<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Tensor Networks on Chen Kai Blog</title><link>https://www.chenk.top/zh/tags/tensor-networks/</link><description>Recent content in Tensor Networks on Chen Kai Blog</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Wed, 30 Apr 2025 09:00:00 +0000</lastBuildDate><atom:link href="https://www.chenk.top/zh/tags/tensor-networks/index.xml" rel="self" type="application/rss+xml"/><item><title>线性代数（十八）：前沿应用与总结——量子计算、GNN、大模型，与十八章回望</title><link>https://www.chenk.top/zh/linear-algebra/18-%E5%89%8D%E6%B2%BF%E5%BA%94%E7%94%A8%E4%B8%8E%E6%80%BB%E7%BB%93/</link><pubDate>Wed, 30 Apr 2025 09:00:00 +0000</pubDate><guid>https://www.chenk.top/zh/linear-algebra/18-%E5%89%8D%E6%B2%BF%E5%BA%94%E7%94%A8%E4%B8%8E%E6%80%BB%E7%BB%93/</guid><description>&lt;p>我们一同走过了线性代数的漫长旅程——从平面上的箭头出发，最终抵达量子计算机的逻辑门、大语言模型的核心机制，以及数据云的拓扑结构。贯穿始终、令人惊叹的一点是（也是本系列试图揭示的）：同样的几个核心思想不断重现。向量是状态，矩阵是变换，分解揭示了变换内部的结构，范数则告诉你何时可以信任计算结果。一旦你内化了这个循环，所有所谓的“前沿”领域便不再像陌生国度，而更像是你早已掌握的语言所衍生出的新方言。&lt;/p></description></item></channel></rss>