2.Time Evolution via TensorNetwork
(0)Overview:
* GroundStates Ansatz:MPS + Effective_Hamiltonian_Variation
* Time Evoluation:(1) 可迭代 - 张量结构不变 (2) 保效率 - 维度要求不变
* Trotter - Suzuki 分解 (Making use of Baker-Campbell-Hausdorff formula)
* 要素:可拆分成 奇偶项交错的 演化切片, 交错(避免张量乘)算一个切片
(1)Time-Dependent Density Matrix Renormalization Group:
* TEBD - 不断作用Trotters,原理简单,收尾速度慢(4-sites periodic = 1D Inf chain)
(讲道理,作为简单的演示示例,iTEBD 用 只需要储存几个就可以开算)
不等价局域张量A,B,SAB,SBA,左环境矩阵,右环境矩阵
* t-DMRG - 高性能计算,收敛速度显然(回顾上一讲Effective_Hamiltonian_Variation)
(2)Fidelity-Driven Evolution:
* 最小化 同 的重叠,
* 作为 states to be solved
* 作为 states constant t bond dimension
* 作为 第i位 待更新的 t-DMRG 张量元
* 最优化 (我显然是没搞懂为什么)
(3) Time-Dependent Variational Principle:
* 可以说就是 包含 DMRG - TEBD 这类MPS Ansatz算法的通则。
* 将时间演化算符投影到与具有给定键维数的MPS空间相切的流形上,
* 使张量网络结构通过构造得以保留。MPS 切空间包含感兴趣的低能态性质.
* 还没学微分几何,先赶code进度,快了(待坑)
* One-site TDVP:
* Two-sites TDVP:
注:高维的线性映射 可以 诱导出一个低维的非线性映射