[论文解读] NCON: A tensor network contractor for MATLAB

Robert N. C. Pfeifer, Glen Evenbly+2 more|arXiv (Cornell University)|Feb 5, 2014

Computational Physics and Python Applications被引用 25

一句话总结

本文介绍了 ncon()，一种基于 MATLAB 的张量网络收缩工具，通过使用经过优化的成对收缩操作（利用 permute 和 reshape 操作），高效计算多张量网络的收缩。该工具为传统的张量网络工具提供了一种现代化、文档齐全且易于维护的替代方案，支持迹、外积和不相交网络等功能，重点在于提升量子多体模拟中的性能与正确性。

ABSTRACT

A fundamental process in the implementation of any numerical tensor network algorithm is that of contracting a tensor network. In this process, a network made up of multiple tensors connected by summed indices is reduced to a single tensor or a number by evaluating the index sums. This article presents a MATLAB function ncon(), or "Network CONtractor", which accepts as its input a tensor network and a contraction sequence describing how this network may be reduced to a single tensor or number. As its output it returns that single tensor or number. The function ncon() may be obtained by downloading the source of this preprint.

研究动机与目标

• 为 MATLAB 中类似 scon() 的传统张量网络收缩工具提供一种现代化、可维护且文档齐全的替代方案。
• 支持在量子多体物理中使用的张量网络的高效且正确的收缩，包括迹、外积和不相交网络。
• 实现一个稳健且向后兼容的接口，保留早期工具的语法，同时增加新功能。
• 通过使用 permute 和 reshape 操作实现 BLAS 加速的矩阵乘法，提升性能和可靠性。
• 检测并警告次优的收缩序列，特别是那些未能一次性收缩所有共享指标的序列。

提出的方法

• ncon() 函数通过应用一系列成对操作执行张量收缩，利用 MATLAB 的 permute 和 reshape 函数在矩阵乘法前重新组织指标。
• 成对收缩通过 reshape 和 permute 实现为矩阵乘法，利用 BLAS 实现高性能。
• 函数支持标签标注法来指定哪些指标被收缩，其中 legLinks 中的负指标定义输出指标顺序。
• 迹通过专用的 doTrace() 函数计算，通过求和重复指标实现，若迹未完全收缩则发出警告。
• 通过 zisOuterProduct() 解析“序列中的零”表示法，以处理外积和维度为 1 的指标。
• 收缩序列按步骤处理，每次操作后移除指标，最终输出根据指定的 finalOrder 或 legLinks 重新排序。

实验结果

研究问题

• RQ1 如何在 MATLAB 中实现张量网络收缩函数，以同时支持标准收缩和迹、外积等高级功能？
• RQ2 如何使用原生函数和 BLAS 优化操作，在 MATLAB 中实现最高效的成对张量收缩？
• RQ3 如何设计一种现代化、可维护且文档齐全的张量网络收缩工具，以替代以往那些未文档化、被分叉的类似工具？
• RQ4 该工具能否检测并警告可能导致不必要的计算开销的次优收缩序列？
• RQ5 仅收缩共享指标的子集与一次性收缩所有共享指标相比有何影响？此类低效问题如何识别？

主要发现

• ncon() 函数成功实现了使用优化的矩阵乘法（通过 permute 和 reshape）的高性能、向后兼容的 MATLAB 张量网络收缩工具。
• 该工具支持高级功能，如迹、外积、不相交网络以及 1D/0D 对象，这些在早期工具中缺失或支持不佳。
• 当收缩序列未能一次性收缩所有共享指标时，函数会发出警告，提示可能存在效率问题。
• 该实现完全文档化且集中维护，具有明确的来源信息，解决了以往 scon() 变种中缺乏归属和文档的问题。
• 使用 BLAS 加速的矩阵乘法确保了高性能，该方法在量子多体物理的各类张量网络算法中均表现稳健。
• 该函数能正确处理复杂的指标模式，包括用于迹的重复指标，以及用于外积的“序列中的零”表示法。