来源论文: https://arxiv.org/abs/2604.10284v1 生成时间: Apr 14, 2026 18:09

量子场论中变分法的突破：相对论性连续矩阵乘积态（RCMPS）深度解析

0. 执行摘要

Antoine Tilloy教授的这份专著深入探讨了相对论性连续矩阵乘积态（RCMPS）在(1+1)维量子场论（QFT）中解决强耦合非微扰计算问题的应用与发展。面对传统微扰理论和格点蒙特卡洛方法的局限性，变分法提供了一种替代途径，但如何在连续、相对论性的背景下构建满足Feynman要求的合适波函数基底是一个长期挑战。RCMPS通过重新定义物理场的张量积结构，有效解决了相对论性QFT中纠缠熵的UV发散问题，实现了无UV/IR截断的精确基态能量和局域可观测量计算。专著详细介绍了RCMPS的数学形式、计算期望值和梯度的伴随法优化技术，并展示了其在$\phi^4$模型、Sine-Gordon和Sinh-Gordon模型以及多场模型中的卓越表现。此外，文章还介绍了利用线性规划从RCMPS基态中提取谱数据（如粒子质量）的创新方法，并探讨了缺陷算符的计算。尽管RCMPS在处理高维、费米子系统和某些强不可重整化模型方面仍面临挑战，但这项工作为理解和解决强耦合QFT开辟了重要的非微扰计算方向，其方法学上的突破和计算结果的精度令人瞩目。

1. 核心科学问题，理论基础，技术难点，方法细节

核心科学问题：强耦合量子场论的非微扰求解

量子场论（QFT）是描述基本粒子和力的最成功框架之一，但其强耦合区域的非微扰求解一直是一个巨大的挑战。传统的微扰理论仅在耦合常数极小的情况下有效，且面临发散和渐进展开等问题。格点蒙特卡洛方法虽然在QCD等领域取得了显著成功，但也存在自身的局限，如计算精度难以大幅提升、面临“符号问题”（sign problem）以及对时空离散化的依赖。因此，寻找一种普适、高效且能处理强耦合QFT的非微扰方法成为了理论物理研究的核心问题。

变分法是解决这类问题的有力工具。其核心思想是猜测一个包含（或接近）目标状态（通常是基态）的参数化波函数子流形，然后通过最小化哈密顿量期望值来逼近真实基态。Richard Feynman曾对变分法在QFT中的应用持怀疑态度，但同时提出了三个理想的特性，成为了衡量变分方法成功与否的重要标准：

  1. 可扩展性（Extensiveness）：参数数量应随系统大小（或粒子数）线性（或至多多项式）增长，而非指数增长。
  2. 可计算性（Computability）：能够高效计算波函数的期望值，无需显式遍历整个希尔伯特空间。
  3. 短距离正则性（Short-distance regularity）：最小化过程应保持良好定义，不会导致在物理相关尺度上的近似质量因短距离发散而退化。

理论基础：张量网络状态与连续极限

张量网络状态（Tensor Network States, TNS）：在格点量子多体物理中，TNS，特别是矩阵乘积态（Matrix Product States, MPS），已成为模拟一维局域哈密顿量基态的强大工具。MPS能高效地压缩满足“面积律”（area law）的量子态，即纠缠熵与边界长度成正比，而非与体积成正比。这解决了Feynman前两项要求：参数数量随系统大小线性增长，且期望值可高效计算。

连续矩阵乘积态（Continuous Matrix Product States, CMPS）：Cirac和Verstraete在2010年提出了CMPS，将MPS的思想推广到非相对论性QFT的连续极限。CMPS将格点上的张量替换为连续的矩阵场，并用路径有序指数形式表示波函数。对于非相对论性玻色子QFT，CMPS同样满足Feynman的可扩展性和可计算性。然而，它并未完全解决相对论性QFT的UV问题。

相对论性连续矩阵乘积态（RCMPS）：本文的核心贡献是RCMPS，它是为(1+1)维相对论性QFT量身定制的变分方法。RCMPS的关键洞察在于其构建方式，即从一个“自由粒子”基态出发，而不是通常的“实空间场”基态。它通过Bogoliubov变换和傅里叶变换，将物理场$\phi(x)$和共轭动量场$\pi(x)$重写为自由粒子湮灭算符$a(x)$和创生算符$a^\dagger(x)$。在这种新的张量积结构下，自由真空态是完全去纠缠的积态，从而导致低能态的纠缠熵是有限的，而非传统空间分割方式下的UV发散。这使得RCMPS能够满足Feynman的短距离正则性要求，并允许在没有UV/IR截断的情况下对连续QFT进行变分计算。

