論文の概要: DMRjulia: Tensor recipes for entanglement renormalization computations

• arxiv url: http://arxiv.org/abs/2111.14530v1
• Date: Mon, 29 Nov 2021 13:41:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-06 09:42:17.723798
• Title: DMRjulia: Tensor recipes for entanglement renormalization computations
• Title（参考訳）: DMRjulia:エンタングルメント再正規化計算のためのテンソルレシピ
• Authors: Thomas E. Baker and Martin P. Thompson
• Abstract要約: DMRjuliaライブラリに含まれる機能の詳細はここにある。 本稿では,高密度テンソルに対するテンソルネットワークライブラリにおける関数の実装について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detailed notes on the functions included in the DMRjulia library are included here. This discussion of how to program functions for a tensor network library are intended to be a supplement to the other documentation dedicated to explaining the high level concepts. The chosen language used here is the high-level julia language that is intended to provide an introduction to provide a concise introduction and show transparently some best practices for the functions. This document is best used as a supplement to both the internal code notes and introductions to the subject to both inform the user about other functions available and also to clarify some design choices and future directions. This document presently covers the implementation of the functions in the tensor network library for dense tensors. The algorithms implemented here is the density matrix renormalization group. The document will be updated periodically with new features to include the latest developments.
• Abstract（参考訳）: dmrjuliaライブラリに含まれる機能に関する詳細なメモは、ここに含まれている。 テンソルネットワークライブラリの関数をプログラムする方法に関するこの議論は、高レベルの概念を説明するための他のドキュメントを補うことを意図している。 ここで使用される言語は高レベルのjulia言語であり、簡潔な導入を提供し、関数に対するベストプラクティスを透過的に示すための入門を提供する。 この文書は、ユーザに対して利用可能な他の機能と、いくつかの設計選択と今後の方向性を明らかにするために、内部コードノートと主題の紹介の両方の補足として、最もよく使用される。 本稿では,高密度テンソルに対するテンソルネットワークライブラリにおける関数の実装について述べる。 ここで実装されるアルゴリズムは密度行列再正規化群である。 ドキュメントは定期的に更新され、最新の開発を含む新機能が追加される。

関連論文リスト

• Mathematical Supplement for the $\texttt{gsplat}$ Library [31.200552171251708]
  本報告では,効率的な微分可能なガウススプラッティングのためのモジュールツールボックスであるgsplatライブラリの数学的詳細について述べる。 これは微分可能なガウススプラッティングの前方および後方通過に関わる計算に対して自己完結した参照を提供する。
  論文  参考訳（メタデータ） (2023-12-04T18:50:41Z)
• LongCoder: A Long-Range Pre-trained Language Model for Code Completion [56.813974784131624]
  LongCoderは自己アテンションにスライディングウィンドウ機構を採用し、グローバルアクセス可能なトークンを2種類導入している。 ブリッジトークンは入力シーケンス全体を通して挿入され、ローカル情報を集約し、グローバルな相互作用を促進する。 メモリトークンは、後で呼び出され、記憶する必要がある重要なステートメントをハイライトするために含まれます。
  論文  参考訳（メタデータ） (2023-06-26T17:59:24Z)
• FuzzyLogic.jl: a Flexible Library for Efficient and Productive Fuzzy Inference [5.584060970507507]
  本稿では,ファジィ推論を行うJuliaライブラリであるtextscFuzzyLogic.jlを紹介する。 ライブラリは完全にオープンソースで、パーミッシブライセンスでリリースされている。
  論文  参考訳（メタデータ） (2023-06-17T10:43:09Z)
• Harnessing Explanations: LLM-to-LM Interpreter for Enhanced Text-Attributed Graph Representation Learning [51.90524745663737]
  重要なイノベーションは、機能として説明を使用することで、下流タスクにおけるGNNのパフォーマンス向上に利用できます。 提案手法は、確立されたTAGデータセットの最先端結果を実現する。 本手法はトレーニングを著しく高速化し,ogbn-arxivのベースラインに最も近い2.88倍の改善を実現した。
  論文  参考訳（メタデータ） (2023-05-31T03:18:03Z)
• DocCoder: Generating Code by Retrieving and Reading Docs [87.88474546826913]
  コードマニュアルとドキュメントを明示的に活用するアプローチであるDocCoderを紹介します。 我々のアプローチは一般的に、どんなプログラミング言語にも適用でき、基礎となるニューラルモデルとは無関係です。
  論文  参考訳（メタデータ） (2022-07-13T06:47:51Z)
• CodeRetriever: Unimodal and Bimodal Contrastive Learning [128.06072658302165]
  関数レベルのコードセマンティック表現を訓練するために,一様および二様のコントラスト学習を組み合わせたCodeRetrieverモデルを提案する。 ノンモーダルなコントラスト学習のために、文書と関数名に基づいてポジティブなコードペアを構築するためのセマンティックガイド付き手法を設計する。 バイモーダルなコントラスト学習では、コードのドキュメンテーションとインラインコメントを活用して、テキストコードペアを構築します。
  論文  参考訳（メタデータ） (2022-01-26T10:54:30Z)
• Build your own tensor network library: DMRjulia I. Basic library for the density matrix renormalization group [0.0]
  このコードの焦点はテンソルネットワーク計算に関わる基本的な操作である。 このコードは研究に使えるほど高速で、新しいアルゴリズムを作るのに使える。
  論文  参考訳（メタデータ） (2021-09-07T14:31:47Z)
• Named Tensor Notation [117.30373263410507]
  名前付き軸を持つテンソルの表記法を提案する。 著者、読者、および将来の実装者は、軸の順序を追跡する負担から解放されます。 また、低階テンソル上の操作を高階テンソルに拡張するのも容易である。
  論文  参考訳（メタデータ） (2021-02-25T22:21:30Z)
• Captum: A unified and generic model interpretability library for PyTorch [49.72749684393332]
  我々は,PyTorch用の新しい,統一されたオープンソースモデル解釈可能性ライブラリを紹介する。 このライブラリには、多くの勾配と摂動に基づく属性アルゴリズムの汎用的な実装が含まれている。 分類モデルと非分類モデルの両方に使用できる。
  論文  参考訳（メタデータ） (2020-09-16T18:57:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。