【读书笔记】Intro to TensorNetwork Methods - NRG

NRG Methods

4.2 Real-Space Renormalization Group

概述：实空间重整化群方法是一种基于物理直观理解的强大近似方法，系统的基态由系统（非相互作用）二分的低能态组成的假设。基于这一假设，的确有可能引入一种算法，允许描述具有大尺寸 N 的多体量子系统基态性质，最高抵达重整化流不动点的热力学极限。

算法内容：如下

0.  构建一个  N-sites 系统，获得 d^N => d^N 的 哈密顿量

      

1.  对角化 哈密顿量，获得对应的本征值和本征向量，以及低能态的截断投影算符

     

     

     ； 

2.  格点规模扩大：倍增 哈密顿量 N => 2N 使用每个二分的投影哈密顿量 + 它们之间的相互作用，构造2N大小系统的哈密顿量.

    

3.  重复 step1 - step2，虽然 N => 2N 在倍增，但有效表示部分维度仍然截断在 m 

评价：过去的四十年里，这个优雅而强大的想法引发了大量的理论和数值工作，并使我们极大地增强了对多体量子系统的理解，然而，这个假设并不总是正确的，事实上，有一些重要的物理系统类别很轻易地违背了。下面，我们回顾其中一个例子，并进入开发另一种强大算法背后的直觉。

算法实现（要点）：

（1）对于N*N矩阵的精确对角化：

        numpy 自带有 lanczos 算法，对本征值进行升序排列

（2）Truncation - Crose-graining：

       生长至指定维数（N*N）=> 尽可能保证基矢量的可靠性，内存容忍（2N*2N）

       倍增 令（N*N）=>（2N*2N）

     （2N*2N）精确对角化并只保留前 N 个 本征值，

       与 （N*N）精确对角化N位本征值的对应本征向量，

       组成（N*N）Truncated-Hamiltonian。

import numpy as np
import numpy.linalg.eigh as eigh

H_current = H
# 初始化H_init
H_truncated = H_init
# 初始化H_truncated

for i in range(3):
    # 投影基
    _, eigVect_N = eigh(H_truncated)
    # 截断 - 保留
    eigVals_2N, eigVect_2N = eigh(H_current)
    # H' = P*H*P.dagger()
    proj = np.dot(eigVect_N, eigVect_2N[:,:m].T )
    # P = |e><E|
    H_truncated = np.dot(
                       proj,
                       np.dot( H_init,
                               proj.T  ))

    I = np.identity(H_truncated.shape[0])
    
    # 这步出了点问题。。。
    H_next = np.kron(H_truncated,I) + np.kron(H_truncated,I)

    H_current = H_next

  * 形式上是 2N * 2N 矩阵内的操作：Truncate到 N*N => 扩增得 2N*2N => N*N => 2N*2N......

 （有待最后修正）