概率低秩分解加速临界量子多体基态的张量网络模拟
量子物理
2018-01-10 v1 统计力学
摘要
我们提供证据表明，随机化低秩分解是通过张量网络技术确定低维格点哈密顿量基态性质的有力工具。特别地，我们表明在 TEBD 和 DMRG 风格的模拟中，基于最先进确定性程序的截断奇异值分解相比，随机化矩阵分解表现更优，即使当所研究的系统接近相变时也是如此：我们报告了在准二维柱状系统中，键维数或局部维数上高达 24 倍的线性加速。
引用
@article{arxiv.1710.01463,
title = {Probabilistic low-rank factorization accelerates tensor network simulations of critical quantum many-body ground states},
author = {Lucas Kohn and Ferdinand Tschirsich and Maximilian Keck and Martin B. Plenio and Dario Tamascelli and Simone Montangero},
journal= {arXiv preprint arXiv:1710.01463},
year = {2018}
}
备注
10 pages, 6 figures