[论文解读] Sampling versus Blocking

Yannick Meurice, Yuzhi Liu+3 more|arXiv (Cornell University)|Nov 12, 2014

Quantum Chromodynamics and Particle Interactions参考文献 14被引用 5

一句话总结

本文提出了一种张量重整化群（TRG）方法，用于格点场论中的精确阻塞，实现了可控误差的系统性截断。该方法在具有化学势的O(2)模型中与蠕虫算法进行了比较，结果显示极佳的一致性（五位有效数字内一致），并展现出在处理符号问题时的鲁棒性，TRG即使在超流相中也能提供可靠的本征值谱和收敛性。

ABSTRACT

The idea of blocking in configuration space has played an important role in the development of the RG ideas. However, despite being half a century old and having had a huge intellectual impact, generic numerical methods to perform blocking for lattice models have progressed more slowly than sampling methods. Blocking may be essential to deal with near conformal situations. Typically, blocking methods have smaller statistical errors but larger systematic errors than sampling methods. This situation is evolving with recent developments based on the Tensor RG (TRG) method. We report recent results for spin and gauge lattice models obtained with this new method regarding searches for fixed points, calculations of critical exponents and resolutions of sign problems. An interesting model for comparison is the 2-dimensional O(2) model with a chemical potential which has a sign problem with conventional Monte Carlo but allows sampling with the worm algorithm and blocking with various TRG formulations. We compare the efficiency and accuracy of these two methods.

研究动机与目标

• 开发一种基于张量重整化群（TRG）方法的数值可控阻塞程序，用于格点模型。
• 比较TRG阻塞与蠕虫算法在遭受符号问题困扰的模型中的精度与效率。
• 研究TRG在临界与近共形区域中的收敛性与系统性误差。
• 理解本征值分布与熵在TRG截断稳定性中的作用。
• 通过递归转移矩阵构造，建立拉格朗日量与哈密顿量形式之间的联系。

提出的方法

• 使用张量网络表示配分函数，引入键变量与特征展开，通过张量收缩实现精确阻塞。
• 通过将四格点张量收缩为单个块张量实现粗粒化，其指标表示原始自旋的乘积态。
• 通过奇异值分解（SVD）或高阶SVD（HOSVD）实施截断，仅保留转移矩阵或重叠矩阵的最大本征值。
• 使用酉变换对角化转移矩阵或重叠矩阵，选择最相关的态以保持精度。
• 与蠕虫算法（一种随机采样方法）的结果进行比较，以验证TRG的精度并量化统计误差与系统性误差。
• 分析转移矩阵的本征值分布与熵，作为截断质量与收敛性的指标。

实验结果

研究问题

• RQ1 在具有化学势的O(2)模型中，基于TRG的阻塞与蠕虫算法相比，在精度与效率上表现如何？
• RQ2 TRG截断中的系统性误差在多大程度上影响临界指数与固定点分析？
• RQ3 随着化学势或晶格尺寸的增加，转移矩阵本征值分布的熵如何演化？
• RQ4 TRG能否在传统蒙特卡罗方法失效的模型中可靠地解决符号问题？
• RQ5 不同的截断方案（HOSVD与转移矩阵）在多大程度上影响TRG结果的收敛性与稳定性？

主要发现

• TRG对二维伊辛模型的计算结果与精确的昂萨格-考夫曼解在10^-5以内一致，验证了其精度。
• 在具有化学势的O(2)模型中，TRG与蠕虫算法对⟨N⟩的计算结果在五位有效数字内一致，差异低于10^-5。
• 不同截断方案（转移矩阵与HOSVD）所得TRG本征向量之间的重叠矩阵显示出近似正交性，本征值仅顺序略有不同。
• 随着化学势μ的增加，归一化本征值分布的熵上升，表明截断难度增加。
• 在超流相中，本征值分布的熵随迭代步数增加而上升，表明有效理论的复杂性在增长。
• 即使在小系统（2×2与2×4）中，TRG也能提供鲁棒的本征值谱与稳定的⟨N⟩，且随着时间方向扩展Nτ增大，所需态数减少。