QuantumKitHub/TensorOperations.jl

解決的問題

透過允許使用者使用更直覺的愛因斯坦指標記法來撰寫複雜張量運算，簡化執行複雜張量運算的過程，比起巢狀迴圈或多次手動重塑與收縮更具直覺性。

工作原理

該庫提供 @tensor 宏，使使用者能使用抽象指標記法（愛因斯坦求和規則）來表達張量收縮與加法。支援多種執行後端，包括用於 GPU 加速的 cuTENSOR v2，並與 ChainRulesCore.jl 集成以支援自動微分。也支援自訂配置策略，例如使用 Bumper.jl 管理暫時物件。

適用對象

專為處理高維陣列（張量）的研究人員與開發者設計，特別適用於量子物理或機器學習領域中需要簡潔方式定義與最佳化張量收縮的使用者。

特色亮點

• 愛因斯坦記法：使用 @tensor 宏簡潔表達運算。
• GPU 加速：透過 CUDA.jl 支援 cuTENSOR v2。
• 自動微分：包含反向模式規則，可與 AD 框架整合。
• 靈活配置：支援自訂暫時物件的配置策略以提升效能。