tensorflow/quantum

TensorFlow Quantum (TFQ)

무엇인가요 – TFQ는 하이브리드 양자-고전 기계학습 모델을 구축할 수 있는 Python 라이브러리입니다. Cirq로 작성된 양자 회로를 TensorFlow/Keras 생태계에 통합하여, 일반적인 딥러닝과 동일한 도구로 모델을 학습할 수 있습니다.

주요 기능

• Cirq로 양자 회로를 작성하고 Google의 고성능 qsim 엔진으로 시뮬레이션.
• 양자 연산을 래핑하는 Keras 레이어를 사용하여 양자 회로를 TensorFlow의 1급 연산으로 취급.
• 여러 기법(파라미터 시프트, 어드조이ント 등)을 활용한 양자 회로의 자동 미분.
• 대규모 실험을 위해 TensorFlow의 그래프 실행 및 GPU/TPU 가속 기능 활용.

일반적인 워크플로우

1. Cirq에서 파라미터화된 양자 회로를 정의.
2. 회로를 tfq.layers Keras 레이어로 감싸기.
3. 고전적 레이어와 양자 레이어를 혼합한 Keras 모델 구축.
4. model.fit으로 모델을 학습하고, TensorFlow가 양자 부분을 거쳐 역전파를 처리하도록 함.

설치 – README에서 링크된 공식 가이드를 따르세요. 패키지는 PyPI에서 tensorflow-quantum로 배포되며, Python 3.10–3.12, TensorFlow 2.19+, NumPy 2.0, Cirq 1.5가 필요합니다.

학습 자료

• 빠른 시작 튜토리얼과 노트북은 리포지토리의 docs/tutorials 폴더에 있습니다.
• 완전한 문서, 가이드, API 참조는 https://tensorflow.org/quantum 에 호스팅되어 있습니다.

도움 요청

• GitHub 트래커에서 이슈를 열기.
• Stack Overflow에서 tensorflow-quantum 태그로 질문하기.

프로젝트 인용 TFQ를 사용한 연구를 발표할 경우, arXiv 논문 TensorFlow Quantum: A Software Framework for Quantum Machine Learning (2020)를 인용하세요. README에는 복사 가능한 BibTeX 항목이 제공됩니다.

문의처 – 비공개 문의는 quantum-oss-maintainers@google.com로 보내주세요.

왜 중요한가요 – TFQ는 주류 딥러닝이 사용하는 동일한 도구와 하드웨어 가속 기능을 활용해, 대규모로 양자 강화 기계학습 알고리즘을 프로토타이핑할 수 있도록 합니다. 이는 양자 알고리즘 연구와 실용적인 기계학습 파이프라인 사이의 격차를 좁힙니다.