研究人员介绍了一种利用张量网络的新机器学习方法，该方法借鉴了量子多体物理模拟的灵感。所提出的基于矩阵乘积态（MPS）或张量链的架构通过梯度下降进行优化。该研究探讨了两种优化方法，包括密度矩阵重整化群（DMRG）的改编，以寻找局部最优张量，并比较了它们的有效性。 AI
影响 这项研究探索了受量子物理学启发的、可能带来新优化技术的新型机器学习架构。
排序理由 该集群包含一篇详细介绍新机器学习方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- density matrix renormalization group
- gradient descent
- matrix product state
- quantum state
- Tensor Networks
- tensor train
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
