<h1>Effiziente Marginalisierung in Quadratisierten Tensornetzwerken und Schaltkreisen</h1> <p>In der Welt der maschinellen Lernverfahren haben quadratisierte Tensornetzwerke (TNs) und ihre Erweiterung zu quadratischen Schaltkreisen lange als leistungsstarke Schätzmodelle für Verteilungen gedient. Sie ermöglichen zwar eine geschlossene Form der Marginalisierung, doch die eigentliche Quadratisierungsoperation führt zu einer erheblichen Rechenkomplexität bei der Berechnung der Partitionfunktion oder bei der Au