相场方法是一种流行的介观尺度计算方法，用于研究微结构及其物理性质的时空演化。它已被广泛用于描述各种重要的介观尺度演化现象，包括晶粒生长和粗化、凝固、薄膜沉积、位错动力学、生物膜中的囊泡形成和裂纹传播。现有的高保真相场模型实际计算成本很高，因为它们需要解决一组描述这些过程的连续场变量的耦合偏微分方程系统。目前，最大限度地降低计算成本的探索主要集中在利用高性能计算架构和先进的数值方案，或将机器学习算法与微观结构模拟相结合。然而，对于这些成功的解决方案来说，如何平衡精度与计算效率也还是个令人头痛的问题。要么计算效率高就不能保证得到精确解；要么可以求解复杂的、耦合的相场方程，却计算成本高昂；要么能够预测训练范围之内的微观结构演化，却预测不了训练之外的演化。

近日，高新区企业合肥本源量子计算科技有限责任公司通过研究混合实现变分量子算法和经典机器学习框架的可能性，全新开发了量子机器学习框架VQNet，可满足构建所有类型的量子机器学习算法，实现量子-经典混合任务的训练方法，开辟了量子机器学习的新领域。

普适性优：VQNet是本源量子软件开发团队基于经典的机器学习开发的一种可高效连接机器学习和量子算法的量子机器学习框架，包含 qop和qop_pmeasure两个量子操作。与所有经典运算一样，两个量子操作均支持前向和后向传播，因此VQNet也支持前向和后向传播，它具备构建所有类型的量子机器学习算法的能力。

e公司讯，在算力紧缺的背景下，如何提升大模型训练和推理的效率，并降低成本？11月23日，腾讯披露，混元大模型背后的自研机器学习框架Angel再次升级，大模型训练效率提升至主流开源框架的2.6倍，千亿级大模型训练可节省50%算力成本。Angel还支持用户通过API接口或精调等方式快速调用腾讯混元大模型能力，加速大模型应用构建，腾讯会议、腾讯新闻、腾讯视频等超过300个腾讯产品及场景均已接入腾讯混元内测。目前相关能力已通过腾讯云对外开放。

ensorFlow 是一个广泛使用的开源机器学习框架，由 Google Brain 团队开发。它支持广泛的机器学习和深度学习任务，并且可以在 CPU 和 GPU 上运行。下面是一个使用 TensorFlow 的入门教程。

安装 TensorFlow

1. 安装 Python

在使用 PyTorch 或 TensorFlow 时，你是否想过：这些深度学习框架底层到底是怎么运行的？为什么我们一行 .backward() 就能自动计算梯度？本篇将用最简单的语言，拆解几个关键概念：

• 静态图 vs 动态图（计算图执行模型）
• Operator 计算优化（XLA / TensorRT）
• 自动微分 Autograd 原理及实战
  

在这篇文章中，我将逐步讲解如何使用 TensorFlow 创建一个简单的机器学习模型。

TensorFlow 是一个由谷歌开发的库，并在 2015 年开源，它能使构建和训练机器学习模型变得简单。

“如果你有兴趣成为一名机器学习工程师，那么必须熟练掌握Python——但是，如果你对机器学习的基础架构感兴趣，则应该认真考虑Go。”

作者 | Caleb Kaiser

译者 | 弯月，责编 | 郭芮

以下为译文：

如今，众所周知Python是机器学习项目中最流行的语言。尽管R、C++ 和Julia等语言都有各自的支持者和使用情况，但Python仍然是使用最普遍的语言，几乎每个主流的机器学习框架都使用了Python。

前言

本篇文章为极客时间茹炳晟老师“《软件测试52讲》专栏课程03 | 什么是单元测试？如何做好单元测试？”的学习笔记与操作实践的相关内容。原文课程链接：
https://time.geekbang.org/column/article/10275

　一、前言