基于行更新投影缠绕对偶态(PEPS)的变分蒙特卡罗方法及其在量子自旋玻璃中的应用
无序系统与神经网络
2026-01-29 v1
摘要
求解量子许多体基态问题仍是计算物理学中的核心挑战。在此背景下，基于投影缠绕对偶态(PEPS)的变分蒙特卡罗(VMC)框架取得了快速发展，已成为研究强相关二维系统的关键方法。然而，标准的PEPS-VMC算法主要依赖顺序局部更新，这种传统方法在相变附近或受扰动势能面中常出现收敛缓慢和关键性减缓现象。为此，我们提出一种高效的自回归行状抽样算法，用于PEPS，实现单层收缩下的直接、无需抽样的采样。通过利用自回归单层行状更新生成整体的非局部配置提议，我们的方法显著降低了相对于局部Metropolis移动的时序相关性。我们在二维横场伊辛模型和量子自旋玻璃模型上对算法进行基准测试。结果表明，行状方案在伊辛临界点附近有效缓解了关键性减缓现象。此外，在量子自旋玻璃的复杂势能面中，它能够获得更稳定的优化效果和更低的基态能量。这些发现表明，单层自回归行状更新为局部PEPS-VMC采样提供了灵活且稳健的改进，可能成为更高级抽样方案的基础。
引用
@article{arxiv.2601.20608,
title = {Variational Monte Carlo (VMC) with row-update Projected Entangled-Pair States (PEPS) and its applications in quantum spin glasses},
author = {Tao Chen and Jing Liu and Yantao Wu and Pan Zhang and Youjin Deng},
journal= {arXiv preprint arXiv:2601.20608},
year = {2026}
}
备注
6 pages, 4 figures