Корпорация Google выпустила библиотеку программ, предназначенную для работы с квантовыми нейронными сетями. Её можно использовать как на реальных квантовых компьютерах, так и на их симуляциях. Продукт распространяется бесплатно и имеет открытый исходный код.
Новая библиотека получила название TensorFlow Quantum (TFQ). Она дополняет широко известный инструмент TensorFlow, предназначенный для работы с искусственным интеллектом на классических компьютерах.
Проект был реализован командой Google AI Quantum совместно со студентами Университета Ватерлоо, а также компаниями Alphabet X и Volkswagen.
"Вести.Наука" (nauka.vesti.ru) подробно рассказывали, что такое квантовый компьютер и кубиты. Напомним, что кубит, в отличие от классического бита, может находиться не только в состоянии "0" или "1", но и в квантовой суперпозиции ("смеси") этих состояний. Потенциально это обеспечивает квантовым компьютерам огромную вычислительную мощность. Но на данный момент системы кубитов весьма уязвимы перед помехами и ошибками.
TFQ предоставляет инструменты для работы с основными компонентами квантовых вычислений: кубитами, процедурой квантового измерения и так далее. Систему можно использовать для программирования как реальных квантовых компьютеров, так и их симуляций на классических машинах. Для решения последней задачи команда Google также выпустила симулятор квантовых вычислительных цепей qsim.
Единство непохожих
Как отмечают специалисты компании, мир вступает в эпоху шумных квантовых процессоров среднего масштаба (Noisy Intermediate-Scale Quantum, или NISQ). Такие устройства будут иметь 50–100 кубитов (это и есть "средний масштаб"). Предполагается, что они уже будут уметь нечто, что недоступно классическим компьютерам. По крайней мере, с помощью последних уже довольно трудно моделировать системы с таким количеством кубитов.
С другой стороны, кубиты по-прежнему работают довольно неустойчиво (поэтому процессоры названы "шумными"). При этом предложенные на сегодняшний день алгоритмы коррекции ошибок будут эффективны при вычислительной мощности в миллионы, а не десятки кубитов.
Таким образом, возможности квантовых компьютеров эпохи NISQ ограничены их уязвимостью перед ошибками. Для большей эффективности они должны работать в одной системе с классическими процессорами. И TensorFlow Quantum предоставляет для этого все возможности, поскольку является "потомком" TensorFlow, хорошо приспособленной к интеграции процессоров с разными наборами команд.
Кроме того, TFQ интегрирована с платформой Cirq. Это тоже разработка Google AI Quantum, предназначенная для работы с квантовыми компьютерами.
Искусственный интеллект на службе у квантовых вычислений
Напомним, что системы эпохи NISQ уязвимы перед помехами и вычислительными ошибками. Как защититься от этого зла?
Инженеры Google предлагают своё решение. По сути, говорят они, перед нами широко распространённая задача: отфильтровать из данных случайный шум и извлечь полезную информацию. Такие задачи часто возникают, например, при распознавании образов, и решаются с помощью искусственного интеллекта.
"Вести.Наука" рассказывали, как обучается классическая нейронная сеть. Примерно так же работает и квантовая, хотя, разумеется, она имеет свою специфику.
Квантовая нейронная сеть считывает квантовые данные благодаря той самой процедуре измерения. Результатом этой процедуры являются уже вполне обычные наборы чисел. Их обработку можно предоставить классической (не квантовой) нейронной сети с глубоким обучением.
По мысли разработчиков, в паре классическая и квантовая нейронная сеть извлекут максимум информации из "подпорченных" квантовых данных.
Подробности для специалистов изложены в препринте научной статьи, опубликованном на сайте arXiv.org.
К слову, ранее "Вести.Наука" (nauka.vesti.ru) писали об обещанном компанией Honeywell мощнейшем в мире квантовом компьютере.
