前提背景
Affleck, Kennedy, Lieb, and Tasaki(AKLT)模型:
AKLT模型:是一维的延伸量子(海森堡自旋模型)
通过构造,AKLT哈密顿量的基态是带有连接每个相邻位点对的单价键的价键固体。在图形上,这可以表示为:
在这里,实心点表示自旋1/2,并处于单重态。连接自旋1/2的线是表示单线态的价键。椭圆是投影算子,它们将两个自旋1/2一起“绑定”为一个自旋1,突出自旋0或单重态子空间,并仅保留自旋1或三重态子空间。符号“ +”,“ 0”和“-”标记了标准自旋1基态( S z S^{z} Sz运算符)。
正文:
对于一个具有𝑛个自由度的量子多体系统:
问题:一共 d N d^N dN个元素这是一个巨大无比的张量计算机根本无法存储
解决方案:将其化为一个近似的特殊的张量网络表达,下面以MPS态表示
矩阵乘积态有两种不同的MPS形式,在本文中,我们将运用最大纠缠态来制备周期边界条件的MPS(PBC-MPS)如图所示:
注:其中每个粒子各自的取值情况数为2,分别为0,1
a i b i a_{i}b_{i} aibi这两个粒子是两个不相关的粒子
1 2 ( ∣ 01 ⟩ − ∣ 10 ⟩ ) b i a i + 1 \frac{1}{\sqrt{2}}(|01\rangle-|10\rangle)_{b_{i} a_{i+1}} 21(∣01⟩−∣10⟩)biai+1
第一步
我们对这个纠缠做一个变换:
1 2 ( ∣ 01 ⟩ − ∣ 10 ⟩ ) b i a i + 1 = 1 2 [ 0 1 − 1 0 ] b i a i + 1 ( ∣ 00 ⟩ + ∣ 11 ⟩ ) b i a i + 1 \frac{1}{\sqrt{2}}(|01\rangle-|10\rangle)_{b_{i} a_{i+1}}=\frac{1}{\sqrt{2}}\left[\begin{array}{cc}0 & 1 \\ -1 & 0\end{array}\right]_{b_{i} a_{i+1}}(|00\rangle+|11\rangle)_{b_{i} a_{i+1}} 21(∣01⟩−∣10⟩)biai+1=21[0−110]biai+1(∣00⟩+∣11⟩)biai+1
证明:
①方法一
因为:
∣ 0 ⟩ = ( 1 , 0 ) T , ∣ 1 ⟩ = ( 0 , 1 ) T |0\rangle = (1,0)^T,|1\rangle = (0,1)^T ∣0⟩=(1,0)T,∣1⟩=(0,1)T
所以 ∣ 01 ⟩ = ( 0 , 1 , 0 , 0 ) T , ∣ 10 ⟩ = ( 0 , 0 , 1 , 0 ) T , ∣ 00 ⟩ = ( 1 , 0 , 0 , 0 ) T , ∣ 11 ⟩ = ( 0 , 0 , 0 , 1 ) T |01\rangle = (0,1,0,0)^T,|10\rangle = (0,0,1,0)^T,|00\rangle = (1,0,0,0)^T,|11\rangle = (0,0,0,1)^T ∣01⟩=(0,1,0,0)T,∣10⟩=(0,0,1,0)T,∣00⟩=(1,0,0,0)T,∣11⟩=(0,0,0,1)T
∣ 01 ⟩ − ∣ 10 ⟩ = ( 0 , 1 , − 1 , 0 ) T , ∣ 00 ⟩ + ∣ 11 ⟩ = ( 1 , 0 , 0 , 1 ) T |01\rangle-|10\rangle = (0,1,-1,0)^T,|00\rangle+|11\rangle = (1,0,0,1)^T ∣01⟩−∣10⟩=(0,1,−1,0)T,∣00⟩+∣11⟩=(1,0,0,1)T
将 ∣ 01 ⟩ − ∣ 10 ⟩ = ( 0 , 1 , − 1 , 0 ) T |01\rangle-|10\rangle = (0,1,-1,0)^T ∣01⟩−∣10⟩=(0,1,−1,0)Treshape为矩阵
[ 0 1 − 1 0 ] \left[ \begin{matrix} 0 & 1 \\ -1 & 0 \end{matrix} \right] [0−110]将 ∣ 00 ⟩ + ∣ 11 ⟩ = ( 1 , 0 , 0 , 1 ) T |00\rangle+|11\rangle = (1,0,0,1)^T ∣00⟩+∣11⟩=(1,0,0,1)Treshape为矩阵
[ 1 0 0 1 ] \left[ \begin{matrix} 1 & 0 \\ 0 & 1 \end{matrix} \right] [1001]因为:
[ 0 1 − 1 0 ] × [ 1 0 0 1 ] = [ 0 1 − 1 0 ] \left[ \begin{matrix} 0 & 1 \\ -1 & 0 \end{matrix} \right] \times \left[ \begin{matrix} 1 & 0 \\ 0 & 1 \end{matrix} \right] = \left[ \begin{matrix} 0 & 1 \\ -1 & 0 \end{matrix} \right] [0−110]×[1001]=[0−110]将 [ 0 1 − 1 0 ] \left[ \begin{matrix} 0 & 1 \\ -1 & 0 \end{matrix} \right] [0−110]reshape为向量即为 ( 0 , 1 , − 1 , 0 ) T = ∣ 01 ⟩ − ∣ 10 ⟩ (0,1,-1,0)^T = |01\rangle-|10\rangle (0,1,−1,0)T=∣01⟩−∣10⟩
②方法二
由①可知 ∣ 00 ⟩ + ∣ 11 ⟩ = ( 1 , 0 , 0 , 1 ) T |00\rangle+|11\rangle = (1,0,0,1)^T ∣00⟩+∣11⟩=(1,0,0,1)Treshape出来的是一个单位阵,与任何矩阵乘积不改变原来矩阵形式
令 M b i a i + 1 = 1 2 [ 0 1 − 1 0 ] b i a i + 1 M_{b_{i} a_{i+1}} = \frac{1}{\sqrt{2}}\left[\begin{array}{cc}0 & 1 \\ -1 & 0\end{array}\right]_{b_{i} a_{i+1}} Mbiai+1=21[0−110]biai+1
则原式 = M b i a i + 1 ( ∣ 00 ⟩ + ∣ 11 ⟩ ) b i a i + 1 =M_{b_{i} a_{i+1}}(|00\rangle+|11\rangle)_{b_{i} a_{i+1}} =Mbiai+1(∣00⟩+∣11⟩)