（11）矩阵乘积态的规范自由度与正交形式

最新推荐文章于 2023-06-01 15:49:31 发布

计算机量子狗

最新推荐文章于 2023-06-01 15:49:31 发布

阅读量747

点赞数 1

分类专栏：冉仕举视频学习

本文链接：https://blog.csdn.net/weixin_49883619/article/details/110967863

版权

冉仕举视频学习专栏收录该内容

25 篇文章 36 订阅

订阅专栏

引出：

问题：如何计算MPS的斯密特分解的方法（即在不改变其所表示的量子态的前提下，将MPS变换成下述中心正交形式（SVD形式））
在这里插入图片描述

1.解决方案：规范自由度

规范变换（gauge transformation）：改变MPS中的tensor，但不改变其所表示的量子态
MPS的规范自由度（gauge degrees of freedom）：对于同一个量子态，可由多组由不同的张量组成的MPS态来表示其系数

例子：

例如，可通过如下方式对MPS进行规范变换：已知MPS满足
$\varphi_{s_{1} s_{2} \ldots s_{N}}=A_{s_{1}:}^{(1)} \ldots A_{s_{n}::}^{(n)} A_{s_{n+1}::}^{(n+1)} \ldots A_{s_{N}:}^{(N) \mathrm{T}}$ 引入任意可逆矩阵 $\boldsymbol{U}$ 及其逆矩阵 $\boldsymbol{U}^{-\mathbf{1}},$ 定义 $B_{s_{n}::}^{(n)}=A_{s_{n}::}^{(n)} U, \quad B_{s_{n}::}^{(n+1)}=U^{-1} A_{s_{n}::}^{(n+1)}$ 易得同一个量子态的两种MPS表示，有：
在这里插入图片描述

一般而言，MPS规范变换如下图所示，其中，一对红蓝方块代表任意可逆矩阵及其逆矩阵（虚线框）:
在这里插入图片描述
将变换矩阵作用到各个张量{ $A^{(n)}$ }上，得到新的张量{ $B^{(n)}$ }（点线框），公式如下：

问题：如何固定MPS的规范自由度（使得给定量子态具备唯一的MPS表示）
解：常用的约束条件为构成MPS张量的正交条件。

2.MPS的中心正交形式

定义：当张量{ $A^{(n)}$ }（ $n < K$ ）满足左正交条件，{ $A^{(n)}$ }（ $n > K$ ）满足右正交条件时，MPS被称为具有𝐾-中心正交形式，图形表示如下：
在这里插入图片描述
易得:
(a) 正交中心的移动。可通过多次的SVD或QR分解进行规范变换, 从 $K$ -中心正交形式变换成 $K^{\prime}$ -中心正交形式 $\left(K \neq K^{\prime}\right)$ ;
(b) 通过中心正交形式计算MPS纠缠谱。对于MPS的SVD形式可得, 在 $\left(s_{1}, \ldots, s_{K}\right) \cup\left(s_{K+1}, \ldots, s_{N}\right)$ 二分下的纠缠谱 $\Lambda^{(K)},$ 即
中心处张量 $A_{s_{K} a_{K-1} a_{K}}^{(K)}$ 的奇异值谱。有奇异值分解：
$A_{s_{K} a_{K-1} a_{K}}^{(K)}=\sum_{\beta} U_{s_{K} a_{K-1} \beta} \Lambda_{\beta}^{(K)} V_{a_{K} \beta}$
为什么引入正交形式？
作用：1.让MPS态和大张量有一一对应的关系
2.通过中心正交形式来计算纠缠熵（用MPS辅助指标维数最优裁剪）
为什么计算纠缠熵？
1.想知道MPS态表示合不合理，裁剪误差大不大
2.纠缠熵越大，MPS态需要的辅助指标的维数越大
3.也可以知道辅助维数多大

