Ang EITC/AI/TFQML TensorFlow Quantum Machine Learning ay ang European IT Certification program sa paggamit ng Google TensorFlow Quantum library para sa pagpapatupad ng machine machine sa arkitektura ng Quantum Processor ng Sycamore ng Google.
Ang kurikulum ng EITC/AI/TFQML TensorFlow Quantum Machine Learning ay nakatuon sa teoretikal na kaalaman at praktikal na kasanayan sa paggamit ng library ng TensorFlow Quantum ng Google para sa advanced na kabuuan ng computational na modelo na batay sa pag-aaral ng makina sa arkitekturang Google Quantum Processor Sycamore na nakaayos sa loob ng sumusunod na istraktura, na sumasaklaw sa komprehensibong video nilalaman na didactic bilang isang sanggunian para sa EITC Certification na ito.
Ang TensorFlow Quantum (TFQ) ay isang library ng pag-aaral ng kabuuan ng makina para sa mabilis na prototyping ng mga hybrid na quantum-classical na mga modelo ng ML. Ang pananaliksik sa mga algorithm ng kabuuan at mga application ay maaaring magamit ang mga framework ng computing ng kabuuan ng Google, lahat mula sa loob ng TensorFlow.
Ang TensorFlow Quantum ay nakatuon sa data ng kabuuan at pagbuo ng mga hybrid na modelo ng kabuuan-klasikal. Isinasama nito ang mga algorithm ng computing ng kabuuan at lohika na dinisenyo sa Cirq (framework ng kabuuan ng programa batay sa modelo ng mga circuit ng kabuuan), at nagbibigay ng mga primitives ng computing ng kabuuan na katugma sa mga umiiral nang TensorFlow API, kasama ang mga high-performance na mga simulator ng quantum circuit. Magbasa nang higit pa sa puting papel ng TensorFlow Quantum.
Ang kwantum computing ay ang paggamit ng mga phenum na phenum tulad ng superposition at entanglement upang maisagawa ang computation. Ang mga computer na nagsasagawa ng computations ng kabuuan ay kilala bilang mga computer na kabuuan. Ang mga computer ng kwantum ay pinaniniwalaan na malulutas ang ilang mga problema sa computational, tulad ng integer factorization (na sumasailalim sa pag-encrypt ng RSA), na mas malaki kaysa sa mga klasikal na computer. Ang pag-aaral ng computing compum ay isang subfield ng agham ng impormasyong kabuuan.
Nagsimula ang computing ng Quantum noong unang bahagi ng 1980, nang iminungkahi ng pisisista na si Paul Benioff ang isang modelo ng kabuuan ng makina ng makina ng Turing. Muling iminungkahi nina Richard Feynman at Yuri Manin na ang isang computer na kabuuan ay may potensyal na gayahin ang mga bagay na hindi maaaring gawin ng isang klasikal na computer. Noong 1994, gumawa si Peter Shor ng isang algorithm ng kabuuan para sa paglalagay ng mga integer na may potensyal na ma-decrypt ang mga komunikasyon na naka-encrypt na RSA. Sa kabila ng patuloy na pag-unlad na pang-eksperimento mula pa noong huling bahagi ng dekada 1990, naniniwala ang karamihan sa mga mananaliksik na "ang pagkakasunud-sunod sa kabuuan ng pagkukulit ay pa rin isang malayong pangarap.". Sa mga nagdaang taon, ang pamumuhunan sa pagsasaliksik sa kabuuan ng computing ay tumaas sa kapwa pampubliko at pribadong sektor. Noong 23 Oktubre 2019, ang Google AI, sa pakikipagsosyo sa US National Aeronautics and Space Administration (NASA), ay nag-angkin na nagsagawa ng isang computation ng kabuuan na hindi mabisa sa anumang klasikal na computer (tinaguriang resulta ng dami ng kataas-taasang kapangyarihan).
