EITC/AI/TFQML TensorFlow Quantum Machine Learning és el programa europeu de certificació de TI sobre l’ús de la biblioteca Google TensorFlow Quantum per implementar l’aprenentatge automàtic a l’arquitectura Sycamore de Google Quantum Processor.
El pla d’estudis de l’aprenentatge mecànic TensorFlow EITC/AI/TFQML se centra en el coneixement teòric i les habilitats pràctiques en l’ús de la biblioteca TensorFlow Quantum de Google per a l’aprenentatge automàtic basat en models computacionals quàntics avançats a l’arquitectura Sycamore de Google Quantum Processor, que inclou un vídeo complet. contingut didàctic com a referència per a aquesta certificació EITC.
TensorFlow Quantum (TFQ) és una biblioteca quàntica d’aprenentatge automàtic per a prototipatge ràpid de models ML clàssics quàntics híbrids. La investigació en algorismes i aplicacions quàntiques pot aprofitar els marcs d’informàtica quàntica de Google, tot des de TensorFlow.
TensorFlow Quantum se centra en dades quàntiques i en la creació de models quàntics-clàssics híbrids. Integra algoritmes i càlculs d’informàtica quàntica dissenyats a Cirq (marc de programació quàntica basat en el model de circuits quàntics) i proporciona primitives de càlcul quàntic compatibles amb les API TensorFlow existents, juntament amb simuladors de circuits quàntics d’alt rendiment. Llegiu-ne més al llibre blanc TensorFlow Quantum.
La computació quàntica és l’ús de fenòmens quàntics com la superposició i l’entrellat per realitzar càlculs. Els ordinadors que realitzen càlculs quàntics es coneixen com a ordinadors quàntics. Es creu que els ordinadors quàntics són capaços de resoldre certs problemes computacionals, com la factorització sencera (que es basa en el xifratge RSA), substancialment més ràpida que els ordinadors clàssics. L'estudi de la informàtica quàntica és un subcamp de la ciència de la informació quàntica.
La informàtica quàntica va començar a principis dels anys vuitanta, quan el físic Paul Benioff va proposar un model mecànic quàntic de la màquina de Turing. Richard Feynman i Yuri Manin van suggerir més tard que un ordinador quàntic tenia el potencial de simular coses que un ordinador clàssic no podia. El 1980, Peter Shor va desenvolupar un algorisme quàntic per al factoratge de enters que tenien el potencial de desxifrar comunicacions xifrades RSA. Malgrat els progressos experimentals en curs des de finals dels anys noranta, la majoria dels investigadors creuen que "la computació quàntica tolerant a fallades segueix sent un somni bastant llunyà". En els darrers anys, la inversió en investigació en informàtica quàntica ha augmentat tant al sector públic com al privat. El 1994 d’octubre de 1990, Google AI, en col·laboració amb l’Administració Nacional d’Aeronàutica i de l’Espai (NASA) dels Estats Units, va afirmar haver realitzat un càlcul quàntic inviable en qualsevol ordinador clàssic (l’anomenat resultat de la supremacia quàntica).
Hi ha diversos models d’ordinadors quàntics (o millor dit, sistemes d’informàtica quàntica), inclosos el model de circuits quàntics, la màquina de Turing quàntica, l’ordinador quàntic adiabàtic, l’ordinador quàntic unidireccional i diversos autòmats cel·lulars quàntics. El model més utilitzat és el circuit quàntic. Els circuits quàntics es basen en el bit quàntic, o "qubit", que és una mica anàleg al bit en càlcul clàssic. Els quubits poden estar en un estat quàntic 1 o 0, o poden estar en una superposició dels estats 1 i 0. Tanmateix, quan es mesuren els qubits, el resultat de la mesura sempre és un 0 o un 1; les probabilitats d'aquests dos resultats depenen de l'estat quàntic en què es trobaven els qubits immediatament abans de la mesura.
