TensorFlow Quantum : Google pousse le machine learning vers les ordinateurs quantiques

TensorFlow Quantum

Google publie TensorFlow Quantum, bibliothèque logicielle destinée à la conception de modèles d’IA capables d’exploiter à la fois des systèmes « classiques » et quantiques.

Il y a du nouveau au catalogue open source de Google.

Le groupe américain publie TensorFlow Quantum (TFQ), bibliothèque logicielle développée avec Volkswagen et l’université de Waterloo (Canada).

Le projet crée une passerelle entre deux frameworks : TensorFlow (apprentissage machine) et Cirq (simulation de systèmes quantiques).

Objectif : permettre de concevoir des modèles d’IA hybrides. Capables en l’occurrence d’exploiter aussi bien des jeux de données et des ordinateurs « classiques » que leurs pendants quantiques.

pile TensorFlow Quantum

En parallèle, Google publie gsim.

L’outil permet de simuler des circuits quantiques dotés d’un maximum de 32 qubits. Combiné à TFQ, il peut réaliser 1 million de simulations en une heure sur un circuit à 20 qubits avec une profondeur de 20.

L’usage de TFQ se limite pour l’heure à ces systèmes simulés. Google prévoit toutefois d’élargir la prise en charge à de « vrais » ordinateurs quantiques, dont Sycamore, développé en interne.

tfq
Représentation du processus d’entraînement et d’inférence d’un algorithme hybride de type discriminant avec TensorFlow Quantum

Illustration principale © IBM Research via Visualhunt.com / CC BY-ND