Mayroong maraming mga modelo ng mga computer na kwantum (o sa halip, mga system ng computing ng kabuuan), kabilang ang modelo ng kabuuan ng circuit, makina ng Turing ng kabuuan, adiabatic na kabuuan ng computer, isang-lakad na computer na kabuuan, at iba't ibang mga kabuuan ng cellular automata. Ang pinakapopular na ginamit na modelo ay ang quantum circuit. Ang mga quantum circuit ay batay sa dami ng kabuuan, o "qubit", na medyo magkatulad sa kaunti sa klasikal na pagkalkula. Ang Qubits ay maaaring nasa isang 1 o 0 kabuuan na estado, o maaari silang maging isang superposisyon ng mga estado ng 1 at 0. Gayunpaman, kapag sinusukat ang qubits ang resulta ng pagsukat ay palaging alinman sa 0 o isang 1; ang mga posibilidad ng dalawang kinalabasan ay nakasalalay sa kabuuan ng estado na ang mga qubit ay agad na bago ang pagsukat.
Ang pag-unlad tungo sa pagbuo ng isang pisikal na kabuuan ng computer ay nakatuon sa mga teknolohiya tulad ng mga transmon, ion traps at topological quantum computer, na naglalayong lumikha ng mga de-kalidad na qubit. Ang mga qubits na ito ay maaaring idisenyo nang magkakaiba, depende sa modelo ng kompyuter ng buong kabuuan ng computer, kung ang mga gate ng kabuuan ng lohika, pagsusukat ng kabuuan, o pagkalkula ng kabuuan ng adiabatic. Mayroong kasalukuyang isang bilang ng mga makabuluhang mga hadlang sa paraan ng pagbuo ng mga kapaki-pakinabang na computer sa kabuuan. Sa partikular, mahirap mapanatili ang mga estado ng kabuuan ng mga qubit habang nagdurusa sila mula sa kabuuan ng pagkakagulo at katapatan ng estado. Samakatuwid nangangailangan ang mga computer ng kuwantum na pagwawasto ng error. Ang anumang problema sa computational na maaaring malutas ng isang klasikal na computer ay maaari ding malutas ng isang computer na kabuuan. Sa kabaligtaran, ang anumang problema na maaaring malutas ng isang computer na kabuuan ay maaari ding malutas ng isang klasikal na computer, hindi bababa sa prinsipyo na binibigyan ng sapat na oras. Sa madaling salita, ang mga computer na kabuuan ay sumusunod sa Church –Turing thesis. Habang nangangahulugan ito na ang mga computer na kabuuan ay hindi nagbibigay ng karagdagang mga pakinabang kaysa sa mga klasikal na computer tungkol sa computability, ang mga algorithm ng kabuuan para sa ilang mga problema ay may mas mababang mga kumplikadong oras kaysa sa mga kaukulang kilalang mga klasikong algorithm. Kapansin-pansin, ang mga computer na kwantum ay pinaniniwalaan na mabilis na malulutas ang ilang mga problema na hindi malulutas ng walang klasikal na computer sa anumang magagawa na oras - isang kilalang kilala bilang "kataas-taasang kapangyarihan." Ang pag-aaral ng pagiging kumplikado ng computational ng mga problema tungkol sa mga computer na kabuuan ay kilala bilang teorya ng pagiging kumplikado ng kabuuan.
Ang Google Sycamore ay isang prosesong kabuuan na nilikha ng dibisyon ng Artipisyal na Intelligence ng Google Inc. Binubuo ito ng 53 qubits.
Noong 2019, nakumpleto ng Sycamore ang isang gawain sa loob ng 200 segundo na inangkin ng Google, sa isang papel sa Kalikasan, ay tatagal ng isang state-of-the-art supercomputer na 10,000 taon upang matapos. Kaya, inangkin ng Google na nakamit ang kataas-taasang kataas-taasang kapangyarihan. Upang matantya ang oras na kukuha ng isang klasikong supercomputer, nagpatakbo ang Google ng mga bahagi ng simulasi ng kabuuan ng circuit sa Summit, ang pinakamakapangyarihang klasikal na computer sa buong mundo. Nang maglaon, gumawa ng kontra-argumento ang IBM, na inaangkin na ang gawain ay tatagal lamang ng 2.5 araw sa isang klasikal na sistema tulad ng Summit. Kung ang mga pag-angkin ng Google ay tinaguyod, kung gayon ito ay kumakatawan sa isang exponential leap sa kapangyarihan ng computing.
Noong Agosto 2020 ang mga inhinyero ng kabuuan na nagtatrabaho para sa Google ay nag-ulat ng pinakamalaking simulasi ng kemikal sa isang computer na kabuuan - isang Hartree-Fock na paglapit sa Sycamore na ipinares sa isang klasikong computer na sinuri ang mga resulta upang magbigay ng mga bagong parameter para sa 12-qubit system.
