Het doel van dit project is om publiek beschikbare bibliotheken te ontwikkelen voor het gebruik van tensoren en tensornetwerken in de context van veeldeetjesfysica Hierbij is het de bedoeling ondersteuning te bieden voor de laatste trends in high performance computing, zoals GPU computing en automatische differentiatie Tensornetwerkalgoritmes zijn nuttig gebleken voor zowel kwantummechanische veeldeeltjessystemen en veldentheorieën als voor klassieke statistische systemen (statistische mechanica) Deze algoritmen zijn gebaseerd op de contractie van netwerken van tensoren (multi-dimensionele rijen), die bovendien typisch een soort geblokte substructuur hebben afkomstig van de fysische symmetrieën in het systeem Onze belangrijkste doelstellingen zijn het ondersteunen van algemene symmetrieën (niet-abels, fermionen, ) en het bieden van goede performantie (multi-threading en GPU ondersteuning), in combinatie met gebruiksvriendelijke en goed gedocumenteerde code We kiezen voor de programmeertaal Julia, gemotiveerd door het feit dat dit een gebruiksvriendelijke taal is, gericht op wetenschappelijk programmeren en met veel basisfunctionaliteit, die toch heel efficiënte machinecode kan genereren In het bijzonder is het paradigma van Julia dat het niet nodig is om computationeel intensieve delen van de code te herschrijven in een taal zoals C of C++, zodat alle gebruikers de volledige code kunnen lezen en verstaan, en de stap van gebruiker naar mede-ontwikkelaar klein is