Estoy aprendiendo DMRG recientemente. Noté que hay muchos documentos tanto en el enfoque DMRG como en el enfoque MPS (como el estado del producto de matriz variacional (VMPS) de F. Verstraete y JICirac). En mi opinión, no hay una gran diferencia entre estos dos enfoques. Una pregunta que se puede simular con MPS también se puede hacer con DMRG. Entonces, en la computación práctica en sistemas 1D, creo que se prefiere DMRG por su simplicidad. ¿Tiene el enfoque mps una ventaja típica frente a DMRG en la simulación práctica?
El estado del producto de matriz (MPS) es una forma de escribir estados cuánticos de muchos cuerpos. Es una representación natural para infinitos estados 1D que la entropía de entrelazamiento bipartito obedece a la ley del área ( ). Esto no significa que no pueda representar sistemas finitos que no sean 1D y , donde L es alguna dimensión del sistema. Dependiendo de la dimensionalidad y el tamaño del sistema, un MPS puede aproximarse más o menos eficientemente al estado completo.
Es importante comprender que, si bien es posible describir el estado completo de muchos cuerpos con precisión usando mucha menos información que la que tiene el estado completo ("mucha" significa exponencialmente menos), no es obvio que sea posible hacerlo dentro de un algoritmo exponencialmente más eficiente que la diagonalización exacta.
El grupo de renormalización de la matriz de densidad (DMRG) es un método eficiente para encontrar la representación MPS óptima del estado de muchos cuerpos. Por ejemplo, puede apuntar con precisión a estados fundamentales de sistemas 1D con brechas. Sin embargo, eso solo roza la superficie de su aplicabilidad. Es importante señalar aquí que DMRG puede apuntar a estados generales que pueden ser bien aproximados por MPS y no solo a estados básicos, sin embargo, para hacer eso, debe hacer Shift-Inversion con algunos solucionador Recientemente ha habido mucho progreso en la investigación en esta dirección, utilizando el método DMRG para apuntar a estados altamente excitados (densidad de energía finita) en sistemas de localización de muchos cuerpos (MBL), y el método ahora se llama DMRG-X (con "X" representa estados excitados). También es importante señalar que DMRG puede no ser el algoritmo más eficiente, pero es el algoritmo más común para optimizar MPS.
MPS son funciones de onda ansatz que deben optimizarse para describir el estado fundamental de un hamiltoniano determinado.
DMRG es uno de los mejores métodos que tenemos para optimizar el MPS. Por lo tanto, puede pensar en MPS como un marco y DMRG como un algoritmo. Por supuesto, no es así como históricamente se desarrollaron las cosas, pero esa es la reinterpretación actual.
Creo que mps es la estructura interna de DMRG. Y también mps es la razón por la que DMRG puede tener éxito por su captura de bajo enredo de sistemas 1D. Al considerar los sistemas en condiciones de PBC, VMPS puede lograr resultados mucho mejores que DMRG. De alguna manera, creo que DMRG no es más que una versión especial del enfoque VMPS. La teoría de DMRG radica en mps.
Meng Cheng
Sr. no