从树张量网络到多尺度纠缠重整化拟设
量子物理
2022-06-28 v2 强关联电子
摘要
张量网络态（TNS）为量子多体系统的基态提供了高效表示，并在其模拟中发挥重要作用。过去几十年中提出了众多 TNS。然而，由于 TNS 对二维系统的成本高昂，编码纠缠与 TNS 计算复杂度之间的平衡尚待实现。在本工作中，我们通过释放增广树张量网络（ATTN）中的约束，引入了一种基于树张量网络（TTN）的新 TNS，称为全增广树张量网络（FATTN）。当在 TTN 的物理层增广解纠缠子时，FATTN 能比 TTN 和 ATTN 提供更多的纠缠。同时，FATTN 保持了 TTN 和 ATTN 中计算成本随键维数的标度。给出了横场 Ising 模型基态能量的基准结果，以展示 FATTN 相对于 TTN 和 ATTN 的精度提升。此外，FATTN 非常灵活，可构造为树张量网络与多尺度纠缠重整化拟设（MERA）之间的插值，以在编码纠缠与计算成本之间达到平衡。
引用
@article{arxiv.2110.08794,
title = {From Tree Tensor Network to Multiscale Entanglement Renormalization Ansatz},
author = {Xiangjian Qian and Mingpu Qin},
journal= {arXiv preprint arXiv:2110.08794},
year = {2022}
}
备注
10 pages, 15 figures