type
status
date
slug
summary
tags
category
icon
password
1. 密度矩阵回顾
1.1 纯态和混态
纯态:用希尔伯特空间的一个矢量描写。
两个纯态 和 通过叠加可以得到另一个状态 :
这个态是一种全新的态,相干叠加态,也是一个纯态。
对于纯态,不存在系统处于某个态的概率是多少!
混态:系统并不处在一个确定的态中,而是有可能处于 , , 等各个态中,分别有概率 , , , 这种状态无法用一个确定的态矢量来表示。
只能用这种方法来表示这个态:
对于混态,可以说系统处于某个态的概率是多少!
从统计规律性的角度来看,由纯态所描写的统计系统称为纯粹系综;而由混态所描写的系综是混态系综。
1.2 密度算符和密度矩阵
1.2.1 密度算符
我们希望找到一个单一的量去描述混态,这个量就是密度算符。
先从纯态开始,以前我们都是用希尔伯特空间中的一个态矢 来描写状态 . 现在,从求一个物理量 的平均值开始,设法找出另一种描写纯态的量。 在状态 中的平均值可以写成
取一组基矢 , 并利用其完备性关系 , 有
其中 , 称为密度算符。进一步看物理量 在状态 中取值 的概率 :
这个概率是密度算符在本征态 中的平均值。综上,对一个纯态给出的信息,都可以用对应的密度算符给出。因此,密度算符 是可以完全替代态矢量 来描写纯态的另一种数学量!
现在求物理量 在混态中的平均值。在混态中,一个物理量求平均值要通过两次手续:第一次是量子力学的平均,求出 在每一个 中的平均值 ;第二次是统计物理的平均,求出各量子平均以不同概率 出现的平均,即
同样,利用完备性关系,上式变为
其中 称为混态的密度算符。同样,混态中物理量 取值 的概率应为量子力学和统计物理的乘积之和
由上,我们可以看到,由密度算符 代表的状态来计算纯态和混态的期望值与概率的表达式完全一样。因此,我们找到了这个量去描写混态!相对于用态矢,更加方便。
1.2.2 密度算符的性质
首先,它是厄米的。利用在任意表象中的矩阵来证明。
其次,对于密度算符的迹,有
1.2.3 约化密度矩阵
对于一个大系统,而希望求平均值的那个物理量只与系统的一部分有关。例如,对于两粒子 构成的系统,希望求粒子 的某一物理量 的平均值。这时,上述内容可以简化。
设粒子 和 各有一组基矢 和 ,则在粒子 和 子空间的直积空间中,系统的态矢的一般形式为
处于纯态 时,系统的密度算符是
其中 是粒子1的指标, 是粒子2的指标。对应的密度矩阵元 . 现在求粒子 的某一物理量 的平均值
由于 只作用在粒子 的子空间上,所以
其中 称为描述粒子 的约化密度算符,它在粒子 的某一表象中的矩阵称为描述粒子 的约化密度矩阵,由上面推导可知
这一表示与粒子 完全无关,是一个只在粒子 的空间中间关系。
2. 问题
在求解 量子多体系统 的 张量网络 系列算法中,我们会遇到这样一个问题:
给定一个求和形式的算符,如何计算对应的矩阵乘积分解(matrix product factorization)?
在 变分矩阵乘积态/密度矩阵重整化群(DMRG) 算法中,我们需要用到哈密顿量对应的矩阵乘积算符(Matrix product operator, MPO)

3. MPO构建 — 用有限状态自动机生成矩阵乘积算符
有限状态自动机(Finite automata,FA)是一种计算数学模型,可以看作一种受限的图灵机。
借助 FA 的概念,我们可以直接写出平移对称系统的 MPO。规则是
1. 在初始 / 终末节点建立一条通过单位元直接回到自己的路径(标志着平移对称性);
2. 对于 平移对称单元内 求和的每一项,建立一条从初始节点到终末节点的路径。
下面通过例子来阐明这一过程。
Example 1: Infinite TFI chain
对应的FA是(省略系数)

用 有限状态自动机 的语言来说,以上 FA 只接受
有且仅有两个 Z 或 有且仅有一个 X (其它全是 identity)的指令序列。
根据
节点=指标,边指令=矩阵元
可以写出 TFI chain 的 MPO 为
实际上,把该 FA 展开成重复的平移单元

得到有限大小的有向图。
Example 2: Infinite ANNNI Model
对应的 FA 可以是(省略了系数)

对应的 MPO 为
展开成重复的平移单元为

从上图的两端可以看出
在有超过最近邻相互作用的情况下, MPO 两端的 bond dimension 可能会逐渐地减小(而不是直接取行向量 / 列向量)。
Example 3: Infinite XX model
对应的 FA 可以是(省略了系数)

对应的 MPO 为
实际上,把该 FA 展开成重复的平移单元

这样每个 MPO 记为 可以写成 (python),其中 为虚拟指标, 为物理指标
- Author:Leoy
- URL:https://www.leoy.uk/article/1dadf97d-388e-80fd-aa98-d2d86e890c9e
- Copyright:All articles in this blog, except for special statements, adopt BY-NC-SA agreement. Please indicate the source!