技术难点：相对论性特有问题与计算挑战

  1. UV发散的纠缠熵：相对论性QFT，即使是带质量的，在短距离尺度下都表现出临界行为，即像一个共形场论（CFT）。这意味着在标准空间分割下，纠缠熵会呈对数发散，导致标准TNS方法在连续极限下失效，因为固定键维度的MPS无法捕获无限大的纠缠。RCMPS通过改变基础的张量积结构，使其“自由粒子纠缠熵”有限，从而克服了这一难题。
  2. 哈密顿量非局域性：在RCMPS的$a(x), a^\dagger(x)$算符基底下，原始场$\phi(x)$和$\pi(x)$是非局域的卷积形式。这意味着即使原始哈密顿量在$\phi(x)$基底是局域的，在$a(x)$基底下也会变得非局域。这增加了计算期望值的复杂性。
  3. 正则性条件：对于多场RCMPS，为了保证能量密度有限，需要额外施加“正则性条件”，例如$[R_1, R_2]=0$（即多场RCMPS的R矩阵需对易）。这限制了允许的参数空间，增加了优化的复杂性。
  4. 非凸优化：变分法的最小化问题发生在非凸流形上，这意味着传统的梯度下降算法可能陷入局部最小值，且收敛速度可能较慢。需要采用黎曼优化技术，如黎曼梯度下降或黎曼LBFGS。
  5. ODE求解：RCMPS期望值的计算依赖于求解常微分方程（ODEs）。这些ODEs通常是矩阵值的、非自治的线性方程，求解它们是主要的计算瓶颈，需要高阶Runge-Kutta方案和精确的数值积分，并且可能由于ODE的“刚性”（stiffness）而变得非常耗时。尽管核心操作的渐进成本是$D^3$，但ODE求解的常数因子会大大增加。

方法细节：RCMPS的构建与计算流程

  1. RCMPS定义： 对于一个翻译不变的QFT，RCMPS定义为： $|Q, R\rangle = \text{tr} \left\{ \mathcal{P} \exp \left[ \int dx \left( Q \otimes \text{Id} + R \otimes a^\dagger(x) \right) \right] \right\} |0\rangle_a$ 其中，$Q, R$是$D \times D$的复数矩阵，$\mathcal{P}$是路径排序算符，$a^\dagger(x)$是创生算符，而$|0\rangle_a$是自由粒子的真空态。这种形式可以展开为波函数表示，展示了其粒子数稀疏但其波函数在实空间中非零的特点。

  2. 规范固定与热力学极限： 为了简化计算，RCMPS引入了规范自由度。通过设定左规范形式，$Q$可以表示为$Q = -R - \frac{1}{2} R^\dagger R$。在热力学极限下（系统长度$L \to \infty$），转移算符$T$的最大实部特征值被固定为0，使得计算结果不依赖于边界条件，并简化了关联函数的表达式。

  3. 期望值计算： 核心思想是利用生成泛函。例如，对于平移不变的CMPS，其范数$\langle Q,R|Q,R\rangle = \text{tr}_{\mathbb{C}^D \otimes \mathbb{C}^D}[\exp(LT)]$，其中$L = Q \otimes \text{Id} + \text{Id} \otimes Q^* + R \otimes R^*$是转移算符。类似地，任意正规序关联函数可以通过对生成泛函进行微分来获得。这些计算最终归结为求解一组非自治线性矩阵ODE。 对于RCMPS，由于$a(x)$的非局域性，计算期望值需要将原始场$\phi(x)$表示为$a(x)$和$a^\dagger(x)$的卷积形式，如$\phi(x) = \int dy J(x-y)[a(y) + a^\dagger(y)]$。这使得哈密顿量密度也成为$a(x)$的非局域积分。但通过巧妙地运用Baker-Campbell-Hausdorff公式和ODE方法，计算任意正规序算符的期望值依然是高效的，渐进复杂度为$D^3$。

  4. 梯度计算（伴随法）： 为了高效优化，需要计算能量密度对参数$Q, R$的梯度。直接通过有限差分法计算梯度会导致复杂度呈$D^5$。通过伴随法（或回溯微分）可以将其降至与期望值计算相同的$D^3$。这涉及同时求解正向和伴随ODE，并对中间结果进行积分。