3.MPS辅助指标维数最优裁剪

基于K-中心正交形式，可对MPS辅助指标维数进行最优裁剪：设需要裁剪的指标为第K个辅助指标，裁剪方法为:
( a ) 进行中心正交化, 将正交中心放置于第K个张量;
( b ) 对中心张量进行奇异值分解 $A_{s_{K} a_{K-1} a_{K}}^{(K)}=\sum_{\beta=0}^{\chi-1} U_{s_{K} a_{K-1} \beta} \Lambda_{\beta}^{(K)} V_{a_{K} \beta},$ 仅保留前 $\chi$ 个奇异值及对应的奇异向量 ( $\chi$ 为截断维数);
( c ) 将第K个张量更新为 $\rightarrow A^{(K)}$
( d ) 将第 $(\mathrm{K}+1)$ 个张量更新为 $\Sigma_{a_{K}} \Lambda_{\beta}^{(K)} V_{a_{K} \beta} A_{s_{K+1} a_{K} a_{K+1}}^{(K+1)} \rightarrow A_{s_{K+1} \beta a_{K+1}}^{(K+1)}$
注：其中(b)中相当于将 $a_{K-1}$ 辅助指标的维数截断为 $\chi$
上述裁剪也可通过将正交中心放置在第 (K+1) 个张量上来实现。
MPS的中心正交形式对于多个张量网络算法算法极为重要，我们将在后面介绍TEBD与DMRG算法

4.扩展：MPS的正则形式（canonical form）

定义如下：给定量子态 $|\varphi\rangle=\sum_{s_{1} s_{2} \ldots s_{N}} \varphi_{s_{1} s_{2} \ldots s_{N}} \prod_{\otimes n=1}^{N}\left|s_{n}\right\rangle,$ 其系数满足满足:
$\varphi_{s_{1} s_{2} \ldots s_{N}}=A_{s_{1}:}^{(1)} \Lambda^{(1)} A_{s_{2}::}^{(2)} \Lambda^{(2)} \ldots \Lambda^{(N-2)} A_{s_{N-1}::}^{(N-1)} \Lambda^{(N-1)} A_{s_{N}}^{(N) \mathrm{T}}$
图形表示为：
在这里插入图片描述
其中, $\Lambda^{(n)}$ 为正定对角阵，对角元素按非升序排列，且满足:
a. $\sum_{s_{1}} A_{s_{1} a_{1}}^{(1)} A_{s_{1} a_{1}}^{(1) *}=I_{a_{1} a_{1}^{'}}$
b. $\sum_{s_{n} a_{n-1}} \Lambda_{a_{n-1} a_{n-1}}^{(n-1)} A_{s_{n} a_{n-1} a_{n}}^{(n)} \Lambda_{a_{n-1} a_{n-1}}^{(n-1)} A_{s_{n} a_{n-1} a_{n}^{'}}^{(n) *}=I_{a_{n} a_{n}^{'}}$
c. $\sum_{s_{n} a_{n}} A_{s_{n} a_{n-1} a_{n}}^{(n)} \Lambda_{a_{n} a_{n}}^{(n)} A_{s_{n} a_{n-1}^{'} a_{n}}^{(n) *} \Lambda_{a_{n} a_{n}}^{(n)}=I_{a_{n-1} a^{\prime} _{n-1}} \quad(1<n<K)$
d. $\sum_{s_{N}} A_{s_{N} a_{N-1}}^{(N)} A_{s_{N} a^{\prime} _{N-1}}^{(N) *}=I_{a_{N-1} a^{\prime}_{N-1}}$
特点为：
1.通过把对角阵放在左边或者右边，控制正交条件的方向
2.每一个 $\Lambda^{(n)}$ ，是这个MPS态左右在当前位置下进行二分的纠缠谱（即可以将任何一个地方的纠缠谱显示的写出来）
在正则形式中，每一处的二分纠缠普显式地出现在了MPS的定义中；该定义在研究无穷长平移不变的MPS时，十分有用