重整化群引导的张量网络结构搜索

本文介绍了RGTN，一个受物理学（特别是重整化群）启发的张量网络结构搜索（TN-SS）新框架。它通过采用多尺度优化、连续结构演化和高效的结构-参数优化，解决了现有TN-SS方法的局限性。核心创新在于可学习的边缘门和基于物理量的智能提议，从而提高了压缩比，并比现有方法实现了显著的加速。这种受物理学启发的方案为解决高维数据表示的挑战提供了一个有前景的方向。

• •提出了RGTN，一个用于张量网络结构搜索（TN-SS）的新框架。
• •采用了基于物理学（重整化群，RG）的方法。
• •通过多尺度优化和连续结构演化，解决了现有TN-SS方法的局限性。
• •实现了最先进的压缩比和显著的加速。
• •使用可学习的边缘门和基于物理量的智能提议。