Table of Contents

Matrix Produkt Zustände

Im Folgenden wird die Theorie für die Implementierung der Matrix-Produkt-Zustände (MPS) und der Matrix-Produkt-Operatoren (MPO) beschrieben. Hierbei wird sich stark an den Artikel “The density-matrix renormalization group in the age of matrix product states” von Ulrich Schollwöck1) gehalten.

Definition und Konstruktion von MPS

Betrachtet man eine 1-dimensionale Spin-\(\frac{1}{2}\)-Quantenkette mit \(L\) Plätzen und offenen Rändern, die an jedem Platz \(i\) den Zustand \(\sigma_i=\{\uparrow, \downarrow\}\) annehmen kann, so kann man den Quantenzustand auf dieser Kette als Summe über die Basiszustände darstellen:

\begin{align} \lvert\psi\rangle = \sum_{\sigma_1, \ldots, \sigma_L} c_{\sigma_1\ldots\sigma_L} \lvert {\sigma_1, \ldots, \sigma_L} \rangle \end{align} Hierbei sind die Koeffizienten \(c_{\sigma_1\ldots\sigma_L} \in \mathbb{C}\). Die Anzahl der Koeffizienten $c_{\sigma_1\ldots\sigma_L}$ steigt exponentiell (\(2^L\)) mit der Länge der Kette an. MPS stellen jeden dieser Koeffizienten als Matrix-Produkt dar, die Matrizen sind hierbei nur lokal für jeweils einen Platz definiert. Um einen MPS aus einem bekannten Quantenzustand mit Koeffizienten \(c_{\sigma_1\ldots\sigma_L} \in \mathbb{C}\) zu erzeugen, müssen im ersten Schritt die \(2^L\) Koeffizienten in eine Matrix \(c^\prime\) der Dimension \(2 \times 2^{L-1}\) umsortiert werden: \begin{align} c_{\sigma_1\ldots\sigma_L}^{\phantom\prime} = c_{\sigma_1, (\sigma_2\ldots\sigma_L)}^\prime \end{align} Auf die Matrix \(c^\prime\) wird dann eine Single-Value-Decomposition (SVD)2) angewandt: \begin{align} c_{\sigma_1, (\sigma_2\ldots\sigma_L)}^\prime = \sum_{a_1}^{r_1} U_{\sigma_1, a_1}^{\phantom\prime} S_{a_1, a_1}^{\phantom\prime} (V^{\phantom\prime\dagger})_{a_1, (\sigma_2\ldots\sigma_L)} \end{align} Aus \(S\) und \(V^\dagger\) wird ein neues \(\tilde c_{a_1\sigma_2\ldots\sigma_L}^\prime\) erzeugt, welches dann wiederum in eine Matrix \(c_{(a_1\sigma_2),(\sigma_3\ldots\sigma_L)}^{\prime\prime}\) umsortiert wird. Darüber hinaus wird die Matrix \(U\), für die \(U^\dagger U = \mathbb{1}\) gilt, in zwei \(A^{\sigma_1}\)-Matrizen umsortiert. Die Einträge der \(A\)-Matrix ergeben sich zu \(A^{\sigma_1}_{1,a_1}=U_{\sigma_1,a_1}\).
Man erhält: \begin{align} c_{\sigma_1,\ldots\, \sigma_L}=\sum_{a_1}A_{1,a_1}^{\sigma_1}c_{(a_1\sigma_2),(\sigma_3\ldots\sigma_L)}^{\prime\prime} \end{align} Nun wird auf \(c_{(a_1\sigma_2),(\sigma_3\ldots\sigma_L)}^{\prime\prime}\) wiederum eine SVD angewandt. Das \(S\) und \(V^\dagger\) werden wieder zu einer Matrix zusammengefasst und das entstehende \(U\) wieder in zwei \(A\)-Matrizen umsortiert. Die Einträge ergeben sich jetzt zu \(A^{\sigma_2}_{a_1,a_2} = U_{(a_1\sigma_2), a_2}\).
Dies wird solange wiederholt, bis der Platz \(L-1\) erreicht ist. An dieser Stelle hat man dann: \begin{align*} c_{\sigma_1,\ldots\, \sigma_L} &=\sum_{a_1}\cdots\sum_{a_{l-1}}A_{1,a_1}^{\sigma_1}\cdots A_{a_{l-2},a_{l-1}}^{\sigma_{l-1}}\underbrace{c_{(a_{l-1}\sigma_{l}), (\sigma_{l+1}\ldots\sigma_L)}^{\prime\cdots\prime}}_{M_{a_{L-1},a_L}^{\sigma_L}}\newline &=A^{\sigma_1}\cdots A^{\sigma_{L-1}}M^{\sigma_L} \end{align*} Hierbei erfüllen alle \(A\)-Matrizen die Bedingung für links-Normierung \(\sum_{\sigma_l}A^{\sigma_l\dagger}A^{\sigma_l}= \mathbb{1}\). Analog dazu kann man einen rechts-normierten MPS erzeugen, indem man \(V^\dagger\) in \(B\)-Matrizen umformt und \(U\) und \(S\) jeweils weiterverwendet. Alle \(B\)-Matrizen erfüllen dann die Bedingung für rechts-Normierung \(\sum_{\sigma_l}B^{\sigma_l}B^{\sigma_l\dagger}= \mathbb{1}\). Einen gemischt-normierten Zustand erhält man, wenn man von beiden Seiten beginnt und am Platz \(l\) das \(U\) und das \(S\) bzw. das \(S\) und das \(V^\dagger\) zu einer Matrix \(M\) umformt. Die Matrix \(M^{\sigma_l}\) erfüllt keine Normierungsbedingung.
Ein so entwickelter MPS ist eine exakte Darstellung des Zustandes. Ein entscheidender Vorzug der MPS besteht aber darin, dass man die maximale Dimension \(d_{\text{max}}\) der Matrizen begrenzen kann und trotzdem eine sehr gute Näherung an den exakten Zustand erhält.

