张量网络
理解 ArcTN 如何用张量的腿、输出腿和维度表表示普通边、超边与开放指标。
本页目录
结构模型
ArcTN 的规划器先读取网络结构，不读取张量数值。一个网络由 inputs、output 和 size_dict 三部分组成：张量是节点，同名腿表示共享指标，维度表给出每个指标的取值范围。
列入 output 的开放腿保留为结果轴未列入 output 的共享腿在收缩中求和
output = [a, d]| 字段 | 内容 | 需要保持的语义 |
|---|---|---|
| inputs | 每个输入张量的腿标签列表 | 外层顺序对应张量顺序，内层顺序对应张量轴顺序 |
| output | 最终结果保留的腿 | 顺序定义结果数组的轴顺序 |
| size_dict | 腿标签到维度的映射 | 必须覆盖全部已使用腿，且不能包含未使用腿 |
普通边、超边与输出腿
一条腿出现在两个张量上且未列入 output 时，对应普通内部边；出现在三个或更多不同张量上时，对应超边（hyperedge）。因此 ArcTN 的数据模型不局限于普通图。列入 output 的腿不会在收缩中消去，最终会按 output 的顺序排列。
| 腿的出现方式 | 结构含义 | 执行结果 |
|---|---|---|
| 出现在多个不同张量，且不在 output | 内部边或超边 | 沿该指标求和 |
| 列入 output | 开放腿 | 保留为结果轴 |
| 在同一输入张量中出现两次，既不在 output 中，也不被其他张量引用 | 迹（trace） | 两个轴取相同坐标后求和 |
| 在同一输入张量中出现两次，且被其他张量引用或列入 output | 取对角（diagonal extraction） | 两个轴合并为一个保留指标 |
Warning
重复腿的边界
同一条腿在一个输入张量中最多出现两次。三次或更多的重复腿当前不受支持，会在网络校验时返回错误。
一个三张量网络
Python 高层接口的结构输入
# A[a,b] B[b,c] C[c,d] -> Y[a,d]
inputs = [
("a", "b"),
("b", "c"),
("c", "d"),
]
output = ("a", "d")
size_dict = {"a": 2, "b": 3, "c": 4, "d": 5}
腿 b 和 c 是内部腿，收缩完成后被消去；a 和 d 是输出腿，最终结果 shape 为 (2, 5)。Python 接口允许使用可哈希标签，并在进入 Rust 前把标签映射为紧凑整数。
标签与维度
标签只表示指标身份，不携带物理含义。两个物理上不同的指标不能因为维度相同就使用同一个标签；维度相同不等于指标相同。
规划前校验
| 检查项 | 要求 |
|---|---|
| 输入数量 | 至少有一个输入张量 |
| 维度 | 每条已使用腿都有维度，维度为正整数，元素数计算不能溢出 |
| 维度表 | 不能缺少已使用腿，也不能保留完全未使用的条目 |
| 输出腿 | 不能重复，并且必须来自输入网络 |
| 重复腿 | 同一腿在单个输入张量中最多出现两次 |
| 数值执行 | 每个数组的 shape 必须与对应 inputs 和 size_dict 一致 |
use arctn::TensorNetwork;
let net = TensorNetwork {
name: "example".into(),
inputs: vec![vec![0, 1], vec![1, 2], vec![2, 3]],
output: vec![0, 3],
size_dict: [(0, 2), (1, 3), (2, 4), (3, 5)]
.into_iter().collect(),
};
net.validate()?;
校验不是路径搜索
直接用 Rust 结构体字段构造
TensorNetwork时应显式调用validate()。JSON、Python、规划、路径重放和执行入口也会在各自边界执行所需校验。