[论文解读] Marshall's sign rule and DMRG acceleration

Ulrich Schollwoeck|arXiv (Cornell University)|Apr 21, 1998

Physics of Superconductivity and Magnetism被引用 4

一句话总结

本文提出利用马歇尔符号法则（Marshall's sign rule）显著加速反铁磁自旋体系中的密度矩阵重整化群（DMRG）算法。通过基于基态的符号结构构建迭代对角化过程的最优初始猜测向量，该方法将所需对角化步骤减少至仅2步，使DMRG计算速度提升一个数量级，尤其在长自旋链生长过程中效果显著。

ABSTRACT

In applications of White's Density Matrix Renormalization Group (DMRG) algorithm, computation time is dominated by the diagonalisation of large sparse Hamiltonians by iterative diagonalisation algorithms, whose convergence can be decisively accelerated by the usage of good start vectors. In this paper I show how, using the Marshall sign rule, in a wide class of antiferromagnetic models the number of diagonalization iterations can be reduced below 10, sometimes down to 2, accelerating the DMRG by an order of magnitude. This acceleration, applicable during the growth of long chains, complements the acceleration procedure proposed by White. To illustrate the feasibility of the approach, I show how it performs if applied to the calculation of the Haldane gap for S=2.

研究动机与目标

• 降低大规模模拟中迭代对角化过程的计算成本，该过程在DMRG中占据主要运行时间。
• 通过为对角化过程提供高质量的初始向量，提升DMRG算法的收敛速度。
• 应用马歇尔符号法则——反铁磁海森堡模型基态的一个已知性质——以构建物理上合理的初始向量。
• 在非平凡的量子自旋体系（具体为S=2 Haldane链）中，展示该加速方法的可行性与实际影响。

提出的方法

• 利用马歇尔符号法则，该法则规定了反铁磁海森堡模型中基态波函数的符号模式，以构建用于迭代对角化的物理信息初始向量。
• 利用马歇尔法则所得的符号结构，构建一个能紧密逼近真实基态的初始向量，从而减少Krylov子空间迭代的次数。
• 在DMRG算法的链生长阶段，将此改进的初始向量集成到标准DMRG流程中，该阶段的对角化计算最为耗时。
• 将该方法应用于S=2 Haldane链，以测试其在具有已知Haldane能隙体系中的性能表现。
• 比较标准DMRG与采用基于符号法则的初始向量的改进版本在收敛速度（迭代次数）上的差异。

实验结果

研究问题

• RQ1 马歇尔符号法则能否用于生成有效的初始向量，以加速DMRG中的迭代对角化？
• RQ2 基于符号结构的初始向量在多大程度上可减少对角化迭代次数？
• RQ3 该加速方法在长量子自旋链的迭代生长过程中是否仍保持有效性和高效性？
• RQ4 在S=2 Haldane链这一物理上相关的模型中，采用符号法则初始向量的DMRG性能与标准DMRG相比如何？

主要发现

• 利用马歇尔符号法则构建初始向量可将迭代对角化步骤减少至10步以下，某些情况下甚至低至2步，显著加速了DMRG过程。
• 该方法在DMRG计算中实现了数量级的加速，尤其在对角化主导运行时间的链生长阶段效果显著。
• 该加速方法在S=2 Haldane链中表现稳健且高效，该体系具有非平凡的Haldane能隙，证明了其实际应用潜力。
• 该方法通过改进对角化步骤的收敛性，而非改变算法结构本身，与怀特（White）原始DMRG加速技术形成互补。