使用梯度下降算法计算高阶张量的投影范数

“投影范数”是一类作用于输入和输出空间的张量范数,可用于量化纠缠程度。由于高阶张量的参数空间呈指数级增长,计算投影范数属于NP难问题。该研究团队开发了一种新型梯度下降算法来估算高阶张量的投影范数,该算法能保证收敛至给定张量的最小核秩分解。该工作还将算法拓展至对称张量和密度矩阵,并通过计算纯态与混态的核秩及投影范数验证算法性能,同时提供了相应的数值证据。
访客五签:

量科快讯