Noong Disyembre 2020, ang prosesong Jiuzhang na nakabase sa photon ng Tsino, na binuo ng USTC, ay nakamit ang lakas ng pagpoproseso ng 76 qubits at 10 bilyong beses na mas mabilis kaysa sa Sycamore, ginagawa itong pangalawang computer upang makamit ang kabuuan ng kataas-taasang kapangyarihan.
Ang Quantum Artimental Intelligence Lab (tinatawag ding Quantum AI Lab o QuAIL) ay isang magkasamang inisyatiba ng NASA, Universities Space Research Association, at Google (partikular, Google Research) na ang layunin ay upang magpayunir ng pananaliksik sa kung paano maaaring makatulong ang pag-compute ng kabuuan sa pag-aaral ng makina at iba pang mga mahirap na problema sa computer science. Ang lab ay naka-host sa Ames Research Center ng NASA.
Ang Quantum AI Lab ay inanunsyo ng Google Research sa isang post sa blog noong Mayo 16, 2013. Sa oras ng paglulunsad, ang Lab ay gumagamit ng pinaka-advanced na magagamit na komersyal na quantum computer, D-Wave Two mula sa D-Wave Systems.
Noong Mayo 20, 2013, inihayag na ang mga tao ay maaaring mag-apply upang magamit ang oras sa D-Wave Two sa Lab. Noong Oktubre 10, 2013, naglabas ang Google ng isang maikling pelikula na naglalarawan sa kasalukuyang estado ng Quantum AI Lab. Noong Oktubre 18, 2013, inihayag ng Google na isinama nito ang physum na kabuuan sa Minecraft.
Noong Enero 2014, iniulat ng Google ang mga resulta sa paghahambing sa pagganap ng D-Wave Two sa lab sa mga klasikal na computer. Ang mga resulta ay hindi siguradong at pinukaw ang mainit na talakayan sa Internet. Noong Setyembre 2, ipinahayag na ang Quantum AI Lab, sa pakikipagsosyo sa UC Santa Barbara, ay naglulunsad ng isang inisyatiba upang lumikha ng mga processor ng kabuuan ng impormasyon batay sa superconducting electronics.
Noong ika-23 ng Oktubre 2019, inihayag ng Quantum AI Lab sa isang papel na nakamit nito ang kabuuan ng kataas-taasang kapangyarihan.
Ang Google AI Quantum ay nagsusulong ng computing ng kabuuan sa pamamagitan ng pagbuo ng mga prosesong pang-kabuuan at nobelang mga algorithms ng kabuuan upang matulungan ang mga mananaliksik at mga developer na malutas ang mga panandaliang problema na parehong teoretikal at praktikal.
Ang computing ng kabuuan ay isinasaalang-alang upang makatulong sa pag-unlad ng mga makabagong ideya bukas, kasama na ang AI. Iyon ang dahilan kung bakit nangangako ang Google ng mga mahahalagang mapagkukunan sa pagbuo ng nakatuon na kabuuan ng hardware at software.
Ang Quantum computing ay isang bagong tularan na may malaking papel sa pagpapabilis ng mga gawain para sa AI. Nilalayon ng Google na mag-alok sa mga mananaliksik at developer ng pag-access sa bukas na mga framework ng mapagkukunan at lakas ng computing na maaaring gumana nang lampas sa mga klasikal na kakayahan ng pagkalkula.
Ang pangunahing mga lugar ng pokus ng Google AI Quantum ay
- Superconducting qubit processors: Superconducting qubits na may chip-based na nasusukat na arkitektura na nagta-target ng dalawang-qubit gate error <0.5%.
- Qubit metrology: Ang pagbawas ng pagkawala ng dalawang-qubit na mas mababa sa 0.2% ay kritikal para sa pagwawasto ng error. Gumagawa kami sa isang eksperimento sa kabuuan ng kataas-taasang kapangyarihan, upang humigit-kumulang na sample ng isang circuit ng kabuuan na lampas sa mga kakayahan ng state-of-the-art na mga klasikal na computer at algorithm.
