张量网络
文章平均质量分 68
取三千不取一瓢
这个作者很懒,什么都没留下…
展开
-
图片特征提取
TTN的这篇论文同样是采用的TTN的结构,但是这里的TTN(主要是U这部分)并不是通过反向传播进行更新,实际上这个结构里会进行更新的只有最上面的top tensor。下层的U是一个粗粒化的结构,原创 2021-08-24 17:38:52 · 160 阅读 · 0 评论 -
张量网络与机器学习
这一章我们主要讲讲如何使用张量网络来做机器学习,里面有些比较细节的东西后续会通过链接贴上来。基本思想以图像处理为例,我们是将每张图片映射成希尔伯特空间中的向量,图像像素的所有可能构型对应着子空间的基矢,纯态在基矢上的投影对于构型的概率幅。图像生成的过程就像是量子态坍缩的过程。特征映射这里是讲如何将经典的图片元素映射成qubit的直积。注意一下这里的第二步,子空间维度被设定为了2(降低计算复杂性),但是像素本身的维度D>2,所以我们单考虑一个子空间,不同像素之间的内积不等于0。考虑到整个图片对原创 2021-04-17 23:21:05 · 690 阅读 · 0 评论 -
杂记
混合乘积性质如果A、B、C和D是四个矩阵,且矩阵乘积AC和BD存在,那么:这个性质称为“混合乘积性质”,因为它混合了通常的矩阵乘积和克罗内克积。转置克罗内克积转置运算符合分配律:在量子计算领域,复合系统经常会遇到张量积转置的问题。另外,根据内积定义,在复合系统的内积中,张量积的转置会有一些灵活的等价变化...原创 2021-04-08 15:26:46 · 578 阅读 · 0 评论 -
矩阵乘积态
首先,任意的复合量子态可以写成上面的基于基底的表述形式,他的系数ψ\psiψ实际上构成了一个N阶张量,si代表着第i个子系统的某个基矢,也代表着N阶张量的某一维度。根据上一篇博客提到的N阶张量的TT分解,我们可以把这样的系数矩阵进行分解,,满足TT形式的量子态我们将其称为矩阵乘积态(MPS)。写成TT形式后,我们可以通过前述截断辅助指标维数的方法来降低某一量子态的参数复杂度。TT形式中间的每一个张量,有一个物理指标(维数为d)和两个辅助指标(维数被截断),总共我们有N个这样的张量,所以参数的复杂度是可求原创 2021-04-08 00:26:18 · 561 阅读 · 1 评论 -
Tensor Train 分解
这一节主要是讲一下高阶张量的TT分解,由于复合量子系统的基矢对应的系数向量的维数会随着子系统个数的增加呈指数上升,因此我们需要TT分解低秩近似来解决这样的一个“指数墙”的问题。TT分解的思想是把N阶张量分解成N个二阶和三阶张量的缩并,具体的分解形式,包括辅助指标的定义,上图描述的很清楚,此处不做赘述。形式是清楚的,但是具体的分解方法其实有很多的细节在里面,这些细节性的东西也是本次博客重点介绍的地方:我们以画圈的四阶张量为例讲解具体的分解过程(注意这里是四阶张量,红线处的那个指标不能忽略),我们把红原创 2021-04-02 22:50:39 · 2130 阅读 · 1 评论 -
高阶张量的分解与压缩
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar原创 2021-04-01 16:46:00 · 2007 阅读 · 0 评论