Exakte Mathematik
Bei vollständiger Ausführung werden keine Singulärwerte oder Singulärvektoren durch Näherungen ersetzt. Die endliche Rechengenauigkeit realer Hardware bleibt zu berücksichtigen.
Die Singulärwertzerlegung macht die wesentlichen Strukturen großer Zahlenbestände sichtbar. NOWE-SVD setzt bei ihrem mathematischen Rechenweg an: Der verbleibende Berechnungsraum wird Schritt für Schritt kleiner.
Das Verfahren liefert bei vollständiger Ausführung die gesamte mathematisch exakte Zerlegung einer reellen oder komplexen Matrix – alle Singulärwerte sowie die zugehörigen linken und rechten Singulärvektoren. Damit ist die SVD eine Grundlage für Anwendungen von KI und Bildverarbeitung bis zu Simulation, Signaltechnik und inversen Problemen. Der konkrete Vorteil in Laufzeit, Speicher und Energie hängt von Implementierung und Einsatzfall ab.
NOWE-SVD wurde für Quantencomputer konzipiert. Teilaufgaben können im Hybrid-Modus auf geeigneter Quantenhardware, andere Schritte auf klassischen Systemen ausgeführt werden. Die mathematische Struktur lässt sich auch klassisch untersuchen.
Bei vollständiger Ausführung werden keine Singulärwerte oder Singulärvektoren durch Näherungen ersetzt. Die endliche Rechengenauigkeit realer Hardware bleibt zu berücksichtigen.
Bereits bestimmte Beiträge bleiben erhalten, während die noch zu bearbeitende Matrixaufgabe schrumpft. Das Schichtenmodell illustriert 125 gegenüber 55 Einheiten.
Wenn eine Anwendung nur führende Beiträge benötigt, kann unter den beschriebenen Bedingungen mit einem nachweisbaren Restfehler vorzeitig beendet werden.
CPU, GPU und HPC können mit geeigneten Quanten-Teilaufgaben kombiniert werden. Entscheidend ist der gesamte Rechen- und Datenübertragungsaufwand.
Die Folgeseiten erläutern den Algorithmus auf der Ebene des veröffentlichten Whitepapers, den Korrektheitsbeweis in der noch unveröffentlichten Patentschrift und die Einsatzbereiche der SVD.