DOI: https://doi.org/10.1103/z7sk-7sq8
تاريخ النشر: 2026-03-06
المؤلف: Xinliang Lyu وآخرون
الموضوع الرئيسي: أنظمة الكم ذات الجسيمات المتعددة
نظرة عامة
يتناول هذا القسم التقدم في طرق مجموعة إعادة التدوير لشبكة التنسور (TNRG)، مع التركيز بشكل خاص على دمج تماثيل الشبكة، وبالتحديد تماثل انعكاس الشبكة، في خوارزميات TNRG للأنظمة ثنائية الأبعاد (2D) وثلاثية الأبعاد (3D). يقترح المؤلفون نهجًا جديدًا يحدد تماثل انعكاس الشبكة ضمن إطار شبكة التنسور ويقدم حيلة النقل لتنفيذ هذا التماثل بشكل فعال خلال العمليات الرئيسية لـ TNRG، مثل الاقتطاعات التقديرية وترشيح التشابك.
من خلال تطبيق هذه الحيلة، يوضح المؤلفون الخوارزميات لخرائط TNRG التي تحافظ على تماثل انعكاس الشبكة، مما يسمح بالاستخراج المنهجي لأبعاد القياس ضمن قطاعات تماثل انعكاس الشبكة المتميزة. لا تعزز هذه العمل فقط كفاءة TNRG في دراسة الظواهر الحرجة ولكنها أيضًا تضع الأساس لاستكشافات مستقبلية لتماثل دوران الشبكة في TNRG، مما يوسع من قابلية تطبيق هذه الطرق في تحليل الحرجة في أنظمة الشبكة المختلفة.
نقاش
في هذا القسم، يناقش المؤلفون تنفيذ الاقتطاعات التقديرية في تحويلات التنسور الكتلية، مع التركيز بشكل خاص على طريقة مجموعة إعادة التدوير للتنسور من الدرجة الأعلى (HOTRG). تسهل الاقتطاعات التقديرية استخدام التنسورات المتساوية لدمج أرجل التنسور المتعددة، مما يسمح بالتقريب الفعال لشبكات التنسور. يوضح المؤلفون بناء التنسورات المتساوية، التي تلبي الشرط \( p^\dagger p = 1 \)، وكيف يتم استخدام هذه التنسورات لتقريب دالة التقسيم لشبكة تنسور على شكل مربع. يتم تحديد خطأ التقريب باستخدام معيار فروبينياس، مما يؤدي إلى استراتيجية لاختيار التنسورات المتساوية التي تقلل من هذا الخطأ.
يستفيض المؤلفون في الحديث عن الكفاءة الحسابية لتحويل التنسور الكتلي الشبيه بـ HOTRG، والذي يقلل من تعقيد انقباضات التنسور. يقدمون مخطط ترشيح التشابك (EF) الذي يستغل تماثيل الشبكة لتعزيز دقة تمثيل شبكة التنسور. هذا المخطط EF مستقل عن الرسم البياني ويمكن تطبيقه في كل من السياقات ثنائية وثلاثية الأبعاد، مما يسمح بالإزالة الفعالة للتشابك الزائد. يختتم القسم بمناقشة حول الحفاظ على تماثل انعكاس الشبكة في عمليات مجموعة إعادة التدوير لشبكة التنسور (TNRG)، مع التأكيد على أهمية مصفوفات SWAP-gauge في الحفاظ على التماثل خلال التحولات.
DOI: https://doi.org/10.1103/z7sk-7sq8
Publication Date: 2026-03-06
Author(s): Xinliang Lyu et al.
Primary Topic: Quantum many-body systems
Overview
The section discusses advancements in Tensor-Network Renormalization Group (TNRG) methods, particularly focusing on incorporating lattice symmetries, specifically lattice-reflection symmetry, into TNRG algorithms for both two-dimensional (2D) and three-dimensional (3D) systems. The authors propose a novel approach that defines lattice-reflection symmetry within the tensor-network framework and introduces a transposition trick to effectively implement this symmetry during key TNRG operations, such as projective truncations and entanglement filtering.
By applying this transposition trick, the authors detail the algorithms for TNRG maps that maintain lattice-reflection symmetry, allowing for the systematic extraction of scaling dimensions within distinct lattice-reflection sectors. This work not only enhances the efficiency of TNRG in studying critical phenomena but also sets the groundwork for future explorations of lattice-rotation symmetry in TNRG, thereby broadening the applicability of these methods in analyzing criticality in various lattice systems.
Discussion
In this section, the authors discuss the implementation of projective truncations in block-tensor transformations, particularly focusing on the higher-order tensor renormalization group (HOTRG) method. Projective truncations facilitate the use of isometric tensors to fuse multiple tensor legs, allowing for effective coarse-graining of tensor networks. The authors detail the construction of isometric tensors, which satisfy the condition \( p^\dagger p = 1 \), and how these tensors are utilized to approximate the partition function of a square-lattice tensor network. The approximation error is quantified using the Frobenius norm, leading to a strategy for selecting isometric tensors that minimizes this error.
The authors further elaborate on the computational efficiency of the HOTRG-like block-tensor transformation, which reduces the complexity of tensor contractions. They introduce an entanglement filtering (EF) scheme that exploits lattice symmetries to enhance the accuracy of the tensor network representation. This EF scheme is graph-independent and can be applied in both 2D and 3D contexts, allowing for the effective removal of redundant entanglement. The section concludes with a discussion on the preservation of lattice-reflection symmetry in tensor network renormalization group (TNRG) processes, emphasizing the importance of SWAP-gauge matrices in maintaining symmetry during transformations.