  5. 优化算法（黎曼LBFGS）： RCMPS参数所在的流形是非欧几里得的，因此需要黎曼优化。作者采用黎曼LBFGS算法。这需要定义流形上的度量（由希尔伯特空间标量积诱导）和回缩（retraction）。度量反映了纠缠谱，它在RCMPS有效时是病态的，因此需要对度量进行正则化以提高优化稳定性。回缩函数用于在流形上移动，同时保持规范和正则性条件。

  6. 多场RCMPS的正则性条件： 对于两个相互作用的标量场，RCMPS的形式为$|Q, R_1, R_2\rangle := \text{tr} \left\{ \mathcal{P} \exp \left[ \int dx \left( Q \otimes \text{Id} + R_1 \otimes a_1^\dagger(x) + R_2 \otimes a_2^\dagger(x) \right) \right] \right\} |0\rangle_a$。为了确保能量密度有限，需要额外施加正则性条件$[R_1, R_2]=0$。这导致优化问题变为带约束的最小化，通过拉格朗日乘子法将其转化为一个线性系统，从而能够高效地投影到正则切空间。

2. 关键 benchmark 体系，计算所得数据，性能数据

RCMPS方法在多种(1+1)维玻色子QFT模型上进行了严格的基准测试，展现了其在强耦合非微扰区域的强大能力。

自相互作用标量场($\phi^4_2$模型)

$\phi^4_2$模型是(1+1)维最经典的相互作用标量场理论，因其既非平庸又无精确解析解而成为测试非微扰方法的理想选择。RCMPS在该模型上的计算主要集中于基态能量密度和自发磁化。

  • 基态能量密度：RCMPS直接优化能量密度，因此在该可观测量上表现出色。如图3.1所示，RCMPS在不同键维度$D$下计算得到的能量密度与重整化哈密顿量截断（RHT）的结果吻合良好。即使在$D=8$的相对较小键维度下，RCMPS也能提供非常好的近似。误差随着键维度$D$的增加呈几乎指数衰减，这与格点MPS的理论预期一致。例如，在$g=1.0$和$g=2.0$时，相对误差随着$D$的增加而迅速下降，表明RCMPS对基态的捕获能力很强。

  • 自发磁化：$\phi^4_2$模型在耦合常数$g \approx 2.77$处发生二阶相变，从$Z_2$对称相变为对称破缺相。RCMPS能够自发破缺对称性，通过优化$Q,R$矩阵来获得非零的场期望值。如图3.2所示，RCMPS计算的自发磁化值随着$g$的增加而增加，并捕捉到了相变点。虽然在接近临界点时精度会下降（这需要有限纠缠标度分析），但在远离临界点的强耦合区域，结果依然令人信服。

  • 自由粒子纠缠熵：为了理解RCMPS的收敛行为，作者引入了“自由粒子纠缠熵”的概念。如图3.3所示，该纠缠熵在临界点附近呈现发散趋势，这与物理预期一致。它作为一个诊断工具，解释了为什么RCMPS在临界点附近需要更大的键维度才能保持精度。

Sine-Gordon和Sinh-Gordon模型

这两个模型是可积的，提供了精确解析解，是RCMPS方法精确性的极佳基准。

  • Sine-Gordon模型：如图3.4所示，RCMPS对Sine-Gordon模型基态能量密度的近似非常出色，即使在中等耦合强度下也是如此。在$\beta = 1/\sqrt{2}$的相变点附近，模型会变得无质量且基态能量密度发散到负无穷。RCMPS在$\beta < 1/\sqrt{2}$的安全区域表现良好。然而，在$\beta > 1/\sqrt{2}$的区域，RCMPS的能量最小化过程变得不稳定，出现“失控”现象，这与Coleman的变分论证吻合，表明模型本身可能未良好定义或需要更复杂的重整化。

  • Sinh-Gordon模型：如图3.5所示，RCMPS计算的能量密度与精确值在$\beta \approx 1/\sqrt{2}$之前吻合良好，并且随着$D$的增加迅速改进。但当$\beta$值更大时，尽管理论上该模型应是良定义的（能量密度下界为0），RCMPS的近似精度开始缓慢提高，甚至出现显著偏差。如图3.6所示，顶点算符$\langle :e^{a\phi}: \rangle$的期望值在“安全”区域($\beta = 0.4$)收敛非常快，但在大$a$值和强耦合区域($\beta = 0.8, 1.3$)，收敛变得非常困难，甚至出现发散迹象。这暗示了在强耦合区域，自由粒子基底可能不再是描述基态的有效基底，或者需要更高的键维度才能捕获物理。

