệt, rất khó để duy trì trạng thái lượng tử của qubit vì chúng bị mất liên kết lượng tử và trạng thái trung thực. Máy tính lượng tử do đó yêu cầu sửa lỗi. Bất kỳ vấn đề tính toán nào có thể được giải quyết bằng máy tính cổ điển cũng có thể được giải bằng máy tính lượng tử. Ngược lại, bất kỳ vấn đề nào có thể được giải quyết bằng máy tính lượng tử cũng có thể được giải quyết bằng máy tính cổ điển, ít nhất là về nguyên tắc cho đủ thời gian. Nói cách khác, máy tính lượng tử tuân theo luận điểm Church – Turing. Trong khi điều này có nghĩa là máy tính lượng tử không cung cấp thêm lợi thế so với máy tính cổ điển về khả năng tính toán, các thuật toán lượng tử cho một số vấn đề nhất định có độ phức tạp về thời gian thấp hơn đáng kể so với các thuật toán cổ điển đã biết tương ứng. Đáng chú ý, máy tính lượng tử được cho là có thể nhanh chóng giải quyết một số vấn đề mà không máy tính cổ điển nào có thể giải quyết trong bất kỳ khoảng thời gian khả thi nào — một kỳ tích được gọi là “quyền tối cao lượng tử”. Nghiên cứu về độ phức tạp tính toán của các vấn đề liên quan đến máy tính lượng tử được gọi là lý thuyết độ phức tạp lượng tử.
Google Sycamore là một bộ xử lý lượng tử được tạo ra bởi bộ phận Trí tuệ nhân tạo của Google Inc. Nó bao gồm 53 qubit.
Vào năm 2019, Sycamore đã hoàn thành một nhiệm vụ trong 200 giây mà Google tuyên bố, trên tờ Nature, sẽ mất một siêu máy tính hiện đại nhất 10,000 năm nữa mới hoàn thành. Vì vậy, Google tuyên bố đã đạt được ưu thế lượng tử. Để ước tính thời gian sẽ được thực hiện bởi một siêu máy tính cổ điển, Google đã chạy các phần của mô phỏng mạch lượng tử trên Summit, chiếc máy tính cổ điển mạnh nhất trên thế giới. Sau đó, IBM đã đưa ra một lập luận phản bác, tuyên bố rằng nhiệm vụ sẽ chỉ mất 2.5 ngày trên một hệ thống cổ điển như Summit. Nếu tuyên bố của Google được giữ nguyên, thì nó sẽ đại diện cho một bước nhảy vọt theo cấp số nhân về sức mạnh tính toán.
Vào tháng 2020 năm 12, các kỹ sư lượng tử làm việc cho Google đã báo cáo mô phỏng hóa học lớn nhất trên máy tính lượng tử - phép gần đúng Hartree-Fock với Sycamore được ghép nối với một máy tính cổ điển phân tích kết quả để cung cấp các tham số mới cho hệ thống XNUMX qubit.
Vào tháng 2020 năm 76, bộ xử lý Jiuzhang dựa trên photon của Trung Quốc, do USTC phát triển, đạt được sức mạnh xử lý 10 qubit và nhanh hơn XNUMX tỷ lần so với Sycamore, trở thành máy tính thứ hai đạt được ưu thế lượng tử.
Phòng thí nghiệm Trí tuệ Nhân tạo Lượng tử (còn được gọi là Phòng thí nghiệm Trí tuệ Nhân tạo Lượng tử hoặc QuAIL) là một sáng kiến chung của NASA, Hiệp hội Nghiên cứu Không gian các trường Đại học và Google (cụ thể là Nghiên cứu của Google) với mục tiêu đi tiên phong trong nghiên cứu về cách điện toán lượng tử có thể giúp ích cho việc học máy và các vấn đề khoa học máy tính khó khác. Phòng thí nghiệm được đặt tại Trung tâm Nghiên cứu Ames của NASA.
