Sari la conținut

Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

perspectiva aiqbenchMachine learning

analiza aiqbench

This algorithmic breakthrough accelerates tensor-network contraction by up to 100×, enabling complex simulations of quantum materials like Heisenberg antiferromagnets on a single H100 GPU. By replacing large matrix decompositions with smaller subspace iterations, the method shifts computational bottlenecks to operations that GPUs can process more efficiently. This advancement significantly expands the scope of accessible calculations in condensed matter physics without requiring specialized quantum hardware.
Sursă care acoperăQuantum Zeitgeist
Ce este aceastaLectura unui model asupra articolului și a acoperirii conexe, scrisă pentru aiqbench. Nu sunt cuvintele publicației.

Subspace Iteration Cuts Tensor-Network Contraction Times by 100×

Quantum Zeitgeist1 min de cititArticolul și perspectiva sunt în engleză.

Yining Zhang & Philippe Corboz’s SI-CTMRG uses subspace iteration to replace large SVDs with smaller ones, accelerating tensor-network contraction by up to 100×.

A single H100 graphics processing unit completed a complex calculation for the triangular-lattice Heisenberg antiferromagnet in approximately 10 hours, thanks to a new algorithm developed by Yining…

Extras afișat conform termenilor RSS ai publicației · 27 cuvinte · textul integral și figurile sunt pe site-ul publicației

Subiecte conexe