[论文解读] Improved Scaling for Periodic Matrix Product State Algorithms

Hans Gerd Evertz, Steven R. White+1 more|arXiv (Cornell University)|Jan 13, 2008

Quantum many-body systems被引用 1

一句话总结

本文提出一种基于分解的方法，以加速具有周期性边界条件的一维量子系统中的矩阵乘积态（MPS）算法。通过将长MPS矩阵乘积的计算成本从m⁵量级降低至m³量级，实现了与开放边界条件下的标准DMRG方法相当的效率，从而使得在m ~ 100–1000范围内的周期性系统中实现实际的基态计算成为可能。

ABSTRACT

We introduce an efficient method to calculate the ground state of one-dimensional lattice models with periodic boundary conditions. The method works in the representation of Matrix Product States (MPS), related to the Density Matrix Renormalization Group (DMRG) method. It improves on a previous approach by Verstraete et al. We introduce a factorization procedure for long products of MPS matrices, which reduces the computational effort from m^5 to m^3, where m is the matrix dimension, and m ~ 100 - 1000 in typical cases. We test the method on the S=1/2 and S=1 Heisenberg chains. It is also applicable to non-translationally invariant cases. The new method makes ground state calculations with periodic boundary conditions about as efficient as traditional DMRG calculations for systems with open boundaries.

研究动机与目标

• 解决现有MPS方法在周期性边界条件下的计算低效问题。
• 将矩阵乘积运算的标度从m⁵降低至m³，其中m为矩阵维度。
• 实现在一维量子系统中具有周期性边界条件的实用基态计算。
• 将基于MPS的方法的应用范围扩展至具有周期性边界条件的非平移不变系统。

提出的方法

• 提出一种针对长MPS矩阵乘积的分解过程，以降低计算复杂度。
• 应用矩阵分解技术，对周期性系统中MPS张量的序列进行分组与简化。
• 通过结构化分解，将原始矩阵乘积运算的m⁵标度替换为优化后的m³标度。
• 利用该分解在周期性边界条件设置下保持精度的同时大幅降低计算成本。
• 将该方法适配至MPS框架中，与DMRG类算法兼容。
• 在S=1/2和S=1的海森堡链上验证该方法，以展示实际的性能提升。

实验结果

研究问题

• RQ1 能否将基于MPS的周期性系统基态计算的计算成本从m⁵量级降低至m³量级？
• RQ2 所提出的分解方法是否足够高效且准确，使得周期性边界条件下的计算性能可与标准DMRG在开放边界条件下的性能相媲美？
• RQ3 该方法能否扩展至具有周期性边界条件的非平移不变系统？
• RQ4 该分解过程在长矩阵乘积链中如何在降低计算复杂度的同时保持精度？
• RQ5 在S=1/2和S=1海森堡模型等实际量子自旋链中，该方法的实际性能提升如何？

主要发现

• 周期性MPS系统中长矩阵乘积运算的计算成本从O(m⁵)降低至O(m³)标度。
• 该方法在周期性边界条件下的性能与开放边界条件下标准DMRG的性能相当。
• 该分解过程在保持数值精度的同时，使m ~ 100–1000范围内的系统实现高效计算。
• 该方法成功应用于S=1/2和S=1海森堡链，证明了其实际可行性。
• 该方法可推广至具有周期性边界条件的非平移不变系统。
• 该改进使得此前计算上不可行的周期性系统中的高效基态计算成为可能。