Els avenços cap a la construcció d’un ordinador quàntic físic se centren en tecnologies com transmons, trampes d’ions i ordinadors quàntics topològics, que tenen com a objectiu crear qubits d’alta qualitat. Aquests qubits es poden dissenyar de manera diferent, depenent del model de càlcul complet de l'ordinador quàntic, ja siguin portes lògiques quàntiques, recuit quàntic o càlcul quàntic adiabàtic. Actualment hi ha una sèrie d’obstacles significatius en la manera de construir ordinadors quàntics útils. En particular, és difícil mantenir els estats quàntics dels qubits ja que pateixen una descoherència quàntica i fidelitat d'estats. Per tant, els ordinadors quàntics requereixen una correcció d’errors. Qualsevol problema computacional que pugui ser resolt per un ordinador clàssic també pot ser resolt per un ordinador quàntic. Per contra, qualsevol problema que pugui resoldre un ordinador quàntic també es pot resoldre amb un ordinador clàssic, almenys en principi amb temps suficient. En altres paraules, els ordinadors quàntics obeeixen la tesi Church-Turing. Tot i que això significa que els ordinadors quàntics no proporcionen avantatges addicionals en comparació amb els ordinadors clàssics en termes de computabilitat, els algoritmes quàntics per a certs problemes presenten complexitats de temps significativament inferiors als corresponents algorismes clàssics coneguts. En particular, es creu que els ordinadors quàntics poden resoldre ràpidament certs problemes que cap ordinador clàssic podria resoldre en un temps factible, una gesta coneguda com a "supremacia quàntica". L'estudi de la complexitat computacional dels problemes respecte als ordinadors quàntics es coneix com a teoria de la complexitat quàntica.
Google Sycamore és un processador quàntic creat per la divisió d'Intel·ligència Artificial de Google Inc. Consta de 53 qubits.
El 2019, Sycamore va completar una tasca en 200 segons que Google va afirmar, en un document de Nature, que trigaria 10,000 anys en supercomputador d’última generació. Per tant, Google va afirmar haver assolit la supremacia quàntica. Per estimar el temps que trigaria un superordinador clàssic, Google va executar parts de la simulació de circuits quàntics a Summit, l’ordinador clàssic més potent del món. Més tard, IBM va fer un contraargument, afirmant que la tasca només trigaria 2.5 dies en un sistema clàssic com Summit. Si es confirmen les reclamacions de Google, representaria un salt exponencial en la potència informàtica.
L’agost de 2020, els enginyers quàntics que treballaven a Google van informar de la simulació química més gran en un ordinador quàntic: una aproximació de Hartree-Fock amb Sycamore combinada amb un ordinador clàssic que analitzava els resultats per proporcionar nous paràmetres per al sistema de 12 qubit.
El desembre de 2020, el processador xinès Jiuzhang basat en fotons, desenvolupat per USTC, va assolir una potència de processament de 76 qubits i va ser 10 milions de vegades més ràpid que Sycamore, convertint-lo en el segon ordinador en assolir la supremacia quàntica.
El Quantum Artificial Intelligence Lab (també anomenat Quantum AI Lab o QuAIL) és una iniciativa conjunta de la NASA, Universities Space Research Association i Google (específicament, Google Research) l'objectiu de la qual és la investigació pionera sobre com la informàtica quàntica pot ajudar amb l'aprenentatge automàtic i altres problemes informàtics difícils. El laboratori està allotjat al Centre de Recerca Ames de la NASA.
Google Research va anunciar el Quantum AI Lab en una publicació al blog el 16 de maig de 2013. En el moment del llançament, el Laboratori utilitzava l’ordinador quàntic més avançat disponible comercialment, D-Wave Two de D-Wave Systems.
El 20 de maig de 2013, es va anunciar que la gent podia sol·licitar utilitzar el temps al D-Wave Two al laboratori. El 10 d’octubre de 2013, Google va llançar un curtmetratge que descrivia l’estat actual del Quantum AI Lab. El 18 d’octubre de 2013, Google va anunciar que havia incorporat la física quàntica a Minecraft.
Al gener de 2014, Google va informar de resultats que comparaven el rendiment del D-Wave Two al laboratori amb el dels ordinadors clàssics. Els resultats van ser ambigus i van provocar una forta discussió a Internet. El 2 de setembre de 2014 es va anunciar que el Quantum AI Lab, en col·laboració amb UC Santa Barbara, llançaria una iniciativa per crear processadors d’informació quàntica basats en electrònica superconductora.