- Quantum simulation: Ang simulation ng mga pisikal na system ay kabilang sa pinakahihintay na mga aplikasyon ng computing ng kabuuan. Lalo na nakatuon kami sa mga algorithm ng kabuuan para sa mga sistema ng pagmomodelo ng mga nakikipag-ugnay na mga electron sa mga aplikasyon sa kimika at materyal na agham.
- Tulong sa pag-optimize ng kabuuan: Bumubuo kami ng mga hybrid na quantum-classical solvers para sa tinatayang pag-optimize. Ang mga thermal jumps sa mga klasikal na algorithm upang mapagtagumpayan ang mga hadlang sa enerhiya ay maaaring mapahusay sa pamamagitan ng pagtawag sa mga pag-update ng kabuuan. Partikular kaming interesado sa magkakaugnay na paglipat ng populasyon.
- Mga Quantum neural network: Bumubuo kami ng isang balangkas upang magpatupad ng isang neumum na neural na network sa mga malapit na kataga na mga processor. Interesado kaming maunawaan kung anong mga kalamangan ang maaaring lumabas mula sa pagbuo ng napakalaking mga estado ng superposisyon sa panahon ng pagpapatakbo ng network.
Ang mga pangunahing tool na binuo ng Google AI Quantum ay ang mga open-source frameworks na partikular na idinisenyo para sa pagbuo ng mga nobelang algorithms ng kabuuan upang makatulong na malutas ang mga pangmatagalang aplikasyon para sa mga praktikal na problema. Kabilang dito ang:
- Cirq: isang open-source na balangkas ng kabuuan para sa pagbuo at pag-eksperimento sa mga maingay na intermediate scale na kabuuan (NISQ) na mga algorithm sa mga malapit na kataga na mga tagaproseso
- OpenFermion: isang open-source platform para sa pagsasalin ng mga problema sa kimika at materyal na agham sa mga circuit ng dami na maaaring maipatupad sa mga mayroon nang platform
Kasama sa mga malapit na term na aplikasyon ng Google AI Quantum ang:
Quantum Simulation
Ang disenyo ng mga bagong materyales at pagpapaliwanag ng mga kumplikadong pisika sa pamamagitan ng tumpak na simulation ng kimika at mga modelo ng condensed matter ay kabilang sa mga pinaka-promising aplikasyon ng computing ng kabuuan.
Mga diskarte sa pagpapagaan ng error
Nagtatrabaho kami upang bumuo ng mga pamamaraan sa kalsada patungo sa buong pagwawasto ng error sa kabuuan na may kakayahan na dramatikong pagbawas ng ingay sa mga kasalukuyang aparato. Habang ang buong sukat na mapagparaya sa pagkalkula ng kabuuan ay maaaring mangailangan ng mga kakaunti na pag-unlad, binuo namin ang diskarte sa pagpapalawak ng kabuuan ng subspace upang matulungan ang paggamit ng mga diskarte mula sa pagwawasto ng error sa kabuuan upang mapabuti ang pagganap ng mga aplikasyon sa mga malapit na aparato. Bukod dito, pinapabilis ng mga diskarteng ito ang pagsubok ng mga kumplikadong mga code ng kabuuan sa mga malalapit na aparato. Aktibo naming tinutulak ang mga diskarteng ito sa mga bagong lugar at pinakikinabangan ang mga ito bilang batayan para sa disenyo ng malapit na mga eksperimentong term.
Pag-aaral ng Quantum Machine
Bumubuo kami ng mga hybrid na quantum-classical na diskarte sa pag-aaral ng makina sa mga malapit na term na aparato na dami. Nag-aaral kami ng unibersal na pag-aaral ng kabuuan ng circuit para sa pag-uuri at pag-clustering ng kabuuan at klasikal na data. Interesado rin kami sa mga nakabuo at diskriminatipong mga neural network ng neural, na maaaring magamit bilang mga repeater ng dami at mga yunit ng paglilinis ng estado sa loob ng mga network ng kabuuan ng komunikasyon, o para sa pagpapatunay ng iba pang mga circuit ng kabuuan.
Quantum Optimization
Ang mga diskretong pag-optimize sa aerospace, automotive, at iba pang mga industriya ay maaaring makinabang mula sa hybrid quantum-classical optimization, halimbawa ng simulate na pagsusubo, quantum assist optimization algorithm (QAOA) at dami na pinahusay na paglipat ng populasyon ay maaaring magkaroon ng utility sa mga nagpoproseso ngayon.