  • 纠缠熵与收敛性：如图3.7所示，Sinh-Gordon模型的自由粒子纠缠熵随着耦合常数$\beta$的增加而多项式增长。这解释了为什么HT和RCMPS在强耦合区域难以准确捕获基态性质，因为所需纠缠量变得非常大。

多场相互作用标量场

RCMPS扩展到多场相互作用标量场是一个重要的进展。作者以两个自相互作用并相互作用的标量场模型为例。

  • 能量密度与正则性：对于多场RCMPS，需要施加额外的正则性条件$[R_1, R_2]=0$以确保能量密度有限。这使得优化问题变得更复杂，但RCMPS仍然能够有效地最小化正则化后的哈密顿量密度。如图3.8所示，能量密度随着$D$的增加而收敛，且与二阶和三阶微扰理论结果吻合良好，特别是在小耦合区域。

  • 相图分析：如图3.9所示，RCMPS能够捕捉到模型相图中的多种相变行为，包括两个弱耦合$\phi^4$模型类似的行为，以及其中一个场破缺对称性而另一个不破缺的情况。这些初步结果证明了RCMPS在处理多场QFT中的扩展性和潜力，尽管收敛速度可能比单场模型稍慢。

超越关联函数：缺陷算符与谱数据

  • 缺陷算符：RCMPS能够计算扩展算符（缺陷）的期望值。通过将缺陷QFT的时空几何旋转，将其转化为作用在平移不变体真空态上的扩展算符。计算缺陷期望值的复杂度与局域算符相同（$D^3$）。如图4.3和4.4所示，RCMPS在弱耦合、强耦合和临界区域成功计算了缺陷诱导的场期望值，并显示出良好的收敛性，甚至在微扰理论失效的强耦合区域也表现出色。

  • 谱数据提取（线性规划）：RCMPS还引入了一种创新方法，通过Källén-Lehmann谱表示和线性规划（linear programming）从空间关联函数中提取谱数据（如粒子质量间隙）。如图4.7所示，该bootstrap方法在估计质量间隙方面表现出令人印象深刻的收敛性，结果接近于重整化哈密顿量截断的精确值。这克服了直接从关联函数渐进衰减中估计质量间隙的不精确性。

性能数据总结

  • 计算复杂度：RCMPS的核心操作（如转移算符的生成）渐进复杂度为$D^3$。ODE的求解虽然理论上也是$D^3$，但实际中可能因刚性问题导致常数因子较大，计算时间较长。
  • 误差衰减：对于有质量间隙的模型，能量密度的误差随键维度$D$的增加呈几乎指数衰减。但在临界点附近或强耦合区域，精度下降，收敛速度减慢，这通常与所需纠缠量的增加相关。
  • 与其他方法的比较：RCMPS在基态能量密度计算方面，特别是在远离临界点的区域，可以与RHT、格点蒙特卡洛和微扰理论竞争，甚至超越。其独特的优势在于无需UV/IR截断，直接在连续极限下工作。然而，在捕捉临界点通用标度指数方面，RCMPS由于其有限的纠缠能力可能仍不如格点TNR或MPS。

作者在RCMPS的开发和应用中，特别强调了代码实现的高效性和稳健性。尽管目前还没有一个通用的RCMPS软件包，但作者描述了其在Julia语言中实现的 ad hoc 脚本所采用的关键技术和软件包。

编程语言与生态系统

  • Julia语言：作者指出，从Python转向Julia语言带来了显著的性能提升和代码的清晰度。Julia以其“多重分派”（multiple dispatch）和接近C语言的性能，同时保持Python般的易用性，非常适合科学计算，特别是涉及大量矩阵运算和ODE求解的任务。

关键软件包及开源项目

RCMPS的实现依赖于Julia高性能数值计算生态系统中的多个关键软件包：

  1. KrylovKit.jl：

    • 用途：用于寻找转移算符的固定点（stationary state），即$\rho_S$。在RCMPS计算中，$\rho_S$是一个D维矩阵，需要高效求解其零特征值对应的特征向量。KrylovKit.jl提供了强大的Krylov子空间方法，如Lanczos或Arnoldi算法，能够高效地处理大型稀疏矩阵的特征值问题。
    • Repo Link：https://github.com/Jutho/KrylovKit.jl

