Clifford电路增强的Grassmann矩阵积态

最近的进展表明，将Clifford电路与张量网络（TN）方法结合，类斯可模拟的disentangler可以抑制相当大的纠缠结构，从而有效地缓解TN仿真中的bond维度瓶颈。在本工作中，我们基于Grassmann张量网络开发了变分TN框架，这些网络本机编码了费米子统计，同时保持局部性。通过在费米子形式中包含局部定义的Clifford电路，我们模拟了紧密耦合模型和$t$-$V$模型。我们的结果表明，Clifford disentangling去除了纠缠结构中可被类斯模拟的组成部分，导致较低的bond维度和对基态能量估计的改进准确性。有趣的是，一旦考虑到费米子公式的自然Grassmann偶性要求，并且将具有相同纠缠作用的Clifford门分组在一起，原始的11520个两量子Clifford门可简化为仅12个不同门。这种强大的减少导致了在费米子框架内更高效的disentangling方案。这些发现凸显了Clifford增强的Grassmann TN作为研究强相关费米子系统（特别是更高维度系统）的可扩展且准确的工具的潜力。