Top
首页 > 正文

分析 | 谷歌发布Tensor Network开源库

在量子领域,张量网络计算被提出用于处理高量子纠缠系统,但在被提出的很长一段时间中处于瓶颈期,目前已有的用于加速硬件的生产级张量网络库还不能用于大规模运行张量网络算法,而谷歌Tensor Network有望突破张量网络计算应用的瓶颈,将张量网络计算大规模应用于凝聚态物理、量...
发布时间:2019-07-11 14:12        来源:赛迪智库        作者:郑子亨

2019年6月4日,谷歌公司发布了用于执行张量网络计算的开源库 Tensor Network,Tensor Network使用谷歌开源机器学习框架Tensor Flow作为其底层工具,提高了张量网络计算的可行性和计算效率,使张量网络计算在GPU上的计算效率提高了100倍。张量网络计算最早被应用于量子物理、量子化学中,此次谷歌Tensor Network 开源库的发布不仅为量子领域学科研究者提供了强大的计算机工具,也给张量网络在机器学习中应用提供了可行性和硬件加速方法。

一、背景

现有计算模式无法满足量子计算模拟需求。随着量子理论的不断发展,量子计算边界条件越来越复杂,现有的密度泛函计算只能处理相互作用比较弱的系统,如半导体系统和简单金属系统。张量网络计算能够对量子状态进行更好的模拟,对高量子纠缠系统进行准确计算,越来与广泛的被应用于高温超导体、凝聚态物理学、量子化学、统计力学等学科中。在机器学习领域,计算硬件设备不断迭代更新,想要充分开发利用处理器的计算性能,计算模式需要更加抽象来超越现有的二维矩阵运算,张量网络计算可以突破该瓶颈。近几年,针对张量网络在机器学习领域应用的研究成果大量涌现,已经证明张量网络与卷积神经网络之间存在极大的关联,张量网络计算未来有望与卷积神经网络并驾齐驱。

Tensor Flow 为Tensor Network奠定技术基础。Tensor Flow 是谷歌公司推出的一个使用数据流图进行数值计算的开源人工智能软件库,于 2015 年 10 月宣布开源。Tensor Flow提供了丰富的构建和训练机器学习模型的 API 库,支持卷积神经网络、循环神经网络、长短期记忆网络等深度神经网络模型。在TensorFlow中,张量的概念以多维数组的形式首次被引入机器学习领域,随着谷歌对Tensor Flow的不断完善改进,Tensor Flow成为机器学习领域最受欢迎的基础框架,给人工智能企业及研究机构提供了开源工具库,对于谷歌公司人工智能生态构建及其产品化加速起到了推进作用。

开源成为全球IT行业公认的重要创新方式。开源可以大大节省软件开发的时间、人力成本,并有利于技术的推广和发展行业公认的重要创新方式。开源可以大大节省软件开发的时间、人力成本,并有利于技术的推广和发展。谷歌开源战略布局已久,在开源平台、开源软件、开源语言等方面进行了深入的建设,其中Android、Tensor Flow、Spark等都在各自领域占有统治地位,此次Tensor Network开源库的发布使谷歌在张量网络计算方面抢得先机。在谷歌的带领下,许多抵制开源的软件巨头也逐渐接受并进行开源战略布局。微软于2018年10月26日宣布对开源代码托管平台GitHub的交易正式完成,交易额为75亿美元。IBM于2019年6月29日获得欧盟无条件批准,以340亿美元收购开源解决方案提供商红帽(Red Hat)。开源平台使企业得以围绕自身产品快速构建应用开发者生态,同时引导产业和技术演进路径及方向,从而把控标准、专利等产业核心话语权。

二、案例介绍

事件描述。2019年6月4日,谷歌公司发布了以Tensor Flow为底层框架的开源库 Tensor Network,该产品是为了提高张量网络计算的可行性和计算效率,并且最大化GPU的运行速度。在发布Tensor Network的同时,谷歌公司发表了一系列的论文对其功能以及在其他领域的可应用性进行了介绍和解释。在Tensor Network中,张量的概念可以简单的理解为高阶数组或高阶矩阵,其运算方式与普通矩阵相同,这大大降低了没有量子理论学习经历的开发者的使用难度。谷歌表示,由于其高阶特性,张量很难用普通计数法进行表示,使用图解记数法是非常有用的,更容易表示张量的收缩。

▼ 张量的图解计数法

后续发展。谷歌表示,有论文对Tensor Network进行了简单的介绍并给出了实际物理应用案例。后续的论文中,将讲述Tensor Network 在 机 器 学 习 中 的 应 用 , 如 在 MNIST 和Fashion-MNIST图像库上执行图像分类算法,在其他领域延伸上还将包括时序分析、量子电路仿真等。谷歌研究人员希望 Tensor Network能真正成为物理学家和机器学习从业者的宝贵工具。

三、简评

Tensor Network开源库给张量网络计算的大规模应用注入新动力。

开源库给张量网络计算的大规模应用注入新动力。在量子领域,张量网络计算被提出用于处理高量子纠缠系统,但在被提出的很长一段时间中处于瓶颈期,目前已有的用于加速硬件的生产级张量网络库还不能用于大规模运行张量网络算法,而谷歌Tensor Network有望突破张量网络计算应用的瓶颈,将张量网络计算大规模应用于凝聚态物理、量子化学、量子引力等量子领域。在机器学习方面,Tensor Network的出现颠覆了原有的基于线性代数的神经网络计算体系,并且实现了张量网络计算在GPU上的加速,张量网络计算在机器学习方面的大规模推广和应用指日可待。

开源生态建设对我国信息技术发展意义重大。

开源平台已经成为数字时代的重要基础设施。发达国家科技巨头借助开源力量能够对其自身产品进行完善,提升与下游公司及开发者的合作黏性,构建更为完整的产业生态,强化自身话语权。我国企业近几年逐步重视开源布局,涌现了一批开源平台、开源库等,但因对于核心技术、开源规则掌握不足,响应者较少,发展较为缓慢。目前国内公司及开发者习惯于使用国外开源平台,一旦国外公司对开源平台进行管控,我国将面临由于平台迁移带来的巨额成本,并存在产业供应链安全的巨大隐患。建议加快营造国内开源氛围,鼓励企业发展开源平台、开源社区等开发模式,提升我国企业在全球主流开源生态中的贡献度及话语权,实现由参与者向贡献者再到构建者的升级。

合作站点
stat