量子机器学习资料整理

由于目前张量网络的工作逐渐增多，很多实验室都封装了自己的张量收缩算法包，同时还有一些论文给出了具体的工作，在此归类梳理一下方便日后的学习。

Workshop

• IJCAL: International Workshop on Tensor Network Representations in Machine Learning
• NeurIPS2020: Quantum tensor networks in machine learning
• ipam: Tensor Network States and Applications, APRIL 19 - 23, 2021

Learning Materials

• TN_tutorial是冉仕举老师对张量网络机器学习的一个详细的介绍，该仓库是Bilibili视频的配套代码，搭配食用效果更佳。
• Tensors.net是一个开源的网站，里面图解了各种张量网络算法，并给出了Python/Matlab/Julia的相关实现，简直良心
• Tensor Networks提供了一些张量网络机器学习的视频、论文以及对应代码，也是做了于本仓库类似的内容，推荐大家结合代码去学习，事半功倍！
• awesome-quantum-machine-learning包含了全网所有的量子机器学习基础知识，算法，研究材料，项目以及项目描述，例如量子遗传算法、量子隐马尔可夫模型、基于主成分分析的量子分类算法等等，有很多比较前沿的工作在里面。
• tensornetwork.org张量网络算法、理论和软件的介绍

Tensor network library

大部分张量网络收缩库都是基于Python，还有少量的C++、Matlab，在下面会注明

• TensorNetwork，Google于2019年开源的Python库，目前应用最为广泛
• qml是用于量子机器学习的Python工具包，有回归、预测、学习曲线等等，能省很多功夫去造轮子
• mpnum是基于Python的MPS包，还封装有MPO、PMPS、MPA的张量格式。
• netket是一个开源代码项目，它提供了用于通过ANN和ML研究多体量子系统的前沿方法，它是基于JAX构建的Python库。
• tenpy Python库，用于模拟具有张量网络的高度相关的量子系统，有比较详细的文档和算法演示示例（例如TEBD和DMRG）
• PyQPanda是本源量子开发的量子计算编程框架，提供了详细的文档和量子算法介绍，能够通过线路模拟算法。
• tncontract Python的开源张量网络库，比较小众，采用Numpy库做为后端，包含很多用于一维和二维张量网络的算法。
• TNML(C++) 出自大佬emstoudenmire之手
• ITensor(C++) 高效的张量网络计算库，提供了相关文档

Survery with code（Updating…）

• Fully-Connected Tensor Network Decomposition and Its Application to Higher-Order Tensor Completion [Paper] [Code]
• Segmenting two-dimensional structures with strided tensor networks [Github]
  • Raghavendra Selvan et al. (CVPR 2021)
• Generative tensor network classification model for supervised machine learning [arXiv] [Github]
  • Zheng-Zhi Sun, et al. (PRB 2020)
• Tangent-Space Gradient Optimization of Tensor Network for Machine Learning [arXiv] [Github]
  • Zheng-Zhi Sun, et al. (PRE 2020)
• Multi-layered tensor networks for image classification [arXiv] [Github]
  • Raghavendra Selvan et al. (NeurIPS 2020)
• Quantum Tensor Network in Machine Learning: An Application to Tiny Object Classification [arXiv] [Github]
  • Fanjie Kong et al. (NeurIPS 2020)
• Tensor Networks for Medical Image Classification [Github]
  • Raghavendra Selvan et al. (MIDL 2020)
• Deep convolutional tensor network [arXiv] [Github]
  • Philip Blagoveschensky et al. (Preprint. Under review 2020)
• Quantum-Classical Machine learning by Hybrid Tensor Networks [arXiv] [Github]
• Machine Learning by Two-Dimensional Hierarchical Tensor Networks: A Quantum Information Theoretic Perspective on Deep Architectures [arXiv] [Github]
  • Ding Liu et al. (NJP 2019)
• Unsupervised Generative Modeling Using Matrix Product States [arXiv] [Github]
  • Zhao-Yu Han et al. (PRX 2018)
• Supervised Learning with Quantum-Inspired Tensor Networks [Github]
  • E.M. Stoudenmire et al. (NIPS 2016)