【為什麼我們要挑選這篇文章】量子力學顛覆科學家對 AI、大數據相關技術的應用想像，然在量子運算領域常使用的 Tensor Network 卻因系統複雜且運算力不足導致無法普及化。
Google 團隊出手改變現況，並且還暖心的開源了數據庫。學習機器學習的工程師們，趕快存起來用吧。（責任編輯：陳伯安）
「《科技報橘》徵才中！跟我們一起定位台灣產業創新力 >> 詳細職缺訊息
快將你的履歷自傳寄至 jobs@fusionmedium.com」
本文經 AI 新媒體量子位（公眾號 ID：QbitAI）授權轉載，轉載請聯繫出處
作者：量子位／ 乾明
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數據庫 TensorNetwork，用於提高張量計算的效率，現在已經開源。
這一數據庫使用 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業者的寶貴工具。
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，向量是一階張量，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數據庫，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） 算法，用來逼近週期量子自旋鏈（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。
TensorNetwork 大量傳送門：兩篇論文＋開源連結
現在，Google 已經將 TensorNetwork 開源（傳送門）， 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，並介紹了這一開源數據庫和 API：
TensorNetwork: A Library for Physics and Machine Learning（傳送門）
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（傳送門）
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序列分析上的應用，以及量子電路仿真等用例。
Google AI 部落格地址： 點這
（本文經 AI 新媒體 量子位 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈实现 100 倍加速！谷歌开源超强张量计算库 TensorNetwork〉，首圖來源：Pxhere, CC Licensed。）
你可能感興趣
GitHub 遭駭客攻擊！勒索交出比特幣贖金，不然就公開你的私有程式碼
最新「數據科學」自學清單：六個月無師自通，菜鳥新手趕快存起來
Python 早就落伍了！AI 權威 LeCun 直言：深度學習需要更靈活的程式語言
