用于量子化学的高效树张量网络态 (TTNS)：密度矩阵重整化群算法的推广
强关联电子
2013-04-09 v2
摘要
我们研究了用于量子化学的树张量网络态。树张量网络态代表了矩阵乘积态和密度矩阵重整化群最简单的推广之一。矩阵乘积态编码了一维纠缠结构，而树张量网络态编码了树状纠缠结构，从而能够更灵活地描述一般分子。我们描述了一种用于量子化学的最优树张量网络态算法。我们引入了半重整化（half-renormalization）概念，极大地提高了计算效率。利用我们的高效公式，我们展示了树张量网络态相对于矩阵乘积态的优势和劣势。我们在树系统（氢树和 -共轭树枝状大分子）以及非树分子（氢链、氮二聚体和铬二聚体）上进行了基准计算。总体而言，树张量网络态达到与矩阵乘积态相同的精度所需的重整化态要少得多。在非树分子中，由于树算法相关的较高前置因子和计算缩放，这是否转化为计算节省取决于具体系统。在类树分子中，树网络态显然优于矩阵乘积态。作为说明，我们使用树张量网络态进行的最大树枝状大分子计算关联了 110 个活跃轨道中的 110 个电子。
引用
@article{arxiv.1302.2298,
title = {Efficient Tree Tensor Network States (TTNS) for Quantum Chemistry: Generalizations of the Density Matrix Renormalization Group Algorithm},
author = {Naoki Nakatani and Garnet Kin-Lic Chan},
journal= {arXiv preprint arXiv:1302.2298},
year = {2013}
}
备注
15 pages, 19 figures