张量网络的构成与MPO模型的转化

问题：如何进行下图中的转换：

在 “TEBD算法计算一维格点模型基态”以及 “MPO与一维热力学计算”中我们都提出了以上的问题，现在让我们来看看这个问题是如何解决的。

---

通过研读论文“Linearized Tensor Renormalization Group Algorithm for Thermodynamics of Quantum LatticeModels”（量子点阵模型热力学的线性张量重整化群算法（LTRG））我们将对整个LTRG算法会更加的熟悉。
LTRG算法:采用了无限时间演化的分组抽取技术，使我们能直接处理转移矩阵，使其更具有可扩展性。

---

step1：得到张量网络

①首先，我们给出一维量子多体模型中哈密顿量的形式：
$$\begin{array}{rl}H& =\sum _{i=1}^N{h}_{i,i+1}=H_1+H_2\\ H_1& =\sum _{i=1}^{N/2}{h}_{2i-1,2i},H_2=\sum _{i=1}^{N/2}{h}_{2i,2i+1}\end{array}$$我们将$H_1,H_2$展开可知：
$$\begin{gathered} H_1=h_{1,2}+h_{3,4}+h_{5,6}+...+h_{N-1,N} \\ {H}_2=h_{2,3}+h_{4,5}+h_{6,7}+...+h_{N,N+1} \end{gathered}$$即：$H_1$为作用在奇偶上的阿密顿量的和，$H_2$为作用在偶奇上的阿密顿量的和（即将哈密顿量按格点编号分为两部分）
其中，$N$为格点的个数且为偶数
我们添加$2K$（$K$很大）个完备基：
$$\left\{|{\sigma }_i^j⟩\right\}\left({\sigma }_i^j=1,\cdots ,D\right)$$其中，$i$为格点指标， $j$为$Trotter$指标。
②于是我们可以将该模型的配分函数表示为：
Z N ≃ Tr ⁡ [ e − β H 1 / K e − β H 2 / K ] K = ∑ { σ i j } ∏ j = 1 K ⟨ σ 1 2 j − 1 … σ N 2 j − 1 ∣ e − β H 1 / K ∣ σ 1 2 j … σ N 2 j ⟩ × ⟨ σ 1 2 j … σ N 2 j ∣ e − β H 2 / K ∣ σ 1 2 j + 1 … σ N 2 j + 1 ⟩ \begin{aligned} Z_{N} & \simeq \operatorname{Tr}\left[e^{-\beta H_{1} / K} e^{-\beta H_{2} / K}\right]^{K} \\ &=\sum_{\left\{\sigma_{i}^{j}\right\}} \prod_{j=1}^{K}\left\langle\sigma_{1}^{2 j-1} \ldots \sigma_{N}^{2 j-1}\left|e^{-\beta H_{1} / K}\right| \sigma_{1}^{2 j} \ldots \sigma_{N}^{2 j}\right\rangle \\ & \times\left\langle\sigma_{1}^{2 j} \ldots \sigma_{N}^{2 j}\left|e^{-\beta H_{2} / K}\right| \sigma_{1}^{2 j+1} \ldots \sigma_{N}^{2 j+1}\right\rangle \end{aligned} ZN​​≃Tr[e−βH1​/Ke−βH2​/K]K={σij​}∑​j=1∏K​⟨σ12j−1​…σN2j−1​∣∣∣​e−βH1​/K∣∣∣​σ12j​…σN2j​⟩×⟨σ12j​…σN2j​∣∣∣​e−βH2​/K∣∣∣​σ12j+1​…σN2j+1​⟩​该式还可以继续展开为：
$$\begin{array}{l}{Z}_N\simeq \\ {\sum }_{{\sigma }_i^j}⟨{\sigma }_1^1\cdots {\sigma }_N^1\left|e^{-\beta H_1/K}\right|{\sigma }_1^2\cdots {\sigma }_N^2⟩⟨{\sigma }_1^2\cdots {\sigma }_N^2\left|e^{-\beta H_2/K}\right|{\sigma }_1^3\cdots {\sigma }_N^3\\ ⟩⟨{\sigma }_1^3\cdots {\sigma }_N^3\left|e^{-\beta H_1/K}\right|{\sigma }_1^4\cdots {\sigma }_N^4⟩⟨{\sigma }_1^4\cdots {\sigma }_N^4\left|e^{-\beta H_2/K}\right|{\sigma }_1^5\cdots {\sigma }_N^5⟩\\ \cdots \\ ⟨{\sigma }_1^{2K-1}\cdots {\sigma }_N^{2K-1}\left|e^{-\beta H_1/K}\right|{\sigma }_1^{2K}\cdots {\sigma }_N^{2K}⟩⟨{\sigma }_1^{2K}\cdots {\sigma }_N^{2K}\left|e^{-\beta H_2/K}\right|\\ {\sigma }_1^1\cdots {\sigma }_N^1⟩\end{array}$$③假设空间和时间上都满足周期性边界条件：${\sigma }_i^1={\sigma }_i^{2K+1}$和${\sigma }_1^j={\sigma }_{N+1}^j$
对其中的每一项再进行分解：其中：