Upang makilala ang iyong sarili nang detalyado sa kurikulum ng sertipikasyon maaari mong palawakin at suriin ang talahanayan sa ibaba.
Ang EITC/AI/TFQML TensorFlow Quantum Machine Learning Certification Curriculum ay tumutukoy sa open-access na mga materyal na didactic sa isang video form. Ang proseso ng pagkatuto ay nahahati sa isang hakbang-hakbang na istraktura (mga programa -> mga aralin -> mga paksa) na sumasaklaw sa mga nauugnay na bahagi ng kurikulum. Ang walang limitasyong pagkonsulta sa mga eksperto sa domain ay ibinibigay din.
Para sa mga detalye sa pamamaraan ng Certification check Paano ito Works.
Mga Mapagkukunang Sanggunian sa Kurikulum
Ang TensorFlow Quantum (TFQ) ay isang library ng pag-aaral ng kabuuan ng makina para sa mabilis na prototyping ng mga hybrid na quantum-classical na mga modelo ng ML. Ang pananaliksik sa mga algorithm ng kabuuan at mga application ay maaaring magamit ang mga framework ng computing ng kabuuan ng Google, lahat mula sa loob ng TensorFlow. Nakatuon ang TensorFlow Quantum sa data ng kabuuan at pagbuo ng mga hybrid na modelo ng kabuuan-klasikal. Isinasama nito ang mga algorithm ng computing ng kabuuan at lohika na dinisenyo sa Cirq, at nagbibigay ng mga primitives ng computing ng kabuuan na katugma sa mga umiiral na TensorFlow API, kasama ang mga high-performance na mga simulator ng quantum circuit. Magbasa nang higit pa sa puting papel ng TensorFlow Quantum. Bilang karagdagang sanggunian maaari mong suriin ang pangkalahatang ideya at patakbuhin ang mga tutorial sa notebook.
https://www.tensorflow.org/quantum
Circq
Ang Cirq ay isang open-source framework para sa mga computer ng Noisy Intermediate Scale Quantum (NISQ). Ito ay binuo ng Google AI Quantum Team, at ang pampublikong alpha ay inihayag sa International Workshop on Quantum Software at Quantum Machine Learning noong Hulyo 18, 2018. Ang isang demo ni QC Ware ay nagpakita ng isang pagpapatupad ng QAOA na paglulutas ng isang halimbawa ng maximum na hiwa nalulutas ang problema sa isang simulator ng Cirq. Ang mga programa ng Quantum sa Cirq ay kinakatawan ng "Circuit" at "Iskedyul" kung saan ang "Circuit" ay kumakatawan sa isang Quantum circuit at ang "Iskedyul" ay kumakatawan sa isang Quantum circuit na may impormasyon sa tiyempo. Ang mga programa ay maaaring maipatupad sa mga lokal na simulator. Ipinapakita ng sumusunod na halimbawa kung paano lumikha at sumusukat sa isang estado ng Bell sa Cirq.
angkat paligid
# Pumili ng mga qubit
qubit0 = paligid.GridQubit(0, 0)
qubit1 = paligid.GridQubit(0, 1)
# Lumikha ng isang circuit
paligid = paligid.paligid.mula sa_ops(
paligid.H(qubit0),
paligid.CNOT(qubit0, qubit1),
paligid.sukatin(qubit0, susi='m0'),
paligid.sukatin(qubit1, susi='m1')
)
Ipinapakita ng pag-print ng circuit ang diagram nito
i-print(paligid)
# mga kopya
# (0, 0): ───H─── @ ───M ('m0') ───
# │
# (0, 1): ───────X───M ('m1') ───
Ang pag-simulate ng circuit ay paulit-ulit na ipinapakita na ang mga sukat ng mga qubit ay naiugnay.
simulator = paligid.Simulator()
resulta = simulator.tumakbo(paligid, pag-uulit=5)
i-print(resulta)
# mga kopya
# m0 = 11010
# m1 = 11010
I-download ang kumpletong offline na self-learning preparatory materials para sa EITC/AI/TFQML TensorFlow Quantum Machine Learning program sa isang PDF file
Mga materyales sa paghahanda ng EITC/AI/TFQML – karaniwang bersyon
Mga materyales sa paghahanda ng EITC/AI/TFQML – pinahabang bersyon na may mga tanong sa pagsusuri