Google pone en marcha TensorFlow para ordenadores cuánticos

Google ha anunciado el lanzamiento, en colaboración con Volkswagen, X, la NASA y la Universidad de Waterlooo, de TensorFlow Quantum, con lo que combina sus iniciativas de machine learning y computación cuántica. Así, con este paso, el sistema TensorFlow podrá construir conjuntos de datos cuánticos, generar prototipos de modelos de machine learning clásicos y de computación cuántica, admite simuladores y es capaz de entrenar modelos cuánticos generativos y discriminativos.

La creación de modelos cuánticos es posible gracias a las funciones estándar Keras, y gracias también al suministro de simuladores de circuitos cuánticos y de primitivas de computación cuántica compatibles con APIs ya existentes de TensorFlow. Todos los detalles sobre el funcionamiento del sistema han quedado explicados en un documento, en cuya redacción y elaboración han colaborado más de 20 expertos de instituciones como la división X de Google, el Instituto de Computación Cuántica de la Universidad de Waterloo, el Laboratorio de Inteligencia Artificial Cuántica de la NASA y Google Research.

En el documento se detalla la pila de software de TensorFlow Quantum, que combina la biblioteca de circuitos cuánticos open source Cirq con la plataforma de machine learning TensorFlow. Los expertos y entidades que apuestan por la computación cuántica esperan que las propiedades de estimulación eficiente de la tecnología lleven a grandes avances en diversos campos, como en el desarrollo de materiales, la química o las ciencias relacionadas con la vida.

Según puede leerse en el documento, los responsables de la puesta en marcha de TensorFlow Quantum esperan que este sistema «proporcione las herramientas necesarias para que las comunidades de computación cuántica y machine learning puedan explorar modelos de sistemas cuánticos naturales y artificiales y, finalmente, descubrir nuevos algoritmos cuánticos que podrían, potencialmente, conducir a una ventaja cuántica. En el futuro esperamos aumentar el rango de hardware de simulación personalizada compatible para incluir la integración con GPUs y TPUs«.

Foto: IBM Research