Skalarprodukt

Das Skalarprodukt stellt sich in MPS-Schreibweise folgendermaßen dar: \begin{equation*} \langle \phi \lvert \psi \rangle = \sum_{\boldsymbol{\sigma\sigma^\prime}}\langle \boldsymbol{\sigma^\prime} \lvert \tilde{M}^{\sigma_1^\prime *}\cdots\tilde{M}^{\sigma_L^\prime *}M^{\sigma_1^{\phantom\prime}}\cdots M^{\sigma_L^{\phantom\prime}}\lvert \boldsymbol{\sigma} \rangle \end{equation*} Dies lässt sich, da die \(\sigma_i^{\phantom\prime}\) orthogonale Basisvektoren sind, zusammenfassen zu \begin{equation*} \langle \phi \lvert \psi \rangle = \sum_{\boldsymbol{\sigma}}\tilde{M}^{\sigma_1*}\cdots\tilde{M}^{\sigma_L *}M^{\sigma_1}\cdots M^{\sigma_L} \end{equation*} Um diesen Ausdruck zu berechnen, müsste man \(2^L\) Matrixprodukte summieren, die jeweils aus \(2L-1\) Matrixmultiplikationen bestehen. Das bedeutet, dass der Aufwand exponential mit der Länge der Kette steigt. Wenn man den Ausdruck allerdings umschreibt, reduziert sich der Aufwand auf \(2L\) Additionen und \(4L-2\) Matrixmultiplikationen, was einem polynomial zur Kettenlänge steigenden Aufwand entspricht: \begin{equation*} \langle \phi \lvert \psi \rangle = \sum_{\sigma_L}\tilde{M}^{\sigma_1\dagger}\left(\cdots\left(\sum_{\sigma_2}\tilde{M}^{\sigma_2\dagger}\left(\sum_{\sigma_1}\tilde{M}^{\sigma_1\dagger}M^{\sigma_1}\right)M^{\sigma_2}\right)\cdots\right) M^{\sigma_L} \end{equation*}

Matrix-Produkt-Operator (MPO)

