Quantization Lab

現代のモデルは大きくメモリ負荷が高いです。量子化は重みを 32bit から少ないビット（8/4/1）に削減し、推論を高速化します。

核心は精度と効率のトレードオフ。適切な校正で低ビットでも性能を保てます。

一様対称: ゼロ周りでスケーリング。シンプルでハードウェア向き。

一様非対称: 非ゼロ分布に合わせて範囲をシフト。

動的レンジ（行別）: 行ごとのスケールで異質行列の忠実度を向上。

ログ / バイナリ / テルナリ: 極端な圧縮で効率を上げるが歪みが増える。

1. ランダム行列を生成するか密度を設定。
2. 量子化モードとビット幅を選択。
3. 量子化して MSE、PSNR、誤差ヒートマップを確認。