[论文解读] The ITensor Software Library for Tensor Network Calculations

Matthew Fishman, Steven R. White+1 more|arXiv (Cornell University)|Jul 28, 2020

Quantum, superfluid, helium dynamics被引用 141

一句话总结

ITensor 是一个张量网络库，具有图示界面，隐藏实现细节，使高层次的 MPS/MPO 算法、量子数块稀疏张量，以及灵活的张量存储用于快速原型设计。

ABSTRACT

ITensor is a system for programming tensor network calculations with an interface modeled on tensor diagram notation, which allows users to focus on the connectivity of a tensor network without manually bookkeeping tensor indices. The ITensor interface rules out common programming errors and enables rapid prototyping of tensor network algorithms. After discussing the philosophy behind the ITensor approach, we show examples of each part of the interface including Index objects, the ITensor product operator, tensor factorizations, tensor storage types, algorithms for matrix product state (MPS) and matrix product operator (MPO) tensor networks, quantum number conserving block-sparse tensors, and the NDTensors library. We also review publications that have used ITensor for quantum many-body physics and for other areas where tensor networks are increasingly applied. To conclude we discuss promising features and optimizations to be added in the future.

研究动机与目标

• 设计一个符合张量图符号且能将低级记账隐藏给用户的张量网络库的动机。
• 提供一个从高级算法到低级张量操作的灵活多层接口。
• 展示 ITensor 的核心特征，包括智能的 Index 对象、ITensor 乘积算子、分解和存储抽象。
• 展示面向 MPS 与 MPO 的高级张量网络能力，包括 DMRG 和 AutoMPO，并讨论如量子数守恒 ITensors 与 NDTensors 等扩展。

提出的方法

• 描述 guiding ITensor 设计的哲学原则以及索引排序的抽象化。
• 引入 Index 对象、ITensor 乘积算子 (*)，以及 delta/复制张量和 Combiner 等特殊张量。
• 在张量网络工作流中解释对分组索引应用的张量分解（QR、SVD）。
• 详细描述存储层，具有多种存储类型（dense、diagonal、block sparse、GPU、empty）以及通过 Julia 的多态分配实现的自动路径选择。
• 提出用于 MPS/MPO 的高级算法（DMRG、OpSum/AutoMPO）及其可定制的收缩策略。
• 引入量子数（QN）块稀疏 ITensors 及 NDTensors 库，覆盖更广的张量类型与后端。

实验结果

研究问题

• RQ1 ITensor 如何在无需手动索引记账的情况下实现对张量网络的鲁棒收缩与操作？
• RQ2 ITensor 提供了哪些用于高效张量网络计算的高级算法（DMRG、AutoMPO）和数据结构（QN ITensors、NDTensors）？
• RQ3 灵活的存储类型与智能索引如何在不同硬件和问题类别中影响性能与易用性？

主要发现

• ITensor 提供一个统一的 * 运算符，处理外积、内积和收缩乘积，同时自动管理索引匹配。
• 库支持多种存储类型，并使用 Julia 的多态分派来为每种类型优化收缩和操作。
• 面向 MPS/MPO 的高级算法，包括 DMRG 与 AutoMPO，已实现且可定制，便于快速原型设计。
• 量子数守恒的块稀疏 ITensors 和 NDTensors 库扩展了对对称和广义张量网络的适用性。
• ITensor 同时存在于 C++ 和 Julia，拥有完善的文档、示例和在线资源，帮助采用与试验。