Jeder Operator kann als Matrix-Produkt-Operator geschrieben werden: \begin{eqnarray*} \hat O & = & \sum_{\boldsymbol{\sigma}, \boldsymbol{\sigma^{\prime}}} c_{(\sigma_1^{\phantom\prime}\ldots\sigma_L^{\phantom\prime})(\sigma_1^{\prime}\ldots\sigma_L^{\prime})} \lvert {\boldsymbol{\sigma}} \rangle \langle {\boldsymbol{\sigma'}} \lvert \newline & = & \sum_{\boldsymbol{\sigma}, \boldsymbol{\sigma^{\prime}}} c_{(\sigma_1^{\phantom\prime}\sigma_1^{\prime})\ldots(\sigma_L^{\phantom\prime}\sigma_L^{\prime})} \lvert {\boldsymbol{\sigma}} \rangle \langle {\boldsymbol{\sigma^{\prime}}} \lvert \newline & = & \sum_{\boldsymbol{\sigma}, \boldsymbol{\sigma^{\prime}}} W^{\sigma_1^{\phantom\prime}\sigma_1^{\prime}}\ldots W^{\sigma_L^{\phantom\prime}\sigma_L^{\prime}} \lvert {\boldsymbol{\sigma}} \rangle \langle {\boldsymbol{\sigma^{\prime}}} \lvert \newline \end{eqnarray*} Hierbei nehmen die \(W\)-Matrizen die Rolle der \(M\)-Matrizen eines MPS ein. Der Unterschied besteht darin, dass sie einen weiteren Index und somit eine weitere Dimension besitzen.

MPO-Anwendung

Beim Anwenden eines MPO auf einen MPS kann der Ausdruck wieder stark zusammengefasst werden: \begin{eqnarray*} \hat O \lvert \psi \rangle & = & \sum_{\boldsymbol{\sigma}, \boldsymbol{\sigma^{\prime}}, \boldsymbol{\sigma^{\prime\prime}}} (W^{\sigma_1^{\phantom\prime}\sigma_1^{\prime}}\ldots W^{\sigma_L^{\phantom\prime}\sigma_L^{\prime}})(M^{\sigma_1^{\prime\prime}}\cdots M^{\sigma_L^{\prime\prime}})\lvert {\boldsymbol{\sigma}} \rangle \underbrace{\langle {\boldsymbol{\sigma^\prime}} \lvert {\boldsymbol{\sigma^{\prime\prime}}} \rangle}_{\delta_{\sigma^{\prime}\sigma^{\prime\prime}}} \newline & = & \sum_{\boldsymbol{\sigma}, \boldsymbol{\sigma^{\prime}}} (W^{\sigma_1^{\phantom\prime}\sigma_1^{\prime}}\ldots W^{\sigma_L^{\phantom\prime}\sigma_L^{\prime}})(M^{\sigma_1^{\prime\prime}}\cdots M^{\sigma_L^{\prime\prime}})\lvert {\boldsymbol{\sigma}} \rangle \newline & = & \sum_{\boldsymbol{\sigma}} \tilde{M}^{\sigma_1^{\phantom\prime}}\cdots \tilde{M}^{\sigma_L^{\phantom\prime}} \lvert\boldsymbol{\sigma}\rangle = \lvert \tilde\psi\rangle \end{eqnarray*} Die Einträge der \(\tilde{M}\)-Matrix sind gegeben durch: \begin{equation*} \tilde{M}^{\sigma_i^{\phantom\prime}} = \sum_{\sigma_i^{\prime}}W^{\sigma_i^{\phantom\prime}\sigma_i^{\prime}}_{b_{i-1},b_i}M^{\sigma_i^{\prime}}_{a_{i-1}, a_i} \end{equation*} \(\lvert \tilde\psi\rangle\) stellt somit wiederum einen MPS dar. Allerdings ist die Dimension der \(\tilde{M}\)-Matrizen das Produkt der Dimensionen der MPS-Matrizen und der MPO-Matrizen.
Auf diesem Weg lässt sich der Erwartungswert eines Operators bestimmen: \begin{equation*} \langle \psi \lvert \hat O \lvert \psi \rangle = \langle \psi \lvert \tilde \psi \rangle \end{equation*} Wiederholtes Anwenden eines MPO auf einen MPS führt dazu, dass die Dimension des entstehenden MPS immer weiter ansteigt.

