（18上）角转移矩阵重整化群算法 (CTMRG)

1.引出

我们仍然考虑收缩由一个不等价张量构成的无穷闭合大张量网络$Z=tTr([U{]}^{\infty })$。

---

在角转移矩阵重整化群算法中，我们考虑在无穷远的“边界”处，存在变分张量，记定义在边上的三阶张量𝑇为边张量，定义在角上的二阶张量𝐷为角矩阵。（注：边张量和角矩阵即为变分参数，具体怎么取值不清楚，可以随机初始化或者自己初始化 ）

考虑到张量网络边的长度（边张量的个数）为无穷大，且由于张量网络具有平移不变性和旋转不变性，我们设所有边张量相等，所有角矩阵相等。

---

解决的思路:设计迭代收缩，使边张量与角矩阵达到收敛（不动点）。

---

2.具体算法

边张量与角矩阵满足的迭代收缩方程如下：


易见，每进行一次收缩，边张量与角矩阵的的指标（黄色）维数扩大d倍
因此，需要利用矩阵或张量的低秩近似（例如奇异值分解或Tucker分解，或张量网络的低秩近似），对增大的指标维数进行裁剪，否则，指标维数会指数增大。

3.裁剪方法

裁剪的方法并不唯一：
①角矩阵指标裁剪:矩阵SVD
②边张量指标维数裁剪:Tucker分解
③将边张量看成平移不变MPS，利用MPS的裁剪算法进行维数裁剪
④按CTMRG原文方法进行裁剪
所有裁剪方法本质上相同，不同的裁剪方法实际上对应于不同的裁剪环境。