  2. DifferentialEquations.jl：

    • 用途：RCMPS中期望值和梯度的计算都涉及求解一系列非自治线性矩阵常微分方程（ODEs）。DifferentialEquations.jl是一个功能丰富、性能卓越的Julia包，提供了多种高阶ODE求解器。作者特别提到了使用Vern7求解器，这是一种显式Runge-Kutta方法，能够以高精度（相对容差设置为$10^{-12}$）解决这些ODE。
    • Repo Link：https://github.com/SciML/DifferentialEquations.jl

  3. OptimKit.jl：

    • 用途：RCMPS的优化是在非凸黎曼流形上进行的能量最小化问题。OptimKit.jl是一个针对黎曼优化定制的通用、问题无关的优化软件包。作者主要使用了黎曼LBFGS（Limited-memory Broyden–Fletcher–Goldfarb–Shanno）算法。该算法需要用户提供能量密度函数、其梯度、黎曼度量、回缩操作和预条件器。OptimKit.jl的强大之处在于它能够抽象底层几何细节，让用户专注于定义这些操作。
    • Repo Link：https://github.com/Jutho/OptimKit.jl

  4. Octavian.jl 和 LoopVectorization.jl：

    • 用途：ODE求解器中的矩阵乘法是主要的计算瓶颈。Octavian.jl是一个高性能的Julia包，专门用于优化矩阵乘法，它利用了LoopVectorization.jl提供的底层CPU向量化指令，极大地加速了矩阵运算。这对于D维（D通常高达64或更高）矩阵的乘法至关重要，显著降低了ODE生成器评估的常数时间开销。
    • Octavian.jl Repo Link：https://github.com/JuliaArrays/Octavian.jl
    • LoopVectorization.jl Repo Link：https://github.com/JuliaSIMD/LoopVectorization.jl

代码实现细节与技巧

  1. 梯度计算（伴随法）：作者手动实现了伴随法来计算能量密度函数对参数$Q,R$的梯度。这需要求解正向和伴随ODE，并对ODE解出的中间值进行积分。虽然自动微分库原则上也能实现$D^3$的梯度计算，但作者发现手动实现伴随法在内存和计算效率上更优，尤其是在中等$D$值时。

  2. 数值积分（Exp-sinh Quadrature）：对于包含奇异点的积分（例如$J(x)$函数的傅里叶逆变换在$x=0$处），作者采用了exp-sinh正交法。这种方法对边界奇异点具有良好的鲁棒性，能够实现高精度的积分计算。

  3. 度量正则化：在黎曼LBFGS优化中，黎曼度量矩阵（其逆矩阵$\rho_S^{-1}$出现在梯度表达式中）可能因$\rho_S$的病态（ill-conditioned）而导致优化不稳定。作者通过正则化$\rho_S$（即$\rho_S \to \rho_S + \epsilon I$）来缓解这一问题，其中正则化参数$\epsilon$随着梯度幅度的减小而减小（$\epsilon = 10^{-2}g(\nabla Q, \nabla R)$）。

  4. 回缩（Retraction）：在优化过程中，每次参数更新后需要将新的参数点“回缩”到黎曼流形上，以确保其仍然满足RCMPS的定义和规范条件。作者采用了基于[13]的“朴素”回缩策略，该策略在实践中表现良好。

  5. 规范条件与正则性条件处理：在单场RCMPS中，通过左规范固定$Q = -R - \frac{1}{2}R^\dagger R$来减少自由参数。在多场RCMPS中，还需要额外处理$[R_1, R_2]=0$的正则性条件。作者通过拉格朗日乘子法将其纳入优化框架，将投影到正则切空间的问题转化为一个线性方程组求解。

