1.引入:TEBD算法想解决什么问题?
给定一个张量网络,把整个张量网络的指标求和,并得到求和的结果。
2.张量网络的背景
给定一个由 W × H W\times H W×H个张量组成的张量网络(设 H H H为偶数),其图形表示构成一个正方格子,如图所示:
该张量网络由3种不等价张量构成,在四个角上的张量为二阶张量 C C C(蓝色空心圆圈),在边上的张量为三阶张量 B B B(黄色圆圈)在内部为四阶张量 T T T(蓝色圆圈),各个张量的指标顺序如上图所示。
很多物理问题可最终等价为类似的张量网络收缩计算问题,例如,经典模型热力学配分函数的计算、量子格点模型基态和含时动力学计算等。
问题:严格收缩类似张量网络的计算代价,随着 W W W或 H H H指数增大,属于NP难问题
解决方法:采取近似方法计算收缩。
3.TEBD算法
TEBD(全称time-evolving block decimation)为一种基于矩阵乘积态的、近似收缩张量网络的数值算法。
主要思路:从处于边界的张量构成的MPS开始,一行一行(或一列一列)地收缩张量网络
将张量网络沿水平(或坚直)方向从中间分成两部分,以下半部分为例,下边界的张量实际上组成了一个长度为 W W W 的MPS态, 记 为 ∣ φ D 0 ⟩ , \left|\varphi^{D_{0}}\right\rangle, ∣∣φD0⟩, 整个下半部分收缩的结果可记为另一个MPS态 ∣ φ D ⟩ , \left|\varphi^{D}\right\rangle, ∣∣φD⟩, 中间每一层张量构成一个作用在 ∣ φ D 0 ⟩ \left|\varphi^{D_{0}}\right\rangle ∣∣φD0⟩ 上的算符,记为 ρ ^ , \hat{\rho}, ρ^, 则有
∣ φ D ⟩ = ρ ^ H 2 − 1 ∣ φ D 0 ⟩ \left|\varphi^{D}\right\rangle=\hat{\rho}^{\frac{H}{2}-1}\left|\varphi^{D_{0}}\right\rangle ∣∣φD<