繰り込み群を用いたテンソルネットワーク構造探索

Research Paper#Tensor Networks, Machine Learning, Physics-Inspired AI🔬 Research|分析: 2026年1月3日 06:28•
公開: 2025年12月31日 06:31
•
1分で読める
•ArXiv

分析

本論文は、物理学、特に繰り込み群（RG）に着想を得た、テンソルネットワーク構造探索（TN-SS）のための新しいフレームワーク、RGTNを紹介しています。既存のTN-SS手法の限界を、マルチスケール最適化、連続的な構造進化、効率的な構造パラメータ最適化によって克服しています。中核的な革新は、学習可能なエッジゲートと、物理量に基づいたインテリジェントな提案にあり、これにより、既存の手法と比較して、圧縮率の向上と大幅な高速化が実現しています。物理学に着想を得たこのアプローチは、高次元データ表現の課題に取り組むための有望な方向性を示しています。
引用・出典
原文を見る
"RGTN achieves state-of-the-art compression ratios and runs 4-600$\times$ faster than existing methods."
A
ArXiv2025年12月31日 06:31
* 著作権法第32条に基づく適法な引用です。
古い記事

Machine Learning on Encrypted Data Without Decrypting It

新しい記事

Introduction to Machine Learning for Coders: Launch

関連分析

Research Paper

SpaceTimePilot：空間と時間の制御による生成ビデオレンダリング

2026年1月3日 06:10

Research Paper

量子カオスハミルトニアン進化におけるランダム性生成

2026年1月3日 06:10

Research Paper

GaMO：幾何学認識拡散を用いた疎視点3D再構成

2026年1月3日 06:32

原文: ArXiv