复现指南（一般性步骤）

尽管没有“一键运行”的通用RCMPS包，但根据作者的描述，复现其工作的大致步骤如下：

  1. 模型定义：首先，根据目标QFT（如$\phi^4_2$, Sine-Gordon等）定义其哈密顿量密度，并将其转换为$a(x), a^\dagger(x)$算符的表达。
  2. 参数初始化：随机初始化$D \times D$的矩阵$Q, R$（对于多场模型是$Q, R_1, R_2$），并使其满足左规范形式和正则性条件（如果适用）。
  3. 能量密度与梯度计算：
    • 实现计算能量密度期望值的函数。这涉及求解多个矩阵ODE，可以使用DifferentialEquations.jl中的Vern7求解器。
    • 实现计算能量密度梯度的函数，通过伴随法加速。
    • 计算黎曼度量，并考虑正则化。
  4. 优化：使用OptimKit.jl中的黎曼LBFGS算法进行能量最小化。在每次迭代中，优化器会调用上述能量和梯度计算函数，并根据度量和回缩更新参数。
  5. 可观测量计算：一旦获得收敛的基态RCMPS参数，可以计算其他感兴趣的可观测量，如关联函数、缺陷期望值、或使用线性规划提取谱数据。

作者特别提到，Julia生态系统在计算性能和代码组织方面提供了巨大帮助，使得这项复杂的数值工作得以高效推进。

4. 关键引用文献，以及你对这项工作局限性的评论

关键引用文献及其贡献

本专著的工作建立在张量网络状态和量子场论的变分方法领域的一系列重要研究之上。以下是一些关键参考文献及其对RCMPS发展的贡献：

  1. 连续矩阵乘积态（CMPS）的奠基之作：

    • [42] F. Verstraete and J. I. Cirac, “Continuous Matrix Product States for Quantum Fields,” Phys. Rev. Lett. 104, 190405 (2010).
    • [43] J. Haegeman, J. I. Cirac, T. J. Osborne, and F. Verstraete, “Calculus of continuous matrix product states,” Phys. Rev. B 88, 085118 (2013).
    • [44] J. Haegeman, J. I. Cirac, T. J. Osborne, H. Verschelde, and F. Verstraete, “Applying the Variational Principle to (1 + 1)-Dimensional Quantum Field Theories,” Phys. Rev. Lett. 105, 251601 (2010). 这些开创性工作定义了CMPS，并开发了其在非相对论性QFT中计算期望值和执行变分优化的形式体系，为RCMPS的诞生铺平了道路。

  2. RCMPS的首次提出与应用：

    • [54] A. Tilloy, “Variational method in relativistic quantum field theory without cutoff,” Phys. Rev. D 104, L091904 (2021).
    • [55] A. Tilloy, “Relativistic continuous matrix product states for quantum fields without cutoff,” Phys. Rev. D 104, 096007 (2021). 这些是Tilloy教授首次提出RCMPS概念，并将其应用于$\phi^4$模型，证明了RCMPS可以在没有UV/IR截断的情况下进行精确的非微扰计算。

  3. Sine-Gordon和Sinh-Gordon模型的应用：

    • [56] A. Tilloy, “A study of the quantum Sinh-Gordon model with relativistic continuous matrix product states,” arXiv:2209.05341 [hep-th] (2022). 这项工作将RCMPS应用于更复杂的Sine-Gordon和Sinh-Gordon模型，并与精确结果进行比较，揭示了RCMPS在强耦合区域的优势和局限性。

  4. 扩展算符与谱数据提取：

    • [80] K. Tiwana, E. Lauria, and A. Tilloy, “A relativistic continuous matrix product state study of field theories with defects,” Journal of High Energy Physics 2025, 97 (2025).
    • [90] S. Mutzel and A. Tilloy, “Extracting quantum field theory dynamics from an approximate ground state,” arXiv:2512.19594 [hep-th] (2025). 这些后续工作展示了RCMPS如何计算缺陷算符期望值，以及如何通过结合Källén-Lehmann谱表示和线性规划从基态关联函数中提取粒子质量等谱数据，极大地扩展了RCMPS的应用范围。

  5. 哈密顿量截断（Hamiltonian Truncation, HT）：

    • [21] S. Rychkov and L. G. Vitale, “Hamiltonian truncation study of the $\phi^4$ theory in two dimensions,” Phys. Rev. D 91, 085011 (2015). HT是RCMPS的重要基准和互补方法，RCMPS借鉴了HT在解决UV问题上的直觉。

  6. 黎曼优化：

    • [60] M. Hauru, M. Van Damme, and J. Haegeman, “Riemannian optimization of isometric tensor networks,” SciPost Phys. 10, 40 (2021). 这项工作为黎曼优化在张量网络中提供了重要的算法和见解，对RCMPS的优化实现至关重要。

