循环图上谱张量网络的随机路径压缩
统计力学
2026-01-08 v1 计算物理
摘要
我们发展了一种新的方法，用于压缩称为随机路径压缩 (SPC) 的循环张量网络，该方法使用迭代重要抽样程序以针对大键维度的边缘为目标。SPC 中的闭合随机行走形成压缩路径，将大键维度在张量网络中进行空间局部化。类似于两种不相容液体的相分离，SPC 将键维度图分为空间上具有明显区分的高和低密度区域。当与我们的积分脱落算法结合使用时，SPC 便可准确压缩具有连续自由度的循环张量网络。为进行基准测试和说明，我们计算了两个维度的方格晶格上 状态时钟模型的绝对热力学以及在 Watts-Strogatz 图上 XY 模型的热力学，后者是一个小世界网络，具有随机的自旋之间的连通性。
引用
@article{arxiv.2601.04172,
title = {Stochastic Path Compression for Spectral Tensor Networks on Cyclic Graphs},
author = {Ryan T. Grimm and Joel D. Eaves},
journal= {arXiv preprint arXiv:2601.04172},
year = {2026}
}
备注
7 pages, 3 figures