方向介绍：
张量网络源于量子多体体系的一种数值计算方法，通过将高维的张量数据写成多个低维张量缩并的形式，从而降低数据计算的复杂度。该方法的应用已经从物理学领域拓展到计算机领域。该方向的工作考虑从张量网络在大规模数据优化，机器学习，量子计算模拟等方面展开。

人员要求：
熟悉张量网络的基本概念，包括矩阵乘积态(matrix-product-states, MPS)、投影纠缠对态(projected-entangled-paired-states, PEPS)、多尺度纠缠重整化方案(multiscale-entanglement-renormalization-ansatz, MERA)。
熟悉常用的大规模优化与数据降维算法，包括随机梯度下降、共轭梯度法及其预处理机制、奇异值分解(SVD)、主成分分析(PCA)、ADMM。
了解常用的 Monte Carlo 模拟方法，包括 Metropolis-Hastings 方法、Markov-chain Monte Carlo 算法、Hybrid Monte Carlo。
了解统计物理，如数值重整化群或密度矩阵重整化计算。

上班地址：-上海-影创大厦