Phòng thí nghiệm AI lượng tử đã được Google Research công bố trong một bài đăng trên blog vào ngày 16 tháng 2013 năm XNUMX. Vào thời điểm ra mắt, Phòng thí nghiệm đang sử dụng máy tính lượng tử thương mại tiên tiến nhất, D-Wave Two từ D-Wave Systems.
Vào ngày 20 tháng 2013 năm 10, có thông báo rằng mọi người có thể đăng ký sử dụng thời gian trên D-Wave Two tại Phòng thí nghiệm. Vào ngày 2013 tháng 18 năm 2013, Google đã phát hành một đoạn phim ngắn mô tả tình trạng hiện tại của Phòng thí nghiệm AI lượng tử. Vào ngày XNUMX tháng XNUMX năm XNUMX, Google thông báo rằng họ đã kết hợp vật lý lượng tử vào Minecraft.
Vào tháng 2014 năm 2, Google đã báo cáo kết quả so sánh hiệu suất của D-Wave Two trong phòng thí nghiệm với hiệu suất của máy tính cổ điển. Kết quả không rõ ràng và gây ra cuộc thảo luận sôi nổi trên Internet. Vào ngày 2014 tháng XNUMX năm XNUMX, đã có thông báo rằng Phòng thí nghiệm AI lượng tử, hợp tác với UC Santa Barbara, sẽ khởi động một sáng kiến tạo ra các bộ xử lý thông tin lượng tử dựa trên thiết bị điện tử siêu dẫn.
Vào ngày 23 tháng 2019 năm XNUMX, Phòng thí nghiệm AI lượng tử đã thông báo trong một bài báo rằng nó đã đạt được ưu thế lượng tử.
Google AI Quantum đang nâng cao tính toán lượng tử bằng cách phát triển bộ xử lý lượng tử và các thuật toán lượng tử mới để giúp các nhà nghiên cứu và nhà phát triển giải quyết các vấn đề ngắn hạn cả về lý thuyết và thực tiễn.
Điện toán lượng tử được coi là sẽ giúp phát triển những đổi mới của ngày mai, bao gồm cả AI. Đó là lý do tại sao Google cam kết nguồn lực đáng kể để xây dựng phần cứng và phần mềm lượng tử chuyên dụng.
Điện toán lượng tử là một mô hình mới sẽ đóng một vai trò lớn trong việc tăng tốc các tác vụ cho AI. Mục đích của Google là cung cấp cho các nhà nghiên cứu và nhà phát triển quyền truy cập vào các khuôn khổ nguồn mở và sức mạnh tính toán có thể hoạt động ngoài khả năng tính toán cổ điển.
Các lĩnh vực trọng tâm chính của Google AI Quantum là
- Bộ xử lý qubit siêu dẫn: Các qubit siêu dẫn với kiến trúc có thể mở rộng dựa trên chip nhắm mục tiêu lỗi cổng hai qubit <0.5%.
- Đo lường Qubit: Giảm tổn thất hai qubit dưới 0.2% là rất quan trọng để sửa lỗi. Chúng tôi đang thực hiện một thí nghiệm về ưu thế lượng tử, để lấy mẫu một cách xấp xỉ một mạch lượng tử ngoài khả năng của các máy tính và thuật toán cổ điển hiện đại.
- Mô phỏng lượng tử: Mô phỏng các hệ thống vật lý là một trong những ứng dụng được mong đợi nhất của tính toán lượng tử. Chúng tôi đặc biệt tập trung vào các thuật toán lượng tử để mô hình hóa các hệ thống tương tác giữa các electron với các ứng dụng trong hóa học và khoa học vật liệu.
- Tối ưu hóa được hỗ trợ lượng tử: Chúng tôi đang phát triển các bộ giải lượng tử-cổ điển lai để tối ưu hóa gần đúng. Các bước nhảy nhiệt trong các thuật toán cổ điển để vượt qua các rào cản năng lượng có thể được tăng cường bằng cách gọi các cập nhật lượng tử. Chúng tôi đặc biệt quan tâm đến việc chuyển dịch dân cư chặt chẽ.
