[논문 리뷰] Progress on stochastic analytic continuation of quantum Monte Carlo data

Hui Shao, Anders W. Sandvik|arXiv (Cornell University)|2022. 02. 20.

Spectroscopy and Quantum Chemical Studies인용 수 6

한 줄 요약

이 논문은 기존 방법이 왜곡시켜 온 뚜렷한 스펙트럼 특징—예를 들어 준입자 피크와 거듭제곱 법칙 경계—을 해결하기 위해 엔트로피 기반 최적화와 제약 조건을 도입하여 양자 몬테카를로(QMC) 데이터를 위한 확률적 해석 연속(SAC)을 발전시킨다. 큰 Nω 한계에서 SAC 평균과 최대 엔트로피 해법이 동치임을 입증하며, 높은 해상도와 정확도를 갖는 스펙트럼의 고정밀 재구성 가능성을 보여준다.

ABSTRACT

We report multipronged progress on the stochastic averaging approach to numerical analytic continuation of quantum Monte Carlo data. With the sampled spectrum parametrized with delta-functions in continuous frequency space, a calculation of the configurational entropy lends support to a simple goodness-of-fit criterion for the optimal sampling temperature. To further investigate entropic effects, we compare spectra sampled in continuous frequency with results of amplitudes sampled on a fixed frequency grid. We demonstrate equivalences between sampling and optimizing spectral functions with the maximum-entropy approach with different forms of the entropy. These insights revise prevailing notions of the maximum-entropy method and its relationship to stochastic analytic continuation. We further explore various adjustable (optimized) constraints that allow sharp spectral features to be resolved, in particular at the lower frequency edge. The constraints, e.g., the location of the edge or the spectral weight of a quasi-particle peak, are optimized using a statistical criterion. We show that this method can correctly reproduce both narrow and broad quasi-particle peaks. We next introduce a parametrization for more intricate spectral functions with sharp edges, e.g., power-law singularities. Tests with synthetic data as well as with real simulation data for the spin-1/2 Heisenberg chain demonstrate that constrained sampling methods can reproduce spectral functions with sharp edge features at unprecedented fidelity. We present new results for S=1/2 Heisenberg 2-leg and 3-leg ladders to illustrate the ability of the methods to resolve spectral features arising from both elementary and composite excitations. Finally, we also propose how the methods developed here could be used as "pre processors" for analytic continuation by machine learning.

연구 동기 및 목표

• 기존 해석 연속 방법이 준입자 피크와 거듭제곱 법칙 경계와 같은 뚜렷한 스펙트럼 특징을 왜곡하는 데서 비롯되는 한계를 극복하기 위해.
• 구성 엔트로피와 큰 Nω 한계를 통해 확률적 해석 연속(SAC)과 최대 엔트로피(ME) 방법 간의 엄밀한 연결 고리를 확립하기 위해.
• 해상도를 향상시키기 위해 피크 위치와 스펙트럼 무게 등의 최적화된 제약 조건을 개발하기 위해.
• 데콤플라그먼티드 스피노닉 상태에서 유래하는 발산 경계를 포함한 복잡한 스펙트럼 함수의 정확한 재구성 가능성을 확보하기 위해.
• 기계 학습 기반 해석 연속을 위한 전처리 도구로 SAC를 제안하여 양자 many-body 시스템에서 스펙트럼의 정밀도를 향상시키기 위해.

제안 방법

• 연속 주파수 공간에서 많은 수의 δ-함수로 스펙트럼 함수를 매개변수화하여 구성 엔트로피의 정확한 계산을 가능하게 한다.
• χ²와 엔트로피에 기반한 적합도 기준을 사용하여 최적의 샘플링 온도 Θ를 결정함으로써 주관적인 선택에 의존하지 않도록 한다.
• 조정 가능한 매개변수(예: 피크 위치, 경계 위치)를 갖는 제약 조건을 도입하고, 최적의 적합 조건 하에서 엔트로피 최소화를 통해 최적화한다.
• 연속 주파수 공간에서의 스펙트럼 매개변수화와 고정 주파수 격자 간의 비교를 통해 광역 열역학적 한계(큰 Nω)에서 동치임을 보여준다.
• 증가성 및 경계 최적화 제약 조건을 도입하여 샘플링의 안정성을 높이고, 거듭제곱 법칙 특이점과 같은 뚜렷한 특징을 해소한다.
• 합성 데이터와 스핀-1/2 헤이젠베르크 체인 및 래버의 실제 QMC 데이터에 이 방법을 적용하여 다양한 스펙트럼 구조에서 성능을 검증한다.

실험 결과

연구 질문

• RQ1 SAC에서 구성 엔트로피가 최적의 샘플링 온도 Θ를 선택하는 원리적인 기준이 될 수 있는가?
• RQ2 연속 주파수 공간 대비 고정 격자 주파수의 다른 매개변수화 방식이 스펙트럼 재구성에 미치는 영향은 무엇이며, 큰 Nω 한계에서 동치인가?
• RQ3 최적화된 매개변수를 갖는 제약 조건을 적용한 샘플링이 기존 방법이 일반적으로 흐릿하게 만드는 뚜렷한 스펙트럼 경계와 좁은 준입자 피크를 해결할 수 있는가?
• RQ4 SAC 평균과 최대 엔트로피 해법 간의 관계는 무엇이며, 어떤 조건에서 동치가 되는가?
• RQ5 SAC가 QMC 데이터의 기계 학습 기반 해석 연속을 향상시키기 위한 전처리 도구로 사용될 수 있는가?

주요 결과

• 최적의 샘플링 온도 Θ는 χ² 적합도와 구성 엔트로피의 균형에 의해 결정되며, 주관적인 선택 대신 물리적으로 타당한 대안을 제공한다.
• 큰 Nω 한계에서 SAC 평균은 최대 엔트로피 해법으로 수렴하며, 다양한 매개변수화 방식은 서로 다른 사전 엔트로피 형태에 해당한다.
• 최적화된 피크 및 경계 매개변수를 갖는 제약 조건 샘플링은 좁은 준입자 피크와 넓은 특징을 인위적인 왜곡 없이 성공적으로 해소한다.
• 이 방법은 스핀-1/2 헤이젠베르크 체인의 동적 구조 인자에서 거듭제곱 법칙 특이점과 발산 경계를 정확히 재구성하여, 분리된 스피노닉 상태의 존재를 확인한다.
• 표준 해석 연속 방법과 달리 날카운 경계와 저에너지 피크와 같은 스펙트럼 특징이 임의의 잡음 없이 유지된다.
• 이 방법은 2-레그 및 3-레그 헤이젠베르크 래버에서 검증되었으며, 기본 및 복합 진동수의 해석 가능성을 입증한다.