谷歌開源TensorNetwork資料庫,加快運算速度百倍!
量子系統複雜,暴力運算無效,原有張量網路(Tensor Network)難以廣泛使用,讓開發高溫超導體等複雜問題受限於此。
現在,Google出手了。
聯合Perimeter 理論物理研究所和Google X,開發全新物理和機器學習資料庫TensorNetwork,用於提高張量計算的效率,現在已經開源。
這一資料庫使用TensorFlow 作為後端,並針對GPU 處理進行了優化,與CPU 上相比,可以實現高達100 倍的加速。
Google AI的研究工程師Chase Roberts 和X 的研究科學家Stefan Leichenauer 表示,通過開源社團,他們會持續向TensorNetwork 添加新功能。希望TensorNetwork 成為科學家們和機器學習從企業的寶貴工具。
為什麼TensorNetwork能有效加速運算?
張量(Tensor),是按照順序在層次結構中分類的多維數組,普通的數或者標量,是零階張量,矢量是一階張量,矩陣是二階張量。
張量網路,是圖形編碼的張量收縮模式(張量上的數學運算類型),由幾個張量組成,並共同構成一個新的張量。
張量網路並不直接存儲或者操縱張量,而是將張量表示為較小張量在較大張量網路形狀中的收縮。
因此,張量網路可以非常有效地表示幾個、幾十個、甚至幾百個張量,而且還不需要佔用大量內存。
現在,張量網路已經廣泛應用於量子物理學等領域之中。這些優勢,也使得其在圖像分類、物體識別和其他人工智慧實踐中更加實用。
TensorNetwork,就是Google在這個方向上努力的成果。
作為一個通用的張量網路資料庫,效果如何?谷歌進行了測試。
近似量子態,是張量網路在物理學中的一個典型用例,能夠直觀地說明張量網路庫的能力。
Google的研究人員用TensorNetwork 實現了一個樹狀張量網路(TTN)演算法,用來逼近周期量子自旋鏈(1D)或薄環面(2D)上的點陣模型的基態。
在這個任務中,使用了TensorNetwork 庫的GPU,與沒有使用TensorNetwork庫的CPU 相比,運算速度顯著提高了100 倍。
現在,Google 已經將TensorNetwork 開源,也放出了與TensorNetwork 相關的兩篇論文。
第一篇論文,對TensorNetwork 進行了概述,並介紹了這一開源資料庫和API:
TensorNetwork: A Library for Physics and Machine Learning
第二篇論文,展示了TensorNetwork 在物理學領域中的用例,以及運算性能上的表現。
TensorNetwork on TensorFlow: A Spin Chain Application Using Tree Tensor Networks
Google表示,接下來將使用TensorNetwork對MNIST 和Fashion-MNIST 數據集中的圖像進行分類。
此外,也將在探索其在時間串列分析上的應用,以及量子電路模擬等用例。
※Google Stadia遊戲串流服務會在星期四公布更多內容
※你願意接受機器人為你講經說法嗎?
TAG:十輪網 |