6月5日消息，據外媒報道，日前，谷歌公司的人工智能部門與加拿大圓周理論物理研究所，以及谷歌母公司Alphabet的X實驗室共同發(fā)布了TensorNetwork。據了解，這是一個旨在提高張量計算效率的開源庫。

TensorNetwork通過使用谷歌的TensorFlow機器學習框架作為后端，并針對GPU進行優(yōu)化來提升張量計算的效率。在初步測試中，谷歌表示，與CPU上的運行速度相比，TensorNetwork可提供高達100倍的計算速度。

張量是根據其順序按層次結構分類的多維數組。普通數是零階張量，而向量是一階張量，矩陣是二階張量。因此，張量網絡是壓縮圖形編碼的張量收縮模式，由幾個張量組成，并共同構成一個新的張量。

張量網絡可以非常有效地代表幾個、幾十個甚至是上百個張量。張量網絡不是直接存儲或操縱張量，而是將張量表示為較小張量在較大張量網絡形狀中的收縮。這使得它們在圖像分類、目標識別和其他人工智能任務中更加實用。

高階張量被表示為多個低階張量

TensorNetwork的設計就是為了實現(xiàn)這一點，作為一個通用的張量網絡算法庫，谷歌希望它對研究工程師和研究科學家有用。谷歌指出，近似量子態(tài)是物理學中張量網絡的典型用例，能夠非常直觀的展現(xiàn)TensorNetwork的能力。

研究人員表示：“張量網絡讓我們專注于量子態(tài)與現(xiàn)實世界問題最相關的部分，比如低能量態(tài)，而忽略其他不相關的狀態(tài)。通過開源社區(qū)，我們也會為TensorNetwork添加新的功能。我們希望TensorNetwork成為物理學家和機器學習從業(yè)者的寶貴工具。”

當前，張量網絡正被越來越多地用于機器學習領域，用來執(zhí)行復雜的計算任務。不過，廣泛應用張量網絡仍面臨著許多障礙。首先，沒有一個開源庫能夠用來進行大規(guī)模運行底層算法，此外，大多數張量網絡文獻都是面向物理應用的。而谷歌發(fā)布的TensorNetwork很好的解決了這一問題。