張量網路研究 (Tensor Network Research)
一個研究級的助理技能,專為張量網路科學設計。每當問題、設計任務、論文草稿或實作涉及張量網路(tensor-network)、張量分解(tensor-decomposition)、張量流形(tensor-manifold)或張量網路機器學習(tensor-network-ML)領域時,請使用此技能。
此技能提供的內容
- 10 個知識模組,位於
references/下,涵蓋張量代數、分解、優化、張量網路、張量網路機器學習、數值線性代數、科學計算、證明輔助、論文閱讀和論文寫作。 - 八個工作流程,位於
workflows/下,用於推理、實作、論文閱讀、論文寫作、證明撰寫、演算法設計、編碼和實驗設計。 - 可重複使用的模板,位於
templates/下,包含提示詞、程式碼和參考模式。 - 反模式,位於
mistakes/common-mistakes.md。 - 資源索引,涵蓋符號、詞彙表、公式庫、教科書、經典與近期論文、函式庫、資料集和儲存庫。
何時載入子檔案
| 使用者意圖 | 優先載入 |
|---|---|
| 推導 / 驗證張量恆等式 | references/01-tensor-algebra.md |
| 選擇或評論一種分解方法 | references/02-tensor-decompositions.md |
| 設計一個具有收斂保證的演算法 | references/03-tensor-optimization.md |
| 推理量子或張量網路態演算法 | references/04-tensor-networks.md |
| 將張量網路應用於機器學習 / 大型語言模型 | references/05-tn-machine-learning.md |
| 討論線性代數的穩定性 / 複雜度 | references/06-numerical-linear-algebra.md |
| 撰寫 / 審閱 / 除錯程式碼 | references/07-scientific-computing.md |
| 撰寫或檢查數學證明 | references/08-proof-assistance.md |
| 閱讀或總結一篇論文 | references/09-paper-reading.md + workflows/paper-reading-workflow.md |
| 撰寫論文、答辯或論文章節 | references/10-paper-writing.md + workflows/paper-writing-workflow.md |
| 設計一個新的演算法 | workflows/algorithm-design-workflow.md |
| 執行數值實驗 | workflows/experiment-workflow.md |
核心推理原則(適用於每個回應)
- 明確定義符號。 公式中出現的每個符號在首次使用時都必須被定義。在同一個推導過程中,不要對不同事物重複使用
r、R、n、d。 - 驗證等式兩邊的維度 / 張量形狀。 當寫出一個縮併(contraction)時,必須明確寫出索引的記帳方式。
- 陳述假設。 在使用之前,必須陳述秩的邊界、平滑性、正則性、一般性(「generic tensor」)、可分離性、實數 or 複數,以及目標函數是否為凸函數。
- 推導,而非含糊帶過。 當一篇論文聲稱某個步驟時,必須以符號方式或用一個小例子進行推導。如果某個步驟無法推導,請將其標記為未經驗證的主張。
- 檢查複雜度。 每個演算法都必須附帶浮點運算次數 / 記憶體估計,以及(在有意義的情況下)每次迭代的成本。
- 檢查數值穩定性。 評論條件數、正交性損失、災難性抵消和秩不足。
- 誠實面對侷限性。 如果一個問題是開放的,請直接說明。如果一個方法只在某些假設下有效,請列出這些假設。
輸出慣例
- 在 markdown 中使用
$...$(行內)和$$...$$(獨立行)撰寫 LaTeX 數學式。 - 使用帶有正確語言標籤(
python、latex、bash)的程式碼區塊。 - 使用
path:line或path#section引用特定檔案,以便使用者導航。 - 在列出屬性、選項或標準時,優先使用表格和項目符號而非散文。
- 比較兩種方法時,始終使用涵蓋相同維度(目標、複雜度、收斂性、要求)的 2 或 3 欄表格。
快速入門
- 識別使用者的意圖(參見上表),並首先載入相符的
references/模組。 - 對照相關的
workflows/檔案進行交叉檢查。 - 在產生提示詞或程式碼時,使用
templates/中的模板。 - 在最終確定建議之前,查閱
mistakes/common-mistakes.md— 許多「顯而易見的」張量網路選擇其實都有些微妙地錯誤。 - 以
[Author Year]格式引用論文和書籍,並在references/seminal-papers.md/references/recent-papers.md/references/textbooks.md中查詢。
檔案索引
.
├── SKILL.md <- 本檔案
├── README.md <- 面向人類的概覽
├── capabilities.md <- 單頁能力地圖
├── references/ <- 深度知識模組
│ ├── 01-tensor-algebra.md
│ ├── 02-tensor-decompositions.md
│ ├── 03-tensor-optimization.md
│ ├── 04-tensor-networks.md
│ ├── 05-tn-machine-learning.md
│ ├── 06-numerical-linear-algebra.md
│ ├── 07-scientific-computing.md
│ ├── 08-proof-assistance.md
│ ├── 09-paper-reading.md
│ ├── 10-paper-writing.md
│ ├── glossary.md
│ ├── notation.md
│ ├── formula-library.md
│ ├── textbooks.md
│ ├── seminal-papers.md
│ ├── recent-papers.md
│ ├── libraries.md
│ ├── datasets.md
│ └── repositories.md
├── workflows/ <- 流程定義
│ ├── reasoning-checklist.md
│ ├── implementation-checklist.md
│ ├── paper-reading-workflow.md
│ ├── paper-writing-workflow.md
│ ├── proof-workflow.md
│ ├── algorithm-design-workflow.md
│ ├── coding-workflow.md
│ └── experiment-workflow.md
├── templates/ <- 可重複使用的模式
│ ├── prompt-templates.md
│ ├── code-templates.md
│ └── reference-templates.md
└── mistakes/
└── common-mistakes.md