$$\begin{array}{rl}& ⟨{\sigma }_1^1{\sigma }_2^1\cdots {\sigma }_N^1\left|e^{-\beta H_1/K}\right|{\sigma }_1^2{\sigma }_2^2\cdots {\sigma }_N^2⟩\\ =& ⟨{\sigma }_1^1{\sigma }_2^1\cdots {\sigma }_N^1\left|e^{-\beta {\sum }_{i=odd}{h}_{i,i+1}/K}\right|{\sigma }_1^2{\sigma }_2^2\cdots {\sigma }_N^2⟩\\ =& ⟨{\sigma }_1^1{\sigma }_2^1\left|e^{-\beta h_{1,2}/K}\right|{\sigma }_1^2{\sigma }_2^2⟩⟨{\sigma }_3^1{\sigma }_4^1\left|e^{-\beta h_{3,4}/K}\right|{\sigma }_3^2{\sigma }_4^2⟩\\ & \cdots ⟨{\sigma }_{N-1}^1{\sigma }_N^1\left|e^{-\beta h_{N-1,N}/K}\right|{\sigma }_{N-1}^2{\sigma }_N^2⟩\\ =& {\nu }_{{\sigma }_1^1{\sigma }_2^1,{\sigma }_1^2{\sigma }_2^2}{\nu }_{{\sigma }_3^1{\sigma }_4^1,{\sigma }_3^2{\sigma }_4^2\cdots {\nu }_{{\sigma }_{N-1}^1{\sigma }_N^1,{\sigma }_{N-1}^2{\sigma }_N^2}}\\ \equiv & {\nu }_{1,2}^{1,2}{\nu }_{3,4}^{1,2}\cdots {\nu }_{N-1,N}^{1,2}\end{array}$$
同样可得:
$$\begin{array}{rl}& ⟨{\sigma }_1^2{\sigma }_2^2\cdots {\sigma }_N^2\left|e^{-\beta H_2/K}\right|{\sigma }_1^3{\sigma }_2^3\cdots {\sigma }_N^3⟩\\ \equiv & {\nu }_{2,3}^{2,3}{\nu }_{4,5}^{2,3}\cdots {\nu }_{N,1}^{2,3}\end{array}$$
所以配分函数可以写为：
$$\begin{array}{l}{Z}_N\simeq \\ {\sum }_{{\sigma }_i^j}\left({\nu }_{1,2}^{1,2}{\nu }_{3,4}^{1,2}\cdots {\nu }_{N-1,N}^{1,2}\right)\left({\nu }_{2,3}^{2,3}{\nu }_{4,5}^{2,3}\cdots {\nu }_{N,1}^{2,3}\right)\\ \left({\nu }_{1,2}^{3,4}{\nu }_{3,4}^{3,4}\cdots {\nu }_{N-1,N}^{3,4}\right)\left({\nu }_{2,3}^{4,5}{\nu }_{4,5}^{4,5}\cdots {\nu }_{N,1}^{4,5}\right)\end{array}$$ $$\cdots$$ $$\left({\nu }_{1,2}^{2K-1,2K}{\nu }_{3,4}^{2K-1,2K}\cdots {\nu }_{N-1,N}^{2K-1,2K}\right)\left({\nu }_{2,3}^{2K,1}{\nu }_{4,5}^{2K,1}\cdots {\nu }_{N,1}^{2K,1}\right)$$
即：
Z N ≃ ∑ { σ i j } ∏ i = 1 N / 2 ∏ j = 1 K v σ 2 i − 1 2 j − 1 σ 2 i 2 j − 1 , σ 2 i − 1 2 j σ 2 i 2 j v σ 2 i 2 j σ 2 i + 1 2 j , σ 2 i 2 j + 1 σ 2 i + 1 2 j + 1 Z_{N} \simeq \sum_{\left\{\sigma_{i}^{j}\right\}} \prod_{i=1}^{N / 2} \prod_{j=1}^{K} v_{\sigma_{2 i-1}^{2 j-1} \sigma_{2 i}^{2 j-1}, \sigma_{2 i-1}^{2 j} \sigma_{2 i}^{2 j}} v_{\sigma_{2 i}^{2 j} \sigma_{2 i+1}^{2 j}, \sigma_{2 i}^{2 j+1} \sigma_{2 i+1}^{2 j+1}} ZN​≃{σij​}∑​i=1∏N/2​j=1∏K​vσ2i−12j−1​σ2i2j−1​,σ2i−12j​σ2i2j​​vσ2i2j​σ2i+12j​,σ2i2j+1​σ2i+12j+1​​于是我们的转移矩阵是一个四阶张量：
$$v_{{\sigma }_1{\sigma }_4,{\sigma }_2{\sigma }_3}\equiv ⟨{\sigma }_1{\sigma }_4\left|\exp \left(-\beta h_{i,i+1}/K\right)\right|{\sigma }_2{\sigma }_3⟩$$于是可以得到配分函数的张量网格图：
图为对配分函数近似得到的转移矩阵张量网络
对所有的中间态$|{\sigma }_i^j⟩$进行求和，即缩并张量网络中所有的$\sigma$键，我们就可以得到配分函数了