Hamilton-Operator

Da sich jeder Operator als MPO darstellen lässt, muss dies auch für einen Hamilton-Operator \begin{equation*} \hat H = J\sum_{i=1}^{L-1}\frac{1}{2}\hat S_i^+\hat S_{i+1}^- + \frac{1}{2}\hat S_i^-\hat S_{i+1}^+ + J^z\hat S_i^z\hat S_{i+1}^z-h_z\sum_i^L \hat S_i^z-h_x\sum_i^L \hat S_i^x \end{equation*} gelten. Hierbei stehen \(J\) und \(J^z\) für die Kopplungskonstanten der Spins und \(h^z\) und \(h^x\) für Stärke der Magnetfelder in der entspechenden Richtung. Dass sich dieser MPO allerdings explizit, mit einer geringen Dimension, konstruieren lässt, ist der Tensor-Produkt-Struktur des Hamilton-Operators zu verdanken: \begin{equation*} \hat H = J^z\hat S_1^z\otimes\hat S_2^z\otimes\hat I_3\otimes\hat I_4\ldots + \hat I_1\otimes J^z\hat S_2^z\otimes\hat S_3^z\otimes\hat I_4\ldots+\ldots \end{equation*} Um den Hamilton-Operator als MPO konstruieren zu können, muss dieser zunächst in Operatoren, die jeweils auf einen Platz wirken, zerlegt werden. Hierzu werden die Operatoren \begin{equation*} \hat W^{\left[i\right]}=\sum_{\sigma^{\phantom\prime}_i, \sigma^\prime_i}W^{\sigma_i^{\phantom\prime}\sigma_i^\prime}\lvert\sigma_i^{\phantom\prime}\rangle\langle\sigma_i^{\prime}\lvert \end{equation*} eingeführt. Diese haben, für den oben beschriebenen Hamiltonian, folgende Form: \begin{equation*} \hat W^{\left[i\right]} = \begin{bmatrix} \hat I & 0 & 0 & 0 & 0\newline \hat S^+ & 0 & 0 & 0 & 0\newline \hat S^- & 0 & 0 & 0 & 0\newline \hat S^z & 0 & 0 & 0 & 0\newline -h_z\hat S^z-h_x\hat S^x & (J/2)\hat S^- & (J/2)\hat S^+ & J^z\hat S^z & \hat I \end{bmatrix} \end{equation*} Zwei Ausnahmen bilden die Operatoren für den ersten und den letzten Platz: \begin{equation*} \hat W^{\left[1\right]} = \begin{bmatrix} -h_z\hat S^z-h_x\hat S^x & (J/2)\hat S^- & (J/2)\hat S^+ & J^z\hat S^z & \hat I \end{bmatrix} \quad \hat W^{\left[L\right]} = \begin{bmatrix} \hat I \newline \hat S^+ \newline \hat S^- \newline \hat S^z \newline -h_z\hat S^z-h_x\hat S^x \end{bmatrix} \end{equation*} Entsprechend der Konstruktion der \(\hat W^{\left[i\right]}\) können die \(W^{\sigma_i^{\phantom\prime},\sigma_i^\prime}\) bestimmt werden: \begin{equation*} \hat W^{\sigma_i^{\phantom\prime}\sigma_i^{\prime}}_{j, k} = \langle\sigma_i\lvert \hat W^{\left[i\right]}_{j, k} \lvert \sigma_i'\rangle \end{equation*}

©: This site was created by Thomas Köhler

1)
Schollwöck, Ulrich: The density-matrix renormalization group in the age of matrix product states. In: Annals of Physics 326 (2011), Nr. 1, S. 96 – 192. – URL http://www.sciencedirect.com/science/article/pii/S0003491610001752. – January 2011 Special Issue. – ISSN 0003-4916
2)
Deuflhard, P. ; Hohmann, A.: Numerische Mathematik I: eine algorithmisch orientierte Einführung. De Gruyter, 2002 (De Gruyter Lehrbuch v. 1). – URL http://books.google.com/books?id=6pcxZMeSpj8C. – ISBN 9783110171822