El 23 d’octubre de 2019, el Quantum AI Lab va anunciar en un document que havia assolit la supremacia quàntica.
Google AI Quantum avança la informàtica quàntica desenvolupant processadors quàntics i nous algoritmes quàntics per ajudar els investigadors i els desenvolupadors a resoldre problemes a curt termini tant teòrics com pràctics.
Es considera que la informàtica quàntica ajuda al desenvolupament de les innovacions del demà, inclosa la IA. És per això que Google dedica recursos significatius a la creació de programari i maquinari quàntic dedicats.
La informàtica quàntica és un nou paradigma que tindrà un paper important en l’acceleració de tasques per a la IA. Google pretén oferir als investigadors i desenvolupadors accés a marcs de codi obert i potència informàtica que pugui funcionar més enllà de les clàssiques capacitats de computació.
Les principals àrees d’atenció de Google AI Quantum són
- Processadors de qubit superconductors: qubits superconductors amb arquitectura escalable basada en xips orientats a un error de porta de dos qubit <0.5%.
- Metrologia de Qubit: reduir la pèrdua de dos qubit per sota del 0.2% és fonamental per a la correcció d'errors. Estem treballant en un experiment de supremacia quàntica, per provar aproximadament un circuit quàntic més enllà de les capacitats dels computadors i algorismes clàssics d’última generació.
- Simulació quàntica: la simulació de sistemes físics és una de les aplicacions més esperades de la informàtica quàntica. Ens centrem especialment en algorismes quàntics per modelar sistemes d’electrons que interactuen amb aplicacions en química i ciència de materials.
- Optimització assistida quàntica: estem desenvolupant solucions quàntiques clàssiques híbrides per a una optimització aproximada. Els salts tèrmics en algorismes clàssics per superar les barreres energètiques es podrien millorar invocant actualitzacions quàntiques. Estem especialment interessats en una transferència de població coherent.
- Xarxes neuronals quàntiques: estem desenvolupant un marc per implementar una xarxa neuronal quàntica en processadors a curt termini. Ens interessa entendre quins avantatges poden derivar-se de generar estats de superposició massius durant el funcionament de la xarxa.
Les principals eines desenvolupades per Google AI Quantum són marcs de codi obert dissenyats específicament per desenvolupar nous algoritmes quàntics per ajudar a resoldre aplicacions a curt termini per a problemes pràctics. Això inclou:
- Cirq: un marc quàntic de codi obert per construir i experimentar amb algoritmes quàntics a escala intermèdia sorollosa (NISQ) en processadors quàntics a curt termini
- OpenFermion: una plataforma de codi obert per traduir problemes en química i ciència de materials a circuits quàntics que es poden executar en plataformes existents
Les aplicacions a curt termini de Google AI Quantum inclouen:
Simulació quàntica
El disseny de nous materials i l’aclariment de la física complexa mitjançant simulacions precises de models de química i matèria condensada es troben entre les aplicacions més prometedores de la informàtica quàntica.
Tècniques de mitigació d’errors
Treballem per desenvolupar mètodes cap a la correcció quàntica d'errors completa que tinguin la capacitat de reduir dràsticament el soroll dels dispositius actuals. Tot i que la computació quàntica tolerant a fallades a gran escala pot requerir desenvolupaments considerables, hem desenvolupat la tècnica d’expansió quàntica del subespai per ajudar a utilitzar tècniques de correcció quàntica d’errors per millorar el rendiment de les aplicacions en dispositius a curt termini. A més, aquestes tècniques faciliten la prova de codis quàntics complexos en dispositius a curt termini. Estem impulsant activament aquestes tècniques cap a noves àrees i aprofitant-les com a base per al disseny d’experiments a curt termini.
