Continuación analítica numérica para la función de Green

Recientemente, escuché sobre la posibilidad de hacer una continuación analítica numéricamente . Eso suena atractivo para los ubicuos. i ω norte ω + i 0 + procedimiento, mediante el cual pasamos de las funciones de Matsubara Green a las retardadas.

Entonces, mi pregunta es sobre cualquier información sobre tales algoritmos de continuación analíticos numéricos. ¿Cómo se hace? O, al menos, ¿dónde puedo encontrar una descripción detallada de la misma? ¡Gracias de antemano!

Para ser más específico, en mi problema, puedo evaluar una función de correlación de Matsubara en una serie de frecuencias de Bose Matsubara. Quiero encontrar una forma de obtener la continuación analítica, es decir, la función de correlación en términos de energía/frecuencia real. ¿Hay alguna receta simple ampliamente aceptada para esto?

¿Puedes agregar un enlace o una referencia para esto, suena interesante?
¿Puedes ser más específico sobre lo que realmente quieres tratar? De lo contrario, obtendrá la misma lista de métodos que encuentra en la publicación que le di: 'Aproximaciones de Pade, descomposición de valores singulares, regularización estocástica y esquemas de muestreo'. Supongo que nadie va/podrá dar más detalles sobre todos ellos.
@FitzgeraldCreen ¡Muchas gracias por tu respuesta! ¿Es esta versión lo suficientemente específica?
Cuando tenga una expresión numérica sin errores estadísticos como de algún esquema de perturbación donde solo tiene que hacer una suma integral o de momento numéricamente, debe probar Pade primero (la receta ampliamente aceptada, simple y falible :). Ya existen implementaciones de esto, por ejemplo, en la biblioteca TRIQS. Instalar TRIQS es una molestia, pero una vez que lo haya hecho, puede usar fácilmente su implementación de Pade. Consulte la documentación: ipht.cea.fr/triqs/reference/python/green/block/…

Respuestas (1)

Existe una variedad de opciones para esta tarea, pero permítanme enfatizar primero que este es un tema extremadamente complicado y difícil que aún es objeto de investigación actual porque la continuación analítica es un problema mal planteado .

1) La continuación analítica 'analítica' se puede realizar cuando la función F ( i ω ) bajo consideración es una función racional de i ω . Entonces

F ( i ω ) = 1 i ω
se puede continuar hasta el plano complejo i ω z C mientras
F ( i ω ) = mi i ω β i ω
no es una función racional de i ω y hacer el reemplazo aquí es un error. En cambio, uno necesita evaluar primero la exponencial y encontrar mi i ω β = ± 1 dependiendo de las estadísticas.

2) Directamente inferido de esta regla de reemplazo viene la expansión de una función en una serie finita de Laurent

F ( z ) = norte = metro 1 metro 2 a norte z norte , metro 1 , metro 2 Z
donde los coeficientes pueden calcularse a partir de los valores numéricos conocidos en metro 2 metro 1 Energías Matsubara.

3) Uno de los métodos más antiguos para hacer una continuación analítica numérica es la aproximación de Pade. La función en cuestión se expande en una fracción continua

F ( z ) = b 0 + a 1 z 1 a 2 z 1 a 3 z 1 . . . .
Los coeficientes se pueden calcular a partir de una tabla de Pade, consulte http://en.wikipedia.org/wiki/Pad%C3%A9_table

El método 1) es exacto y distinto de los cálculos casi triviales de poco valor práctico. 2) y 3) sufren efectos de corte debido a la cantidad limitada de puntos de Matsubara disponibles en los que el valor de la función también puede tener un error numérico, como es el caso de los datos de los cálculos de Quantum Monte Carlo. Pero, de hecho, la continuación analítica es muy volátil hacia los efectos de corte y ruido . Aquí es donde deben tenerse en cuenta las consideraciones físicas .

