[论文解读] Worm Algorithm for Problems of Quantum and Classical Statistics

Nikolay Prokof’ev, Boris Svistunov|Scholarworks (University of Massachusetts Amherst)|Oct 8, 2009

Forecasting Techniques and Applications被引用 9

一句话总结

本文提出虫子算法（worm algorithm）作为一种强大的蒙特卡罗方法，用于模拟具有拓扑约束的量子和经典统计系统，通过将配置空间扩展至包含开放环路，实现了路径积分和非对角关联函数的高效采样。该方法成功克服了强关联玻色子系统中由于长程相互作用和无序导致的临界慢化和遍历性问题。

ABSTRACT

This is a chapter of the multi-author book "Understanding Quantum Phase Transitions," edited by Lincoln Carr and published by Taylor and Francis. In this chapter, we give a general introduction to the worm algorithm and present important results highlighting the power of the approach

研究动机与目标

• 解决量子和经典系统在复杂拓扑约束下的蒙特卡罗模拟中的遍历性问题。
• 克服路径积分和高温展开表示中由于非局部约束导致的大系统中临界慢化和采样效率低下问题。
• 实现对非对角关联函数（如单粒子格林函数）的精确计算，这些量在标准局域更新方法中无法获得。
• 提供一种通用、灵活且无偏的框架，适用于多种多体系统，包括相互作用玻色子、自旋系统以及无序或长程相互作用的模型。
• 确立虫子算法作为特定模型簇算法的首项原理替代方案，尤其适用于强关联系统。

提出的方法

• 将统计算符映射为虚时路径积分表示，其中配置为粒子或占据数的世界线。
• 引入一个扩展的配置空间，同时包含闭合环路（用于配分函数）和开放环路（用于关联函数），并将开放端标记为“虫子”。
• 仅在虫子端点执行局部更新，使算法即使在存在拓扑约束的情况下也能探索整个配置空间。
• 利用虫子的位置和方向定义马尔可夫链，高效采样完整的路径积分空间，包括绕数和交换环。
• 实现定向或引导环变体以抑制“反弹”现象，提高混合效率，增强性能和普适性。
• 将该算法应用于多种模型，包括晶格玻色子、连续空间系统以及DCP作用量，使用流图和有限尺寸标度分析相变。

实验结果

研究问题

• RQ1 如何在具有非局部拓扑约束（如绕数和交换环）的配置空间中高效进行蒙特卡罗采样？
• RQ2 虫子算法在大系统中克服临界慢化和遍历性问题的机制是什么？
• RQ3 虫子算法能否在标准方法失效的系统中准确计算非对角关联函数（如单粒子格林函数）？
• RQ4 具有长程相互作用的DCP模型中的量子相变本质是什么？虫子算法如何揭示其普适类？
• RQ5 在强关联玻色子系统中，虫子算法与特定模型簇算法相比，在性能和普适性方面表现如何？

主要发现

• 虫子算法成功消除了具有拓扑约束（如绕数和交换环）系统中的遍历性问题和临界慢化。
• DCP作用量的流图有限尺寸标度显示，其数据可坍缩为具有有限斜率的主曲线，表明为连续相变，但进一步分析揭示在强耦合下存在弱一阶相变。
• 在 $ g = 1.65 $ 时，随着系统尺寸增大，能量分布呈现清晰的双模态，证实了在小 $ g $ 情况下相边界处存在弱一阶相变，且在长度尺度 $ ho \to \rho_{\text{max}} \to \frac{1}{g} \to \infty $ 下表现出普适行为。
• 虫子算法首次实现了对具有长程相互作用、无序和强关联的强关联玻色子系统的无偏、首项原理模拟，性能优于现有方法。
• 该方法现已成为高级晶格蒙特卡罗算法的标准组件，包括在随机级数展开方案中，成功解决了临界慢化问题。
• 虫子算法的定向或引导环变体显著提升了性能和普适性，使其成为凝聚态物理和高能物理中广泛应用的最优方法。