内容简介:量子系统复杂,暴力计算无效,原有张量网络现在,谷歌出手了。联合Perimeter理论物理研究所和谷歌 X,开发全新物理和机器学习库
乾明 发自 凹非寺
量子位 报道 | 公众号 QbitAI
量子系统复杂,暴力计算无效,原有张量网络 (Tensor Network) 难以广泛规模使用,让开发高温超导体等复杂问题受限于此。
现在,谷歌出手了。
联合Perimeter理论物理研究所和谷歌 X,开发全新物理和机器学习库 TensorNetwork ,用于提高张量计算的效率, 现在已经开源 。
这一计算库使用TensorFlow作为后端,并针对GPU处理进行了优化,与CPU上相比,可以实现高达100倍的加速。
谷歌AI的研究工程师Chase Roberts和X的研究科学家Stefan Leichenauer表示,通过开源社区,他们会持续向TensorNetwork添加新功能。希望TensorNetwork成为科学家们和机器学习从业者的宝贵工具。
TensorNetwork的有效性
张量,是按照顺序在层次结构中分类的多维数组,普通的数或者标量,是零阶张量,向量是一阶张量,矩阵是二阶张量。
张量网络,是图形编码的张量收缩模式 (张量上的数学运算类型) ,由几个张量组成,并共同构成一个新的张量。
张量网络并不直接存储或者操纵张量,而是将张量表示为较小张量在较大张量网络形状中的收缩。
因此,张量网络可以非常有效地表示几个、几十个、甚至几百个张量,而且还不需要占用大量内存。
现在,张量网络已经广泛应用于量子物理学等领域之中。这些优势,也使得其在图像分类、物体识别和其他人工智能任务中更加实用。
TensorNetwork,就是谷歌在这个方向上努力的成果。
作为一个通用的张量网络算法库,效果如何?谷歌进行了测试。
近似量子态,是张量网络在物理学中的一个典型用例,能够直观地说明张量网络库的能力。
谷歌的研究人员用TensorNetwork实现了一个树状张量网络(TTN)算法,用来逼近周期量子自旋链(1D)或薄环面(2D)上的点阵模型的基态。
在这个任务中,使用了TensorNetwork库的GPU,与没有使用TensorNetwork库的CPU相比,计算速度显著提高了100倍。
继续扩大TensorNetwork使用场景
现在, 谷歌已经将TensorNetwork开源,地址为:
https://github.com/google/tensornetwork
也放出了与TensorNetwork相关的两篇论文。
第一篇论文,对TensorNetwork进行了概述,并介绍了这一开源库和API:
TensorNetwork: A Library for Physics and Machine Learning
https://arxiv.org/abs/1905.01330
第二篇论文,展示了TensorNetwork在物理学领域中的用例,以及计算性能上的表现。
TensorNetwork on TensorFlow: A Spin Chain Application Using Tree Tensor Networks
https://arxiv.org/abs/1905.01331
谷歌表示,接下来将使用TensorNetwork对MNIST和Fashion-MNIST数据集中的图像进行分类。
此外,也将在探索其在时间序列分析上的应用,以及量子电路仿真等用例。
谷歌AI博文地址:
https://ai.googleblog.com/2019/06/introducing-tensornetwork-open-source.html
— 完 —
小程序|全类别AI学习教程
AI社群|与优秀的人交流
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
喜欢就点「在看」吧 !
以上所述就是小编给大家介绍的《实现100倍加速!谷歌开源超强张量计算库TensorNetwork》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 百倍提升张量计算:谷歌开源TensorNetwork
- 速度提高100倍,谷歌开源张量计算库
- 工具 | 腾讯开源的一个专注于张量计算/深度学习的基础库
- 阿里开源首款自研科学计算引擎 Mars :基于张量的统一分布式计算框架
- 张量流量化
- 快速入门Pytorch(1)--安装、张量以及梯度
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。