Aprenentatge automàtic quàntic
Estem desenvolupant tècniques d’aprenentatge automàtic híbrides quàntiques-clàssiques en dispositius quàntics a curt termini. Estem estudiant l’aprenentatge universal de circuits quàntics per classificar i agrupar dades quàntiques i clàssiques. També estem interessats en xarxes neuronals quàntiques generatives i discriminatives, que es podrien utilitzar com a repetidors quàntics i unitats de purificació d'estats dins de xarxes de comunicació quàntiques o per a la verificació d'altres circuits quàntics.
Optimització quàntica
Les optimitzacions discretes a l’aeroespacial, l’automoció i altres indústries es poden beneficiar de l’optimització quàntica-clàssica híbrida, per exemple, el recuit simulat, l’algorisme d’optimització assistida quàntica (QAOA) i la transferència quàntica de població millorada poden tenir utilitat amb els processadors actuals.
Per familiaritzar-vos en detall amb el pla d'estudis de certificació podeu ampliar i analitzar la taula següent.
El currículum de certificació EITC/AI/TFQML TensorFlow Quantum Machine Learning fa referència a materials didàctics d'accés obert en forma de vídeo. El procés d'aprenentatge es divideix en una estructura pas a pas (programes -> lliçons -> temes) que cobreix les parts rellevants del currículum. També s'ofereix assessorament il·limitat amb experts del domini.
Per obtenir més informació sobre el procediment de certificació, consulteu Com funciona?.
Recursos de referència del currículum
TensorFlow Quantum (TFQ) és una biblioteca quàntica d’aprenentatge automàtic per a prototipatge ràpid de models ML clàssics quàntics híbrids. La investigació en algorismes i aplicacions quàntiques pot aprofitar els marcs d’informàtica quàntica de Google, tot des de TensorFlow. TensorFlow Quantum se centra en dades quàntiques i en la creació de models quàntics-clàssics híbrids. Integra algoritmes i lògica d’informàtica quàntica dissenyats a Cirq i proporciona primitives d’informàtica quàntica compatibles amb les API TensorFlow existents, juntament amb simuladors de circuits quàntics d’alt rendiment. Llegiu-ne més al llibre blanc TensorFlow Quantum. Com a referència addicional, podeu consultar la visió general i executar els tutorials del bloc de notes.
https://www.tensorflow.org/quantum
Circq
Cirq és un framework de codi obert per a ordinadors Nois Intermediate Scale Quantum (NISQ). Va ser desenvolupat per Google AI Quantum Team i el public alfa es va anunciar al Taller Internacional de Programari Quàntic i Quantum Machine Learning el 18 de juliol de 2018. Una demostració de QC Ware va mostrar una implementació de QAOA resolent un exemple del tall màxim s'ha resolt el problema en un simulador Cirq. Els programes quàntics en Cirq estan representats per "Circuit" i "Schedule" on "Circuit" representa un circuit Quantum i "Schedule" representa un circuit Quantum amb informació de temps. Els programes es poden executar en simuladors locals. L'exemple següent mostra com crear i mesurar un estat Bell a Cirq.
importar circ
# Tria qubits
qubit0 = circ.GridQubit(0, 0)
qubit1 = circ.GridQubit(0, 1)
# Crea un circuit
circuit = circ.Circuit.de_ops(
circ.H(qubit0),
circ.CNOT(qubit0, qubit1),
circ.mesurar(qubit0, clau='m0'),
circ.mesurar(qubit1, clau='m1')
)
La impressió del circuit mostra el seu diagrama
imprimir(circuit)
# impressions
# (0, 0): ───H─── @ ───M ('m0') ───
# │
# (0, 1): ───────────M ('m1') ───
Simular el circuit demostra repetidament que les mesures dels qubits estan correlacionades.
simulador = circ.Simulador()
resultat = simulador.correr(circuit, repeticions=5)
imprimir(resultat)
# impressions
# m0 = 11010
# m1 = 11010
Baixeu els materials preparatoris d'autoaprenentatge fora de línia complets per al programa d'aprenentatge automàtic quàntic EITC/AI/TFQML TensorFlow en un fitxer PDF
Materials preparatoris EITC/AI/TFQML - versió estàndard
Materials preparatoris EITC/AI/TFQML: versió ampliada amb preguntes de revisió