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。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！