[论文解读] Efficient Application of Tensor Network Operators to Tensor Network States

Richard M. Milbradt, Shuo Sun+3 more|arXiv (Cornell University)|Jan 27, 2026

Quantum many-body systems被引用 0

一句话总结

引入基于 Cholesky 的压缩（CBC）算法，以高效地将树张量网络算子应用于树张量网络状态，在准确性上与现有方法竞争力十足，并在 TTN 上实现更快的运行时间。

ABSTRACT

The performance of tensor network methods has seen constant improvements over the last few years. We add to this effort by introducing a new algorithm that efficiently applies tree tensor network operators to tree tensor network states inspired by the density matrix method and the Cholesky decomposition. This application procedure is a common subroutine in tensor network methods. We explicitly include the special case of tensor train structures and demonstrate how to extend methods commonly used in this context to general tree structures. We compare our newly developed method with the existing ones in a benchmark scenario with random tensor network states and operators. We find our Cholesky-based compression (CBC) performs equivalently to the current state-of-the-art method, while outperforming most established methods by at least an order of magnitude in runtime. We then apply our knowledge to perform circuit simulation of tree-like circuits, in order to test our method in a more realistic scenario. Here, we find that more complex tree structures can outperform simple linear structures and achieve lower errors than those possible with the simple structures. Additionally, our CBC still performs among the most successful methods, showing less dependence on the different bond dimensions of the operator.

研究动机与目标

• 解决在无循环（树状）张量网络中将张量网络算子应用于张量网络状态的子过程问题。
• 泛化并实现基于 Cholesky 的压缩方法，适用于张量运输（MPS）和一般 TTN 结构。
• 在随机 TTN 和电路样 TTN 上对 CBC 与现有方法（DM、ZipUp、SRC）进行基准比较。
• 在真实电路仿真中展示该方法的性能，以评估实际价值。

提出的方法

• 为 TTNS 引入 CBC（Cholesky-Based Compression；基于 Cholesky 的压缩）; 通过在 Cholesky 分解方案中使用 M 避免完全的 G 构建。
• 对张量运输：从左向右收缩以建立左环境，同时对中间耦合进行压缩，然后进行从右向左扫描以获得更新张量（MPS/TNTNS 专用步骤）。
• 对一般 TTN：将 CBC 扩展到从叶子到根的子树构造，然后再从根到叶，最后从叶到根的应用，并结合 QR/SVD 的截断。
• 将 CBC 与其他 TTNO 应用方法（密度矩阵、Zip-Up、SRC、直接收缩）在运算量和内存方面进行对比。
• 通过概括性表 I 和 II（MPS vs. T3NS）讨论计算尺度与内存成本。
• 将 CBC 应用于一个 toy 随机 TTN 基准测试和电路仿真，以在现实场景中测试性能。

实验结果

研究问题

• RQ1 CBC 方法在准确性和运行时间方面是否可与现有 TTNO-到- TTNS 的应用方法相媲美或超越？
• RQ2 CBC 如何随不同 TTN 拓扑（MPS、T3NS）和耦合维度的变化而扩展？
• RQ3 CBC 能否提供自适应耦合维度控制并在开放 TTNO 与封闭 TTNS 结构中保持性能？
• RQ4 在电路样 TTN 仿真中，CBC 与直接方法及其他压缩方案相比有何表现？

主要发现

• CBC 在随机 TTN 和 TTNO 上的运行时间性能可与 SRC 相当，且普遍优于大多数既有方法。
• CBC 在树结构中相对于最先进方法保持有竞争力的准确性，在等效耦合维度下可能有略微的误差优势。
• 基于 DM 的压缩在从 MPS 转向一般 TTNS 时的优良扩展性丧失，而 CBC 在 TTN 拓扑上仍然高效。
• 在电路仿真中，TTN 结构（尤其是更复杂的树状结构）在资源相近时比简单线性结构获得更低的误差，CBC 属于最强方法之一。
• Zip-Up 保持较快但通常不如 CBC 和 SRC 对目标误差的准确性；在某些 TTN 几何结构上，SRC 的速度可能较慢。
• 总体而言，CBC 为其他 TTNO 应用方法提供了可替换的直接替代方案，且具有通过 SVD 公差实现自适应截断的简单性。