文件名称：tensorgrad:可微编程张量网络
文件大小：421KB
文件格式：ZIP
更新时间：2024-05-28 15:25:49
automatic-differentiation pytorch tensor-networks Python
可微编程张量网络
要求
如果您有住院或野心勃勃的话，一块不错的GPU卡
*能的高阶梯度
运行此操作，以使用通过Tensor重归一化组收缩的自动微分来计算2D经典Ising模型的能量和比热。
$ cd 1_ising_TRG
$ python ising.py
iPEPS的变体优化
运行此命令以优化2D量子海森堡模型的iPEPS波动函数。 在这里，我们使用转角矩阵重整化组进行收缩，并使用L-BFGS进行优化。
$ cd 2_variational_iPEPS
$ python variational.py -D 3 -chi 30
您可以提供命令行参数-use_checkpoint以减少内存使用量。 要使用GPU，可以添加-cuda
【文件预览】：
tensorgrad-master
----.travis.yml(370B)
----2_variational_iPEPS()
--------utils.py(2KB)
--------variational.py(4KB)
--------args.py(1KB)
--------measure.py(1KB)
--------ipeps.py(2KB)
----_assets()
--------heisenberg.png(309KB)
--------trg.png(44KB)
--------logo.png(89KB)
----tensornets()
--------ctmrg.py(3KB)
--------tests()
--------__init__.py(46B)
--------adlib()
--------trg.py(1KB)
----LICENSE(11KB)
----1_ising_TRG()
--------ising.py(2KB)
----requirements.txt(6B)
----setup.py(796B)
----.gitignore(30B)
----README.md(2KB)