Tensorflow Quantum

Google bringt mit TFQ ML und Quantencomputing zusammen

von - 10.03.2020
Quanten-Computing
Foto: agsandrew / shutterstock.com
Google plant gemeinsam mit Partnern die Veröffentlichung einer neuen Open-Source-Bibliothek für Quantencomputing-gestütztes Machine Learning. Dabei arbeiten die beiden Frameworks Tensorflow und Cirq gemeinsam unter einer Haube.
Google verkündet den Start von Tensorflow Quantum (TFQ). Dabei handelt es sich um eine Open-Source-Bibliothek für Machine Learning (ML) auf der Basis von Quantencomputing.
Das Projekt entstand laut Google in Zusammenarbeit mit der University of Waterloo, X (einem Forschungsunternehmen) und Volkswagen. TFQ bietet eine quelloffene Bibliothek für das "Rapid Prototyping" von Quanten-Modellen für das Machine Learning.
Wie Google auf seinem AI-Blog schreibt, geht es bei TFQ darum, Forschern und Unternehmen erstmals ein Werkzeug an die Hand zu geben, welches die Bereiche Quantencomputing und Machine Learning unter einen Hut bringt. Um die Wirklichkeit so genau wie möglich zu simulieren, sei diese Verbindung unabdingbar.

Kombination aus Tensorflow und Cirq

Für Tensorflow Quantum wurde das ML-framework Tensorflow mit dem Quanten-Computing-Framework Cirq zusammengebracht. Dem Blogeintrag zufolge ist damit die Abstraktion auf höherer Ebene für das Design und die Implementierung quantenklassischer Modelle möglicht. Außerdem können mit TFQ leistungsstarke Quantenschaltungssimulationen durchgeführt werden. Forscher haben mit TFQ die Möglichkeit, Quantendatensätze, Quantenmodelle und klassische Steuerparameter als sogenannte Tensoren in einem einzigen Modell zu erstellen.
Machine-Learning-Modelle sollen stets dazu dienen, das am wahrscheinlichsten zutreffende Ergebnis herauszufinden, eine Verhaltensweise vorauszusagen und dergleichen. Sowohl das klassische Machine Learning, als auch das Quanten-ML stehen vor der Herausforderung, "verrauschte", also nicht eindeutig erkennbare Beispiele, zuzuordnen. Im Gegensatz zum klassischen Machine Learning springt bei TFQ die Quantentechnologie ein und erlaubt eine deutlich spezifischere Beurteilung der Trainingsdaten.
Ein bedeutsamer Vorteil von Tensorflow Quantum besteht ferner darin, viele Quantenschaltungen gleichzeitig trainieren und ausführen zu können. Erreicht werden soll dies durch die Fähigkeit, die Berechnungen über einen Computercluster hinweg zu parallelisieren und relativ große Quantenschaltungen auf Mehrkerncomputern zu simulieren.

Hochleistungs-Quantensimulator erforderlich

Dazu bedarf es allerdings eines Hochleistungs-Quantenschaltungssimulators wie Googles eigener Entwicklung Qsim. Dieser Open-Source-Simulator wurde für Multi-Core-Intel-Prozessoren optimiert, wie Google schreibt. Das entsprechende Repository steht über Github bereit. Google hat noch kein konkretes Startdatum oder jegliche andere Konditionen für TFQ genannt. Über den Blogeintrag des Suchmaschinenprimus stehen jedoch zahlreiche weitere Erläuterungen, mögliche Vorgehensweisen sowie Begriffserklärungen zu TFQ bereit.
Die Forschung auf dem hochkomplexen Gebiet des Quantencomputings steckt noch in sehr kleinen Kinderschuhen. Dennoch bemühen sich neben Google auch Unternehmen wie IBM und Microsoft darum, dieses Gebiet zu erobern beziehungsweise zu bestreiten. Durch die Veröffentlichung von TFQ als Open-Source kann sich auch die Community an der Weiterentwicklung dieser Technologie beteiligen.
Verwandte Themen