1.引出
从前面的内容可以看出,不同张量网络收缩算法的关键区别在于:
(a)收缩顺序不同;(b)裁剪环境不同
算法 | 收缩 | 裁剪环境 |
---|---|---|
TRG | 对张量网络进行粗粒化变换 | 被分解的局域张量 |
CTMRG | 从假想的边界出发从外向内 | 角矩阵/边界张量 |
对于CTMRG,如果仅先考虑一个方向上的MPS,并沿着其垂直方向进行收缩,便成了infinite TEBD(iTEBD)算法
在iTEBD算法中:
收缩顺序:利用MPS,首先收缩垂直方向的指标,再通过MPS辅助指标的收缩处理平行方向的指标收缩;
裁剪环境:为处于边界的MPS
CTMRG与iTEBD属于边界MPS算法,类似地,Infinite DMRG(iDMRG)实际上也属于边界MPS算法
目前处理正方形格点张量网络的方法有:DMRG(1992),iTEBD(2007),TRG(2007),CTMRG(2010)
问题:我们有没有一个相对比较统一的绘景(比较统一的算法)来思考张量网络的收缩过程呢?
2.张量网络编码算法(TNE)
2.1TNE介绍
下面我们介绍一种无穷大张量网络的本征自洽方法,称为张量网络编码算法(TN encoding algorithm,TNE,PRE 93, 053310 (2016))
思想:将无穷大TN的收缩问题等价成为局域自洽本征方程组求解问题。
TNE是收缩张量网络的一种新思路,其效率更高,且将iTEBD与iDMRG(以及“无角”CTMRG)这些看似完全不同的算法统一到了同一个框架内,可以推广到更高阶的张量网络收缩中
2.2具体算法
2.2.1 one-site iDMRG
重新审视one-site iDMRG,如果将一整行张量构成的MPO当作哈密顿量,则收缩计算可表示成如下“基态”极小化问题,即
min