[論文レビュー] ana_cont: Python package for analytic continuation

Josef Kaufmann, Karsten Held|arXiv (Cornell University)|May 24, 2021

Advanced Chemical Physics Studies被引用数 8

ひとこと要約

本稿では、パデ近似および最大エントロピー法を用いたフェルミ粒子およびボソンのグリーン関数の解析的続行を実行するPythonパッケージana_contを紹介する。このパッケージは、虚時間またはマツバラ周波数から実周波数への継続を、堅牢で柔軟かつ使いやすい形で可能にし、GUIおよびプログラムインターフェースの両方をサポートしており、再現可能で拡張可能なワークフローと、正確なスペクトル関数再構築のためのハイパーパrameter最適化を実現する。

ABSTRACT

We present the Python package ana_cont for the analytic continuation of fermionic and bosonic many-body Green's functions by means of either the Pade approximants or the maximum entropy method. The determination of hyperparameters and the implementation are described in detail. The code is publicly available on GitHub, where also documentation and learning resources are provided.

研究の動機と目的

• 虚時間またはマツバラ周波数から実周波数への量子多体系相関関数の解析的続行を、信頼性が高くオープンソースなツールとして提供すること。
• パデ近似および最大エントロピー法を実装し、ハイパーパrameter最適化と数値的安定性を確保すること。
• 非専門家（GUI経由）および上級ユーザー（ライブラリインターフェース経由）がフェルミ粒子系およびボソン系の解析的続行を実行できるようにすること。
• ドキュメント化されたチュートリアル、テストケース、および科学的Pythonスタックとの統合を通じて、再現可能で拡張可能なワークフローを可能にすること。
• ノイズへの感受性やパラメータ依存性の問題に対処することで、正確なスペクトル関数再構築を促進すること。

提案手法

• パッケージは、複素平面におけるグリーン関数の効率的で有理近似を実現するため、Cythonでコンパイルされたコア関数を用いたパデ補間を実装している。
• 最大エントロピー法では、デフォルトモデルとハイパーパrameter αおよびbを用いたベイズ推論を適用し、スペクトル関数の事後確率を最適化する。
• この手法は、ノイズを含むマツバラデータと整合する最も確からしいスペクトル関数を選択する最大エントロピーの原理に基づく。
• 特にノイズが多い、または病的な条件のデータに対して安定性を向上させるために、事前ブラー処理を組み込んでいる。
• コードはフェルミ粒子およびボソンのグリーン関数を両方サポートしており、マツバラ周波数および虚時間相関関数の専用処理を備えている。
• ユーザーは、迅速な分析のためのグラフィカルユーザーインターフェース、またはカスタムワークフロー用のPythonライブラリインターフェースの両方でパッケージにアクセスできる。

実験結果

リサーチクエスチョン

• RQ1 量子多体系グリーン関数の解析的続行を、非専門家にとっても正確かつ使いやすく実現する方法は何か？
• RQ2 ノイズと有限なデータ分解能の下で、最大エントロピー法の最適なハイパーパrameter（α, b）は何か？
• RQ3 ノイズを含むマツバラデータからスペクトル関数を再構築する際、パデ近似と最大エントロピー法の性能はどのように比較できるか？
• RQ4 事前ブラー処理は、最大エントロピー解析的続行の安定性と正確さをどの程度向上させるか？
• RQ5 フェルミ粒子系およびボソン系を一括してサポートし、一貫性があり文書化されたワークフローを提供する統合的かつ拡張可能なPythonパッケージを開発可能か？

主な発見

• ana_contパッケージは、高い数値的安定性と再現可能性を備えており、パデ法および最大エントロピー法の両方を実装した。
• 最大エントロピー法の最適ハイパーパrameterαおよびbは、系統的なχ²最小化により特定され、論文の図中に可視化されている。
• 事前ブラー処理は、特にノイズの強いデータに対して、最大エントロピー法の収束性と耐障害性を顕著に向上させたことが、SrVO₃のケーススタディで示された。
• GUIインターフェースにより、非専門家は最小限のコードで解析的続行を実行可能であり、ライブラリインターフェースにより上級ユーザーはワークフローをカスタマイズ可能である。
• パッケージはフェルミ粒子およびボソンのグリーン関数を両方サポートしており、標準的な量子多体系データ形式および数値的手法と完全に互換性がある。
• テストケースおよびチュートリアル（SrVO₃の詳細な例を含む）により、ノイズを含むマツバラデータから既知のスペクトル特徴を正確に回復できることが示された。