TensorNetwork für Machine Learning und Physik

TensorNetwork: Neue Open-Source-Bibliothek für Machine Learning
Keine Kommentare

Google AI hat die neue Open Source Library TensorNetwork für Tensornetzwerk-Algorithmen vorgestellt. Sie kann für Machine Learning und Anwendungsfälle in der Physik eingesetzt werden.

Ein Forschungsteam von Google AI hat die neue Open-Source-Bibliothek TensorNetwork vorgestellt. Sie soll eine einfache und effiziente Manipulation von Tensornetzwerken erlauben. Als Backend wird die bekannte ML-Bibliothek TensorFlow verwendet, die ebenfalls aus dem Hause Google stammt.

Laut Google AI gab es bisher einige Schwierigkeiten in der Anwendung von Tensornetzwerken für Machine Learning. Um diesen Problemen zu begegnen, wurde TensorNetwork in Kollaboration mit dem Perimeter Institute for Theoretical Physics und dem Unternehmen X entwickelt.

Zum einen habe eine Bibliothek auf Produktionslevel gefehlt, um die Algorithmen bei Hardwarebeschleunigung skalierbar auszuführen. Zum anderen sei der Großteil der Tensornetzwerk-Literatur an ein Fachpublikum aus der Physik gerichtet. Dadurch sei der Eindruck entstanden, dass Kenntnisse in Quantenmechanik vorausgesetzt würden.

Features von TensorNetwork

TensorNetwork ist ein Tensornetzwerk-Wrapper für Googles inoffizielles Forschungsprojekt JAX (Autograd and XLA), TensorFlow und die Python-Bibliothek NumPy. Sie ist für GPU Processing optimiert, was bis zu 100-mal schnellere Beschleunigungen als auf einer CPU erlauben soll. Die allgemein einsetzbare Bibliothek für Tensornetzwerk-Algorithmen soll auch für Use Cases in der Physik nützlich sein, z. B. in der Approximierung von Quantenzuständen.

Zwei Papers wurden zur Vorstellung der neuen Bibliothek veröffentlicht. Das erste richtet sich mit einem Überblick der Library und ihres API an ein Publikum außerhalb der Physik. Das zweite zeigt einen Anwendungsfall in der Physik und die Beschleunigung durch GPUs.

Geplante Use Cases

In Zukunft sollen weitere Paper folgen, um TensorNetwork anhand praktischer Anwendungsfälle zu demonstrieren. Der Einsatz in der Bildklassifikation soll im nächsten Paper behandelt werden. Dafür werden der häufig verwendete Datensatz MNIST und die neuere Abwandlung Fashion-MNIST eingesetzt. Im Bereich Machine Learning ist außerdem eine Zeitreihenanalyse und im physikalischen Bereich eine Quantenschaltungssimulation geplant.

Alle Details zu TensorNetwork gibt es auf dem Google-AI-Blog und im GitHub Repository.

Unsere Redaktion empfiehlt:

Relevante Beiträge

Hinterlasse einen Kommentar

Hinterlasse den ersten Kommentar!

avatar
400
  Subscribe  
Benachrichtige mich zu:
X
- Gib Deinen Standort ein -
- or -