Yapay zeka alanında tensör ağları ve tensörleştirilmiş sinir ağları giderek daha fazla kullanılıyor, ancak bu sistemlerin başlatılması teknik zorluklar barındırıyor. Araştırmacılar bu soruna yönelik iki yeni algoritma geliştirerek, ağ katmanlarının daha verimli şekilde başlatılmasını mümkün kıldı.
Yeni yöntemin temelinde, tensör ağlarının alt ağlarının normlarının yinelemeli şekilde kullanılması yatıyor. Bu yaklaşım, geleneksel yöntemlerde karşılaşılan sıfır norm veya sonsuzluk değerleri gibi problemleri önleyerek, ağların kararlı bir şekilde çalışmaya başlamasını sağlıyor. Algoritma, Frobenius normlarının kısmi hesaplamalarını ve pozitif doğrusal giriş toplamlarını kullanarak optimizasyon gerçekleştiriyor.
Araştırma ekibi, geliştirdikleri yöntemi Matrix Product State/Tensor Train (MPS/TT) ve Matrix Product Operator/Tensor Train Matrix (MPO/TT-M) katmanlarında uyguladı. Test sonuçları, algoritmanın düğüm sayısı, bağ boyutu ve fiziksel boyut parametrelerine göre etkili bir ölçeklenebilirlik gösterdiğini ortaya koydu.
Yöntemin bir diğer önemli avantajı, ara hesaplamaları yeniden kullanarak hesaplama maliyetini düşürmesi. Bu özellik, özellikle büyük ölçekli uygulamalarda zaman ve enerji tasarrufu sağlıyor. Araştırmacılar, geliştirdikleri tüm kodları açık kaynak olarak paylaştı.