Publié le: Dec 8, 2020
Amazon Braket prend désormais en charge PennyLane, un framework logiciel open source pour l'informatique quantique hybride. Pennylane fournit des interfaces aux bibliothèques de machine learning, dont PyTorch et TensorFlow, afin que vous puissiez entraîner des circuits quantiques de la même manière que vous entraîneriez un réseau de neurones. L'intégration avec Amazon Braket vous permet de tester et d'affiner les algorithmes plus rapidement et à plus grande échelle sur des simulateurs évolutifs et entièrement gérés et de les exécuter sur le matériel d'informatique quantique de votre choix.
Les algorithmes quantiques hybrides utilisent une approche itérative, avec les ordinateurs quantiques comme co-processeurs des ressources informatiques classiques. Cette approche permet d'atténuer l'effet des erreurs inhérentes au matériel d'informatique quantique actuel. Avec PennyLane, Amazon Braket offre une expérience facile, intuitive et performante pour vous permettre de vous lancer dans les algorithmes quantiques hybrides. En combinant PennyLane avec les simulateurs gérés par Amazon Braket pour tester et affiner vos algorithmes, vous pouvez au minimum décupler la vitesse d’entraînement lorsque vous utilisez l'exécution de circuits parallèles, par rapport à l'exécution de votre algorithme sur une seule machine.
Les blocs-notes Amazon Braket sont pré-configurés avec PennyLane pour vous permettre de démarrer rapidement. Vous pouvez également installer le plugin PennyLane d'Amazon Braket si vous préférez utiliser votre propre environnement de développement. La prise en charge de PennyLane est disponible dans les régions AWS où Amazon Braket est disponible. Pour commencer à programmer des algorithmes quantiques hybrides à l'aide de PennyLane sur Amazon Braket, consultez les catalogues d’exemples, le Guide du développeur d’Amazon Braket et le référentiel PennyLane GitHub.
Modification du 27/08/2021 – En vue d'assurer une expérience satisfaisante, les liens obsolètes figurant dans cette publication ont été mis à jour ou supprimés de la publication initiale.