NumPy中的NapkinML: 机器学习模型的袖珍实现

机器学习（ML）虽然无法精确模拟自然系统，但在学习系统模型和预测行为方面表现出色。经典的ML模型近年来应对了许多科学挑战，在癌症检测、地震余震预测、极端天气预测和外星行星探测等方面发挥了重要作用。量子计算技术的迅速发展带来了对量子机器学习模型的新发现，有望在医学、材料、传感和通信领域取得突破。然而，迄今为止的瓶颈在于缺乏研究工具来发现能处理量子数据且可在计算机上使用的有用量子机器学习模型。为此，谷歌的神秘部门Google X与滑铁卢大学和大众汽车公司合作推出了TensorFlow Quantum（TFQ），这是一个用于快速构建量子ML模型原型的开源库。TFQ为量子计算和机器学习研究社区提供了必要的工具，以控制/建模自然或人工量子系统，如噪声中等规模量子处理器（NISQ），拥有大约50-100个量子比特。TFQ集成了用于NISQ算法开发的开源框架Cirq。Cirq是谷歌专为NISQ算法定制的框架，允许开发者为特定的量子处理器编写量子算法。