（18下） 无穷大张量网络的本征自洽方法

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