基于Cayley树映射的树张量网络杂质求解器
人工智能
2026-01-28 v2 机器学习
摘要
我们介绍了一种树张量网络(TTN)杂质求解器，能够高效准确地进行量子杂质模型的实时模拟。通过将非相互作用浴哈姆顿量分解为Cayley树，该方法提供一种自然捕获杂质-浴系统固有多尺度纠缠结构的张量网络表示。这种几何结构不同于传统的链式映射，显著降低了纠缠，使得在较低的张量维数下即可准确捕获基态性质和长时间动力学。对于单杂质Anderson模型的基准计算表明，TTN求解器在实频谱函数上实现了显著提升的分辨率，而无需进行解析延续。这一杂质求解器为杂质物理提供了均衡且尺度一致的描述，为实时动态均匀场理论及相关涉及量子杂质模型的应用提供了灵活的方法。
关键词
引用
@article{arxiv.2601.17717,
title = {The LLM Data Auditor: A Metric-oriented Survey on Quality and Trustworthiness in Evaluating Synthetic Data},
author = {Kaituo Zhang and Mingzhi Hu and Hoang Anh Duy Le and Fariha Kabir Torsha and Zhimeng Jiang and Minh Khai Bui and Chia-Yuan Chang and Yu-Neng Chuang and Zhen Xiong and Ying Lin and Guanchu Wang and Na Zou},
journal= {arXiv preprint arXiv:2601.17717},
year = {2026}
}