- Mạng nơ-ron lượng tử: Chúng tôi đang phát triển một khuôn khổ để triển khai mạng nơ-ron lượng tử trên các bộ xử lý ngắn hạn. Chúng tôi quan tâm đến việc tìm hiểu những lợi ích nào có thể phát sinh từ việc tạo ra các trạng thái chồng chất lớn trong quá trình vận hành mạng.
Các công cụ chính do Google AI Quantum phát triển là các khuôn khổ mã nguồn mở được thiết kế đặc biệt để phát triển các thuật toán lượng tử mới nhằm giúp giải quyết các ứng dụng ngắn hạn cho các vấn đề thực tế. Bao gồm các:
- Cirq: một khung lượng tử mã nguồn mở để xây dựng và thử nghiệm các thuật toán lượng tử quy mô trung gian (NISQ) ồn ào trên các bộ xử lý lượng tử ngắn hạn
- OpenFermion: một nền tảng mã nguồn mở để chuyển các vấn đề trong hóa học và khoa học vật liệu thành các mạch lượng tử có thể được thực thi trên các nền tảng hiện có
Các ứng dụng ngắn hạn của Google AI Quantum bao gồm:
Mô phỏng lượng tử
Việc thiết kế các vật liệu mới và làm sáng tỏ vật lý phức tạp thông qua các mô phỏng hóa học chính xác và các mô hình vật chất ngưng tụ là một trong những ứng dụng hứa hẹn nhất của điện toán lượng tử.
Các kỹ thuật giảm thiểu lỗi
Chúng tôi làm việc để phát triển các phương pháp trên con đường sửa lỗi lượng tử đầy đủ có khả năng giảm nhiễu đáng kể trong các thiết bị hiện tại. Mặc dù tính toán lượng tử có khả năng chịu lỗi ở quy mô đầy đủ có thể đòi hỏi những phát triển đáng kể, chúng tôi đã phát triển kỹ thuật mở rộng không gian con lượng tử để giúp sử dụng các kỹ thuật từ sửa lỗi lượng tử để cải thiện hiệu suất của các ứng dụng trên các thiết bị gần như. Hơn nữa, những kỹ thuật này tạo điều kiện thuận lợi cho việc kiểm tra các mã lượng tử phức tạp trên các thiết bị gần hạn. Chúng tôi đang tích cực thúc đẩy các kỹ thuật này vào các lĩnh vực mới và tận dụng chúng làm cơ sở cho việc thiết kế các thử nghiệm ngắn hạn.
Học máy lượng tử
Chúng tôi đang phát triển các kỹ thuật máy học lượng tử-cổ điển lai trên các thiết bị lượng tử có thời hạn gần. Chúng tôi đang nghiên cứu việc học mạch lượng tử phổ quát để phân loại và phân nhóm dữ liệu lượng tử và cổ điển. Chúng tôi cũng quan tâm đến mạng nơ-ron lượng tử phân biệt và tổng hợp, có thể được sử dụng làm bộ lặp lượng tử và đơn vị tinh lọc trạng thái trong mạng truyền thông lượng tử hoặc để xác minh các mạch lượng tử khác.
Tối ưu hóa lượng tử
Tối ưu hóa rời rạc trong hàng không vũ trụ, ô tô và các ngành công nghiệp khác có thể được hưởng lợi từ tối ưu hóa lượng tử-cổ điển kết hợp, ví dụ như ủ mô phỏng, thuật toán tối ưu hóa hỗ trợ lượng tử (QAOA) và truyền dân số tăng cường lượng tử có thể có ích với các bộ xử lý ngày nay.
Để tìm hiểu chi tiết về chương trình giảng dạy chứng nhận, bạn có thể mở rộng và phân tích bảng bên dưới.
