TensorFlow Quantum, un framework Google per addestrare modelli quantistici

Google ha annunciato il lancio di TensorFlow Quantum, un progetto che unisce sotto un unico ombrello gli sforzi compiuti dall’azienda in tema di machine learning e calcolo quantistico. Il framework appena presentato (vedere questa pagina) consente di costruire dataset quantistici, prototipi di modelli quantistici ibridi e progetti più tradizionali basati sul machine learning, supportare simulatori di circuiti quantistici e addestrare modelli quantistici.

Lo scorso autunno Google ha affermato di aver raggiunto la cosiddetta “supremazia quantistica” con il debutto di una soluzione di nuova concezione. Quelle dichiarazioni furono parzialmente confutate da parte degli ingegneri di IBM che hanno spiegato, inoltre, come secondo il loro punto di vista non sia bene parlare di “supremazia quantistica” quanto semmai di “vantaggio quantistico”. La differenze, che non è affatto sottile, è spiegata nel nostro articolo Computer quantistico: come si fronteggiano Google e IBM.

Con TensorFlow Quantum la creazione di modelli quantistici è resa possibile grazie alle funzioni standard di Keras, una libreria opensource per il machine learning e le reti neurali, oltre che grazie all’utilizzo di simulatori di circuiti quantistici (viene usata la libreria Cirq, anch’essa opensource) e primitive di calcolo quantistico compatibili con le API TensorFlow esistenti (i tecnici di Google lo spiegano in questa nota pubblicata sul blog dell’azienda).

Il framework basato su Python è descritto nel dettaglio in un documento che oltre 20 esperti di Google (unità “X” della società), in collaborazione con l’Istituto per il calcolo quantistico dell’Università di Waterloo, il Quantum AI Lab della NASA, Volkswagen e Google Research, hanno pubblicato su arXiv.

“In futuro, speriamo di ampliare la gamma di hardware utilizzato per le attività di simulazione includendo l’integrazione con GPU e TPU“, si legge nella nota di Google.
Il lavoro sin qui svolto dovrebbe aiutare a compiere importanti progressi nelle scienze della vita, nei sistemi di crittografia e decodifica, nello sviluppo di prodotti chimici e nuovi materiali.