飛槳釋出量槳，成為國內首個支援量子機器學習的深度學習平臺

雷鋒網 AI 科技評論按：5月20日，在百度舉辦的 WAVE SUMMIT 2020深度學習開發者峰會上，百度研究院量子計算研究所所長段潤堯釋出了國內首個（也是唯一一個，同時也是全球第二個）支援量子機器學習的工具集：量槳（Paddle Quantum）。

簡單來說，Paddle Quantum 是一個基於百度開源框架PaddlePaddle的機器學習庫，支援量子神經網路的搭建與訓練，提供易用的量子機器學習開發者套件與量子最佳化、量子化學等前沿量子應用工具集，相關量子演算法的研究可以呼叫量槳內部的計算框架，然後用 Python 程式設計完成運算。

據段潤堯博士介紹，「量槳」特性有三，分別為：

• 易用性：提供簡潔的神經網路搭建與豐富的量子機器學習案例。

• 通用性與擴充性：支援常用量子電路模型，提供多項最佳化工具。

• 特色工具集：提供量子最佳化、量子化學等前沿量子應用工具集，自研多項量子機器學習應用。

量槳的量子機器學習開發套件包括：量子開發工具集，量子化學庫，以及一系列最佳化工具。與此同時，在量槳的Github開源中，我們還可以看到一系列入門教程，涵蓋量子最佳化、量子化學、量子機器學習等多個領域的經典量子應用。

這裡我們想要提一下，段潤堯博士在前幾天舉辦的「 AI TIME論道：量子計算離我們還遠嗎? 」中曾提到，量子計算這個方向代表著未來，因此是一個值得入門的方向，但這個學科的入門非常難，“ 涉及計算理論、超導物理等多領域的知識，瞭解量子物理是必要的，但是不能陷入研究物理的‘陷阱’，而是應該從計算機學生的特長入手，夯實數學基礎，掌握形式化的方法，弄懂量子力學的四條公理，清楚如何用線性代數刻畫四條公理，掌握基本的“語言”之後再嘗試解決一些小問題，以此逐步進入量子計算的‘門’，之後再逐步補充物理的知識，形成一個螺旋式上升的過程。”

從這個層面來說，這些教程顯然是入門量子計算的第一步的第一個動作。

量子機器學習平臺的開源，與我們何干？

正如物理學家理查德·費曼所說，“ 自然世界不是經典的，如果你想模擬自然世界，最好使用一套量子的機制。”

在過去幾年，儘管以深度學習為代表的機器學習方法在許多問題上產生了深遠的影響。然而從長遠來看，正如牛頓經典力學並不能精確描述自然世界一樣，我們若想模擬自然世界，經典機器學習方法會顯得力有未逮，而量子機器學習方法則將成為必然。 如今，諸多科技巨頭相繼佈局量子計算，由此也可見，在未來的10~20年內，量子計算以及量子機器學習必將成為社會發展的重要推動力。

現在入手量子計算，或恰逢其時。

下載 Paddle Quantum 並安裝

或使用 requirements.txt 安裝依賴包

使用 openfermion 讀取xyz 描述檔案 （僅可在linux下安裝使用）

VQE中呼叫 openfermion 讀取分子xyz檔案並計算，因此需要安裝 openfermion 和 openfermionpyscf。

執行

量槳Github連結：