量子科技中心_量科网

张量网络最初是在多体物理学背景下发展起来的，作为多粒子量子态的压缩表示方法。这些表示方式通过仅捕捉最相关的依赖关系，有效缓解了多体系统的指数级复杂度。由于量子纠缠与统计相关性在形式上的相似性，张量网络近年被引入机器学习领域，既可作为替代性学习架构，也可作为神经网络组件的分解工具。学界期望将量子多体物理中发展出的张量网络理论理解转化为新型方法，从而在计算效率、可解释性或隐私性方面提供优势。本文系统评述了张量网络在机器学习中的应用，对当前技术水平、潜在优势及亟待突破的挑战进行了批判性分析。