Chương trình chứng nhận máy học lượng tử TensorFlow EITC/AI/TFQML tham khảo các tài liệu giáo khoa truy cập mở dưới dạng video. Quá trình học tập được chia thành cấu trúc từng bước (chương trình -> bài học -> chủ đề) bao gồm các phần chương trình học có liên quan. Tư vấn không giới hạn với các chuyên gia tên miền cũng được cung cấp.
Để biết chi tiết về kiểm tra thủ tục Chứng nhận Làm thế nào nó hoạt động.
Tài nguyên tham khảo chương trình giảng dạy
TensorFlow Quantum (TFQ) là một thư viện máy học lượng tử để tạo mẫu nhanh các mô hình ML lượng tử-cổ điển lai. Nghiên cứu về các thuật toán lượng tử và ứng dụng có thể tận dụng các khuôn khổ điện toán lượng tử của Google, tất cả đều từ bên trong TensorFlow. TensorFlow Quantum tập trung vào dữ liệu lượng tử và xây dựng các mô hình cổ điển-lượng tử lai. Nó tích hợp các thuật toán và logic tính toán lượng tử được thiết kế trong Cirq, đồng thời cung cấp các nguyên lý tính toán lượng tử tương thích với các API TensorFlow hiện có, cùng với các trình mô phỏng mạch lượng tử hiệu suất cao. Đọc thêm trong sách trắng TensorFlow Quantum. Để tham khảo thêm, bạn có thể xem tổng quan và chạy các hướng dẫn về sổ tay.
https://www.tensorflow.org/quantum
vòng tròn
Cirq là một khuôn khổ mã nguồn mở dành cho các máy tính Lượng tử Quy mô Trung gian Noisy (NISQ). Nó được phát triển bởi Nhóm lượng tử AI của Google và alpha công khai đã được công bố tại Hội thảo quốc tế về phần mềm lượng tử và máy học lượng tử vào ngày 18 tháng 2018 năm XNUMX. Bản trình diễn của QC Ware cho thấy việc triển khai QAOA giải quyết một ví dụ về mức cắt tối đa sự cố đang được giải quyết trên trình mô phỏng Cirq. Các chương trình lượng tử trong Cirq được đại diện bằng "Circuit" và "Schedule" trong đó "Circuit" đại diện cho một mạch Lượng tử và "Schedule" đại diện cho một mạch Lượng tử với thông tin thời gian. Các chương trình có thể được thực thi trên các trình mô phỏng cục bộ. Ví dụ sau đây cho thấy cách tạo và đo trạng thái Bell trong Cirq.
nhập khẩu vòng tròn
# Chọn qubit
qubit0 = vòng tròn.LướiQubit(0, 0)
qubit1 = vòng tròn.LướiQubit(0, 1)
# Tạo mạch
mạch = vòng tròn.Circuit.từ_ops(
vòng tròn.H(qubit0),
vòng tròn.CNOT(qubit0, qubit1),
vòng tròn.đo(qubit0, chính='m0'),
vòng tròn.đo(qubit1, chính='m1')
)
In mạch hiển thị sơ đồ của nó
in(mạch)
# bản in
# (0, 0): ───H─── @ ───M ('m0') ───
# │
# (0, 1): ────────X───M ('m1') ───
Mô phỏng mạch lặp đi lặp lại cho thấy rằng các phép đo của các qubit có mối tương quan với nhau.
mô phỏng = vòng tròn.Simulator()
kết quả = mô phỏng.chạy(mạch, buổi diễn tập=5)
in(kết quả)
# bản in
# m0 = 11010
# m1 = 11010
Tải xuống tài liệu chuẩn bị tự học ngoại tuyến hoàn chỉnh cho chương trình Học máy lượng tử TensorFlow EITC/AI/TFQML dưới dạng tệp PDF
Tài liệu chuẩn bị EITC/AI/TFQML – phiên bản tiêu chuẩn
Tài liệu chuẩn bị EITC/AI/TFQML – phiên bản mở rộng với các câu hỏi ôn tập