Tree Tensor Network State with Variable Tensor Order: An Efficient Multireference Method for Strongly Correlated Systems
PulseAugur coverage of Tree Tensor Network State with Variable Tensor Order: An Efficient Multireference Method for Strongly Correlated Systems — every cluster mentioning Tree Tensor Network State with Variable Tensor Order: An Efficient Multireference Method for Strongly Correlated Systems across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的AWT方法通过激活感知张量化增强LLM压缩
研究人员开发了一种名为激活感知权重张量化（AWT）的新方法，利用张量网络技术来改进大型语言模型的压缩。AWT作为一种校准时包装器，在应用标准的张量网络分解之前，根据激活分布对权重矩阵进行预处理。这种方法通过减小困惑度差距和提高下游任务性能，在Llama 3.1 8B、Mistral 8B和Qwen2.5 7B等各种模型上一致地增强了张量化方法（如张量链TT和树张量网络TTN）的性能。
-
参数化图论应用于张量网络进行模拟和学习
研究人员将参数化图论应用于张量网络，探讨图参数如何影响模拟和学习这些网络的复杂性。研究表明，割宽和树割宽可以限制将张量网络状态表示为矩阵乘积状态或树张量网络的开销。此外，还推导出了张量网络状态断层扫描的样本和计算复杂性的新图相关界限，将现有的学习算法扩展到更复杂的网络结构。
-
纠缠几何约束量子电路可扩展性和硬度
一篇新的arXiv论文探讨了纠缠几何与量子计算可扩展性之间的关系。研究表明，虽然某些量子电路族（如使用矩阵乘积态（MPS）和树张量网络（TTN）的电路）可以以较低的开销进行切割，但它们仍然可以被经典高效地模拟。这一发现表明，在这些特定的电路族中不太可能实现渐进式量子优势。该论文还强调，在MPS电路中实现硬度和可训练性需要冲突的深度范围，但提出使用魔态（magic states）而非纠缠作为硬度资源来克服这一限制。
-
量子电路纠缠几何影响切割、硬度和可训练性
一篇新论文探讨了量子电路的纠缠几何，以理解电路切割、经典硬度和可训练性之间的权衡。研究表明，虽然矩阵乘积态和树张量网络电路可以以较低的开销进行切割，但它们仍然可以被高效模拟，这限制了它们实现量子优势的潜力。该研究提出，使用魔态而非纠缠作为硬度资源，可以解决浅层电路、可切割性和可训练性之间的冲突，为实现实际量子优势提供了途径。