（10）矩阵乘积态与量子纠缠

1.矩阵乘积态

1.1引出：

问题：由于基态的参数复杂度随自旋数N指数上升，故无法在经典计算机上进行严格对角化求解基态.

1.2解决方案：利用TT形式求解基态

假设N自旋基态（系数）可以写成由N个二阶或三阶张量构成的TT形式，则直接通过优化这N个张量，求解基态对应的最优化问题：
$$E_g=\underset{⟨g\mid g⟩=1}{\min }⟨g|\hat{H}|g⟩$$注：$g⟩$ in TT−form
基态在归一化形式下，我们要极小化它的能量。
一般而言，矩阵乘积态（matrix product state, MPS）定义为系数满足TT形式的量子态：
$$|\phi ⟩=\sum _{s_1{s}_2\dots s_N}{\phi }_{s_1{s}_2\dots s_N}\prod _{\otimes n=1}^N|s_n⟩$$

φ s 1 s 2 … s N = ∑ a 1 a 1 … a N − 1 A s 1 a 1 ( 1 ) A s 2 a 1 a 2 ( 2 ) … A s N − 1 a N − 2 a N − 1 ( N − 1 ) A s N a N − 1 ( N ) = A s 1 : ( 1 ) A s 2 : : ( 2 ) … A s N − 1 : : ( N − 1 ) A s N : ( N ) T \begin{aligned} \varphi_{s_{1} s_{2} \ldots s_{N}}&=\sum_{a_{1} a_{1} \ldots a_{N-1}} A_{s_{1} a_{1}}^{(1)} A_{s_{2} a_{1} a_{2}}^{(2)} \ldots A_{s_{N-1} a_{N-2} a_{N-1}}^{(N-1)} A_{s_{N} a_{N-1}}^{(N)}\\ &=A_{s_{1}:}^{(1)} A_{s_{2}::}^{(2)} \ldots A_{s_{N-1}::}^{(N-1)} A_{s_{N}:}^{(N) \mathrm{T}}\end{aligned} φs1​s2​…sN​​​=a1​a1​…aN−1​∑​As1​a1​(1)​As2​a1​a2​(2)​…AsN−1​aN−2​aN−1​(N−1)​AsN​aN−1​(N)​=As1​:(1)​As2​::(2)​…As