[논문 리뷰] Universal term of Entanglement Entropy in the $π$-flux Hubbard model

Yuan Da Liao|arXiv (Cornell University)|2023. 07. 20.

Machine Learning in Materials Science인용 수 11

한 줄 요약

논문은 determinant quantum Monte Carlo 내에서 제어 가능한 점증 알고리즘을 도입하여 서로 작용하는 페르미온에 대한 두 번째 Rényi entanglement entropy (EE)를 정확하게 계산하고, 기하급수적 분산 문제를 해결하며 추가 구성 공간 없이 병렬화 가능하고 확장 가능한 EE 계산을 가능하게 한다.

ABSTRACT

Researchers in physical science aim to uncover universal features in strongly interacting many-body systems, often hidden in complicated observables like entanglement entropy (EE). The non-local nature of EE makes it challenging to compute numerically, necessitating the development of an unbiased and convenient algorithm. In this paper, we use quantum Monte Carlo to reveal that the coefficient of variation in direct EE calculations increases exponentially with system size, leading to inaccuracies. To address this issue, we develop a power incremental algorithm and a technique for straightforwardly calculating the universal term of EE, successfully evaluating the EE of a 2D Hubbard model. Our numerical results demonstrate the consistency of the universal coefficient of EE from sharp corners at the Gross-Neveu quantum critical point and for free Dirac fermions. Our method can also be applied to other unstable observables, such as partition functions, entanglement spectra, and negativity, thereby fostering computational and theoretical progress.

연구 동기 및 목표

• 강하게 상관된 시스템에서 entanglement entropy의 보편적 특징을 탐색합니다.
• 상호작용 페르미온에 대해 DQMC에서 두 번째 Rényi EE를 계산하기 위한 통계적으로 안정적이고 실용적인 방법을 개발합니다.
• 추가 구성 공간에 의존하지 않으면서 증가 단계의 수를 정량적으로 다룰 수 있는 방법을 제공합니다.
• 그린 함수의 행렬식을 포함한 determinant와 관련된 다른 관측치들(예: entanglement spectrum, negativity)에 방법을 확장합니다.

제안 방법

• Grover의 EE 정의에서 det g_A^{s1,s2}의 불안정성을 분석하고 시스템 크기에 따른 기하급수적 분산을 확인합니다.
• λ_k와 W(λ_k, det g_A^{s1,s2}) = (det g_A^{s1,s2})^{λ_k}, 그리고 λ_k = k/N_λ인 제어 가능한 점증 체계를 도입합니다.
• log det g_A^{s1,s2}가 정규 분포를 따른다는 것을 보이고, 그 평균 μ(L)와 분산 σ^2(L)을 거듭제곱 법으로 적합시킨 뒤, 분산을 제어하기 위해 N_λ ≈ |μ|로 설정합니다.
• (det g_A^{s1,s2})^{λ_k}와 (det g_A^{s1,s2})^{1/N_λ}를 사용하는 Z(λ_k) 기반의 병렬화 가능한 점증 비율 Z(λ_{k+1})/Z(λ_k)을 도출하여 분산을 관리 가능한 수준으로 유지합니다.
• μ(L) 스케일링에서 N_λ ∼ 0.5 L^{1.35}를 정량적으로 결정하고, 추가 구성 공간을 늘리지 않고 projector DQMC 내에서 방법을 구현합니다.
• 이전 방법과 비교하여 정확도와 효율성이 향상되었음을 Demonstrate하고 N_λ이 증가할 때 EE 수렴을 보일 것을 보입니다.

실험 결과

연구 질문

• RQ1 상호작용 페르미온의 entanglement entropy를 추가 구성 공간 없이 DQMC에서 정확하게 계산할 수 있는가?
• RQ2 det g_A^{s1,s2}의 분포는 어떻게 되고 log det g의 정규 분포 특성을 활용해 분산을 제어할 수 있는가?
• RQ3 시스템 크기 L에 따른 최적 증가 단계 수 N_λ의 스케일링은 무엇이며, 이것이 계산 비용에 어떤 영향을 미치는가?
• RQ4 방법을 Green 함수의 determinant에 의존하는 다른 관측치(예: entanglement spectra, negativity)로 확장할 수 있는가?

주요 결과

• det g_A^{s1,s2}의 직접 평가가 결합이 증가하고 시스템 크기가 커질수록 희귀한 스파이크와 불안정한 통계를 나타낸다.
• log det g_A^{s1,s2}는 μ(L) ~ -0.50 L^{1.35} 및 σ(L) ~ 0.67 L^{0.77}를 갖는 정규 분포를 따른다.
• det g의 변동 계수가 기하급수적으로 증가하지만 (det g)^{1/N_λ} 또는 log det g의 CV는 N_λ가 L^{1.35}로 스케일링될 때 시스템 크기에 따라 감소한다.
• (det g)^{λ_k}와 (det g)^{1/N_λ}를 사용하는 Z(λ_k) 점증 체계는 추가 구성 공간 없이 정확한 EE를 가능하게 하며 증가 간 병렬 처리 가능하다.
• 방법은 표준 DQMC와 비교해 CPU 시간이 비슷한 신뢰할 수 있는 2nd Rényi EE 추정치를 달성하고 N_λ(≈ 0.5 L^{1.35})를 선택하는 정량적 방법을 제공한다.
• 이 접근법은 entanglement spectra, negativity 등과 같은 Green 함수의 determinant에 연관된 다른 관측치로 확장 가능하다.