step2 收缩张量网络

对$v$张量进行SVD分解
$$\begin{array}{rl}{v}_{{\sigma }_1{\sigma }_2,{\sigma }_3{\sigma }_4}& =\sum _{x=1}^{D^2}{U}_{{\sigma }_1{\sigma }_2,x}{\lambda }_x{V}_{x,{\sigma }_3{\sigma }_4}^{\top }\\ & \equiv \sum _{x=1}^{D^2}{\left(T_a\right)}_{x,{\sigma }_1,{\sigma }_2}{\left(T_b\right)}_{x,{\sigma }_3,{\sigma }_4}\end{array}$$其中对角矩阵$\lambda$中有$D^2$个奇异值，为了方便，我们引入两个辅助张量：
$${\left(T_a\right)}_{x,{\sigma }_1,{\sigma }_2}\equiv U_{{\sigma }_1{\sigma }_2,x}\sqrt{{\lambda }_x}$$$${\left(T_b\right)}_{x,{\sigma }_3,{\sigma }_4}\equiv V_{{\sigma }_3{\sigma }_4,x}\sqrt{{\lambda }_x}$$
经过这种变换后，方块的张量网络变成了具有两个三阶张量$Ta$和$Tb$的六角张量网络，如图：

我们将所有的方块张量网络全分解后，原网络变为如图：

现将上图中最后两行中虚线圈包围的$\sigma$键进行收缩，这就我们就得到两个四阶张量
$$\begin{array}{rl}{\left(M_a\right)}_{\alpha ,t_1,\beta ,b_1}& =\sum _{y=1}^D{\left(T_a\right)}_{\beta ,b_1,y}{\left(T_b\right)}_{\alpha ,t_1,y}\\ {\left(M_b\right)}_{\beta ,t_2,\gamma ,b_2}& =\sum _{z=1}^D{\left(T_a\right)}_{\gamma ,z,t_2}{\left(T_b\right)}_{\beta ,z,b_2}\end{array}$$如图：

在$M_a$和$M_b$水平方向的键上都有一个对角矩阵${\lambda }_{1,2}$