[论文解读] A Monte Carlo Time-Dependent Variational Principle

F. W. G. Transchel, Ashley Milsted+1 more|arXiv (Cornell University)|Nov 20, 2014

Advanced Thermodynamics and Statistical Mechanics被引用 4

一句话总结

本文提出了一种蒙特卡洛扩展的时变变分原理（TDVP）方法，用于模拟由林德布拉德主方程描述的耗散量子动力学。通过采样从林德布拉德生成元导出的福克-普朗克方程，该方法使得能够使用纯态变分类（如矩阵乘积态，MPS）高效模拟混合态动力学，实现令人惊叹的并行性，并可扩展至更大系统。

ABSTRACT

We generalize the Time-Dependent Variational Principle (TDVP) to dissipative systems using Monte Carlo methods, allowing the application of existing variational classes for pure states, such as Matrix Product States (MPS), to the simulation of Lindblad master equation dynamics. The key step is to use sampling to approximately solve the Fokker-Planck equation derived from the Lindblad generators. An important computational advantage of this method, compared to other variational approaches to mixed state dynamics, is that it is "embarrassingly parallel".

研究动机与目标

• 将时变变分原理（TDVP）扩展至由林德布拉德主方程描述的耗散系统。
• 通过蒙特卡洛采样纯态波函数，克服混合态缺乏唯一信息距离度量的问题。
• 利用已知的变分类（如MPS）实现开放量子多体系统高效、令人惊叹的并行模拟。
• 在具有受控耗散的可积与非可积自旋链上测试该方法，并与解析解进行比较。
• 评估自旋维度在捕捉耗散系统中纠缠与关联动力学方面的角色。

提出的方法

• 从林德布拉德主方程推导福克-普朗克方程，以描述波函数参数的随机演化。
• 使用蒙特卡洛采样近似求解福克-普朗克方程，从而实现变分参数的随机演化。
• 将TDVP形式化应用于采样后的波函数，推导控制变分参数时间演化的流方程。
• 将密度矩阵表示为纯态投影算符的加权积分：$\rho_t = \int p_t(\bar{a},a) |\Psi(a)\rangle\langle\Psi(a)| \, dad\bar{a}$，其中$|\Psi(a)\rangle$为变分类（如MPS）。
• 使用矩阵乘积态（MPS）实现该方法，并采用类似时间演化块消去（TEBD）的方案进行数值积分。
• 通过在处理器之间独立分发采样轨迹，确保计算并行性，实现令人惊叹的并行执行。

实验结果

研究问题

• RQ1 能否通过蒙特卡洛采样纯态变分试探波函数，将TDVP形式化推广至耗散动力学？
• RQ2 该方法的精度如何随蒙特卡洛采样数和MPS的自旋维度变化？
• RQ3 该方法能否准确捕捉可积系统（如边缘耗散的XXZ海森堡链）中的非平衡动力学？
• RQ4 在具有空间非均匀耗散的非可积系统中，该方法在捕捉干涉与畴形成方面表现如何？
• RQ5 为捕捉耗散系统中的长程关联与纠缠，MPS的自旋维度需增长到何种程度？

主要发现

• 当使用大量蒙特卡洛采样（例如48,000个）时，该方法在边缘耗散的XXZ海森堡链中与解析解高度一致，收敛性在$t=80$时已清晰可见。
• 在较大系统（$N_{\text{sites}}=16$）中，增大自旋维度$D$可更好地捕捉关联聚类，其中$D=32$相比$D=2$表现出显著更优的一致性。
• 在双均匀耗散系统（对侧半区分别进行上行与下行泵浦）中，该方法成功捕捉到中心区域的干涉图案，尤其在弱相互作用与大$\lambda$条件下，表明存在非平凡的纠缠与关联动力学。
• 即使在临界、收敛缓慢的区域（如边缘驱动的XXZ链），该方法仍与解析结果定性一致，尽管信息向中心传播缓慢。
• 自旋维度$D$无需达到$2^{N/2}$即可捕捉干涉与纠缠，表明该方法能以适中的$D$高效捕捉相关纠缠结构。
• 该方法在数值上稳健且可扩展，结果表明增加采样数与自旋维度可系统性提升精度，支持其在精确对角化无法处理的系统中的应用。