[论文解读] A Semidefinite Program Solver for the Conformal Bootstrap

David Simmons–Duffin|arXiv (Cornell University)|Feb 6, 2015

Markov Chains and Monte Carlo Methods参考文献 66被引用 57

一句话总结

本文介绍了SDPB，一个针对共形bootstrap中出现的多项式矩阵规划（PMPs）问题而专门设计的开源、并行化、任意精度半定规划求解器。通过利用块结构并优化内点法，SDPB使三维伊辛共形场论（CFT）临界指数计算的速度提升了数个数量级，实现了新的高精度边界：Δσ = 0.518151(6)，Δε = 1.41264(6)。

ABSTRACT

We introduce SDPB: an open-source, parallelized, arbitrary-precision semidefinite program solver, designed for the conformal bootstrap. SDPB significantly outperforms less specialized solvers and should enable many new computations. As an example application, we compute a new rigorous high-precision bound on operator dimensions in the 3d Ising CFT, $Δ_σ=0.518151(6)$, $Δ_ε=1.41264(6)$.

研究动机与目标

• 开发一种专用于包含多个相关函数和有自旋算符的共形bootstrap问题的高性能半定规划求解器。
• 克服通用求解器（如SDPA-GMP）在单次三维伊辛CFT优化中需耗时数周的严重计算瓶颈。
• 实现在涉及守恒流、应力张量和混合相关函数的复杂CFT中新的高精度bootstrap计算。
• 证明算法专业化与并行化可在数值bootstrap研究中带来显著的性能提升。
• 提供一个开源、可扩展的工具（SDPB），降低未来共形场论与数值优化研究的门槛。

提出的方法

• 将共形bootstrap问题表述为多项式矩阵规划（PMPs），即具有多项式矩阵约束的半定规划（SDPs）的结构化子类。
• 通过变量分裂技术将PMPs转化为标准SDPs，将自由变量y与矩阵变量Y分离。
• 实现原始-对偶内点法，并采用Mehrotra预测-校正加速，以确保鲁棒收敛与快速的超线性收敛。
• 利用PMPs中舒尔补矩阵的块结构，通过分块Cholesky分解与矩阵-向量运算高效计算该矩阵。
• 通过Cholesky与LU分解的专用线性系统求解方法计算搜索方向，最大限度减少内存与计算开销。
• 支持任意精度算术与多CPU核心并行计算，以处理大规模、高精度的bootstrap问题。

实验结果

研究问题

• RQ1 定制化的半定规划求解器是否能在求解共形bootstrap问题时显著超越通用求解器？
• RQ2 在CFT bootstrap计算中出现的大规模多项式矩阵规划问题中，哪些算法优化最为有效？
• RQ3 并行化与任意精度算术在三维伊辛CFT临界指数边界计算中，能在多大程度上提升精度与速度？
• RQ4 随着高自旋算符与多个相关函数的引入，共形bootstrap的计算复杂度如何变化？
• RQ5 像SDPB这样的专用求解器是否能够实现以往不可行的、涉及守恒流与混合相关函数的bootstrap计算？

主要发现

• SDPB将单次三维伊辛CFT可行性计算的运行时间从SDPA-GMP的约2周缩短至1–3个CPU小时，或在16核机器上仅需4–12分钟。
• 对于三维伊辛CFT，SDPB计算出新的高精度边界：Δσ = 0.518151(6)，Δε = 1.41264(6)，创下精度新纪录。
• 与SDPA-GMP相比，SDPB实现了100倍至1000倍的加速，SDPB在Λ=19时每轮迭代仅需约2×10⁸次乘法，而SDPA-GMP需约1×10¹¹次。
• 性能提升源于对舒尔补矩阵的高效分块计算与针对PMP结构优化的线性代数例程。
• SDPB的任意精度算术确保了可靠的收敛性与高精度边界，这对严谨的bootstrap结果至关重要。
• 该求解器为开源，发布于 https://github.com/davidsd/sdpb，支持可重现性与社区扩展。