Para abordar el corte se puede aproximar la cola (grande i ω o respectivamente z expansión) de la función con una forma analítica que a menudo se puede calcular exactamente a partir de los muchos problemas corporales o necesidades físicas generales, por ejemplo, la función de 1-Partícula Verde de un sistema fermiónico siempre tiene la forma 1 z + a 1 z 2 + . . . . La cola se puede usar para calcular un número arbitrario de coeficientes de expansión, pero tenga en cuenta que el interesante espectro de baja energía de su sistema está fuertemente influenciado por pequeñas energías de Matsubara y menos por la cola, por lo que al calcular una gran cantidad de coeficientes de la cola uno gana poco o nada. El tratamiento del ruido estadístico es aún más delicado que el corte y la razón por la que mucha gente trata de evitar el cálculo en el eje de Matsubara por completo .

4) Un método destacado para datos ruidosos es el método de máxima entropía sobre el que puede leer más aquí http://arxiv.org/pdf/1001.4351v1.pdf donde también encontrará referencias a técnicas alternativas.

Una referencia de materia condensada de continuación analítica con Pade: H. Vidberg y J. Serene, J. Low Temp. física 29, 179192 (1977).
¡Muchas gracias por tu buena respuesta! ¿Es la entrada de estos métodos, digamos Pade o máxima entropía, los datos calculados de F ( τ ) o F ( i ω norte ) ? τ es el tiempo imaginario.
Todo lo que he escrito aquí se refiere a frecuencias. Para Pade creo que tienes que apegarte a la imagen de frecuencia, sobre MaxEnt no estoy seguro.
Lamento comentar en una publicación anterior, pero ¿por qué es un error hacer el reemplazo en el exponencial? ¿No tiene una exponencial una serie de Taylor convergente en todas partes y, por lo tanto, la razón es una función racional?
Eso significaría que una función exponencial también podría considerarse como un polinomio, lo cual no es porque la serie de Taylor tiene infinitos términos. La regla de reemplazo solo funciona para polinomios finitos, pero honestamente no soy lo suficientemente matemático para decir por qué. El ejemplo con la exponencial muestra que, en general, es incorrecto realizar el reemplazo de una función no racional.
Hola @FitzgeraldCreen, en realidad he trabajado con varias referencias del formalismo de máxima entropía, y una cosa que todos parecen pasar por alto es por qué el problema de continuación se hace usando la función de respuesta de Green en tiempo imaginario en lugar de la frecuencia de Matsubara. En su respuesta, parece hacer más declaraciones sobre esto que cualquier otra persona (incluso más que los artículos seminales que he intentado leer, por ejemplo, Jarrell, Scalapino, Gull, etc.), pero me preguntaba si puede elaborar un poco más. sobre este punto o tal vez ofrecer algunas referencias donde esto se explica claramente
Para que quede claro, en todos estos documentos, el problema de continuación analítica se presenta a menudo como un problema de inversión de G=KA, es decir, queremos resolver para algún A=(K^-1)G. Ahora, en el eje de tiempo imaginario, K~e^(-ωτ) tiene cierta supresión exponencial en frecuencias altas, por lo que el problema de inversión anterior está mal definido. Mi pregunta es, ¿por qué no podemos simplemente trabajar en el eje de frecuencia imaginario, donde el kernel (K^-1)~(iωn-ω) parece comportarse mucho mejor?
Me alegra que haya encontrado útil mi respuesta inicial, pero no comenté sobre la continuación de tiempos imaginarios, ni sé mucho al respecto. Mi mejor suposición es que también se puede hacer la continuación de las frecuencias, pero al menos formalmente se requieren infinitas y habrá un problema de corte. Dado que a menudo obtenemos los datos de tiempo imaginario directamente de un solucionador de CTQMC, uno evita el problema de corte haciendo la continuación de tiempos imaginarios. Me sorprendería si el cambio a la base de frecuencia ayudara con el kernel que se comporta mal.
@Wai-Ga D Ho: Para obtener más información, solo puedo consultar la literatura sobre AC, que aumenta cada mes. Seguramente conoce el artículo de Sandvik sobre MaxEnt. Hay un gran progreso reciente en la reducción del error de MC y la mejora de AC conocido como 'Representación intermedia' por los autores Otsuki, Shinaoka y otros.