tensorflow/quantum

TensorFlow Quantum (TFQ)

何であるか – TFQ は、ハイブリッド 量子-古典機械学習モデルを構築できる Python ライブラリです。Cirq で書かれた量子回路を TensorFlow/Keras エコシステムに統合することで、通常のディープラーニングと同様のツールでモデルを学習できます。

主な機能

• Cirq で量子回路を記述し、Google の高性能な qsim エンジンでシミュレーション。
• 量子操作をラップする Keras レイヤーを使用し、量子回路を TensorFlow の第一級演算として扱える。
• 複数の勾配法（パラメータシフト、アドジョイントなど）による量子回路の自動微分。
• 大規模な実験に向け、TensorFlow のグラフ実行と GPU/TPU 加速を活用。

一般的なワークフロー

1. Cirq でパラメータ化された量子回路を定義。
2. 回路を tfq.layers Keras レイヤーでラップ。
3. 古典層と量子層を混在させる Keras モデルを構築。
4. model.fit でモデルを学習し、TensorFlow が量子部分を経由したバックプロパゲーションを処理。

インストール – README からリンクされた公式ガイドに従ってください。パッケージは PyPI で tensorflow-quantum として公開されており、Python 3.10–3.12、TensorFlow 2.19+、NumPy 2.0、Cirq 1.5 を必要とします。

学習リソース

• クイックスタートチュートリアルとノートブックは、リポジトリの docs/tutorials にあります。
• 完全なドキュメント、ガイド、API リファレンスは https://tensorflow.org/quantum でホストされています。

ヘルプの取得

• GitHub トラックャーでイシューをオープン。
• Stack Overflow で tensorflow-quantum タグ付きで質問。

プロジェクトの引用 TFQ を使用した研究を発表する際は、arXiv 論文 TensorFlow Quantum: A Software Framework for Quantum Machine Learning (2020) を引用してください。README にはコピー可能な BibTeX エントリが用意されています。

連絡先 – 非公開の問い合わせは quantum-oss-maintainers@google.com まで。

重要性 – TFQ は、主流のディープラーニングと同様のツールとハードウェア加速を用いて、スケールに応じた量子強化機械学習アルゴリズムのプロトタイピングを研究者に可能にします。これにより、量子アルゴリズム研究と実用的な機械学習パイプラインの間のギャップが埋められます。