充分利用数据：量子蒙特卡洛后分析再探
计算物理
2022-04-26 v1
摘要
在量子蒙特卡洛（QMC）方法中，能量估计量计算为能量估计量沿马尔可夫链采样的统计平均以及相关的统计误差。该误差估计并非直截了当，且有若干误差估计方法可供选择。我们评估了三种方法——Straatsma、自回归模型以及基于 von Neumann 随机性比检验的分块分析——在扩散蒙特卡洛、全组态相互作用量子蒙特卡洛和耦合簇蒙特卡洛方法给出的能量时间序列上的性能。从这些分析中，我们描述了一种混合分析方法，可为各种长度的时间序列提供可靠的误差估计。同样重要的是平衡阶段适当起点的估计，我们测试了两种启发式方案，确定 MSER（均方误差规则）给出合理且恒定的估计，与时间序列长度无关。
引用
@article{arxiv.1904.09934,
title = {Making the most of data: Quantum Monte Carlo Post-Analysis Revisited},
author = {Tom Ichibha and Kenta Hongo and Ryo Maezono and Alex J. W. Thom},
journal= {arXiv preprint arXiv:1904.09934},
year = {2022}
}