Core Concepts
본 논문은 반복적인 구조 평가 없이 효율적으로 텐서 네트워크 구조를 탐색할 수 있는 SVD 기반 텐서 네트워크 분해 방법을 제안한다.
Abstract
텐서 네트워크 구조 탐색(TN-SS)은 주어진 텐서에 대해 압축된 표현을 달성하기 위한 적절한 텐서 네트워크 구조를 찾는 문제이다.
기존 TN-SS 방법들은 "샘플링-평가" 프레임워크를 따르며, 많은 반복적인 구조 평가를 필요로 해 계산 비용이 매우 높다.
본 논문은 정규화 모델링 관점에서 TN-SS 문제를 해결하는 SVD 기반 텐서 네트워크 분해(SVDinsTN) 방법을 제안한다.
SVDinsTN은 각 엣지에 대각 인자를 삽입하여 TN 코어와 대각 인자를 동시에 계산할 수 있으며, 대각 인자의 희소성을 통해 압축된 TN 구조를 찾아낸다.
이론적으로 SVDinsTN의 수렴 보장과 TN 랭크의 상한을 증명하였으며, 효율적인 초기화 방법을 제안하였다.
실험 결과, SVDinsTN은 기존 TN-SS 방법 대비 약 100~1000배 가속화되면서도 유사한 표현 능력을 보였다.
Stats
제안 방법은 기존 TN-SS 방법 대비 약 100~1000배 가속화되었다.
제안 방법은 기존 TN-SS 방법과 유사한 수준의 표현 능력을 보였다.
Quotes
"본 논문은 정규화 모델링 관점에서 TN-SS 문제를 해결하는 SVD 기반 텐서 네트워크 분해(SVDinsTN) 방법을 제안한다."
"SVDinsTN은 각 엣지에 대각 인자를 삽입하여 TN 코어와 대각 인자를 동시에 계산할 수 있으며, 대각 인자의 희소성을 통해 압축된 TN 구조를 찾아낸다."