对这项工作局限性的评论

尽管RCMPS取得了显著进展，但它仍处于早期阶段，并存在一些重要的局限性，需要未来的研究来解决：

  1. 维度限制（仅限1+1D）：目前RCMPS主要成功应用于(1+1)维玻色子QFT。将其扩展到更高维度（例如2+1D或3+1D）是一个巨大的挑战。高维度的连续张量网络状态（CTNS）的理论定义和实际计算都非常复杂，需要解决辅助场QFT的收缩问题，这本身就是一个难题。作者在[93]中提出了CTNS的框架，但其计算实现远未成熟。

  2. 模型范围限制（玻色子与强不可重整化）：

    • 玻色子模型：目前RCMPS主要针对玻色子QFT。虽然理论上费米子RCMPS是可行的（如专著5.1.4节所述），但实际计算中会遇到新的正则性条件和非局域相互作用引起的复杂性。Thirring模型和Schwinger模型等费米子QFT仍有待全面解决。
    • 强不可重整化模型：对于某些交互作用项不属于“强可重整化”（strongly renormalizable）范围的模型（例如Sine-Gordon模型中耦合常数$\beta > \sqrt{8\pi}$），RCMPS的稳定性会下降，精度会迅速恶化。这些模型可能存在更复杂的UV发散，无法简单通过正规序或RCMPS的当前结构来处理。这暗示RCMPS的当前形式可能不适用于所有类型的QFT。

  3. 优化效率与稳健性：

    • 优化算法的脆性：作者提到，黎曼LBFGS优化算法仍需精细调整超参数才能达到良好的性能和稳定性。每次迭代的计算成本相对较高，尤其是在大D值时，这限制了可达到的键维度。
    • 缺乏键扩张方法：与格点MPS不同，RCMPS目前缺乏成熟的键扩张（bond expansion）方法。在格点MPS中，可以通过逐步增加键维度来系统性地改进近似，并从较低键维度的良好解开始。RCMPS当前主要依赖从随机初始点开始的完整优化，这在大D时效率低下且容易陷入局部最优。

  4. 理论洞察不足：

    • 收敛性证明：虽然RCMPS在实践中表现良好，但缺乏严格的理论证明，说明RCMPS近似能否收敛到任何满足特定纠缠熵性质的基态，以及黎曼优化算法的收敛速度和全局最优性。
    • 父哈密顿量问题：与格点MPS不同，RCMPS目前尚未建立起一个通用的“父哈密顿量”（parent Hamiltonian）框架。对于给定的MPS，可以构建一个以其为基态的局域有隙哈密顿量。如果RCMPS无法系统地与“自然”的相对论性哈密顿量关联，那么其理论分析能力将受到限制。

  5. 激发态与实时演化：RCMPS目前主要用于计算基态性质。激发态的计算和实时演化仍然是未来的挑战。虽然原则上黎曼优化可以扩展到虚时间演化，但实际的实时演化（local quench或global quench）在非平移不变性或纠缠增长方面存在困难。

这些局限性表明RCMPS仍有很大的发展空间，需要更多的理论和计算工作来扩展其适用范围和提高性能。尽管如此，RCMPS作为一种无截断的非微扰QFT方法，其突破性的思想和已取得的成就仍使其成为量子场论领域的重要工具。

5. 其他你认为必要的补充

“摩天大楼与泥土堆”的哲学

作者在专著引言中巧妙地提出了解决QFT难题的两种哲学路径：“摩天大楼”（Skyscraper）和“泥土堆”（Pile of Dirt）。

  • “摩天大楼”哲学：通过引入额外的结构（如超对称性、可积性）使问题变得更复杂，但同时使其能被精确求解。这种方法旨在找到“特殊”的可解点，然后尝试通过微扰或形变接近真实的QFT。它的吸引力在于可以提供深刻的定性理解，揭示某些“怪异”现象（如夸克禁闭）。然而，作者认为这种方法像通过研究艾菲尔铁塔来理解山脉一样，虽然都能向上延伸，但从特殊结构中获得的知识可能无法普遍适用于真实世界中更通用的、无结构的QFT。

  • “泥土堆”哲学：RCMPS所遵循的正是“泥土堆”哲学，即从最简单、最通用的模型开始，逐步增加复杂性。这种方法旨在解决QFT的普遍性困难，在一个相对简单的语境下逐步攻克。例如，从(1+1)维的$\phi^4$模型开始，该模型足够简单以确保良定义，但又足够复杂以至于需要非微扰方法。作者认为，这种渐进的、自底向上的方法更有可能产生普适的、能够推广到更广泛模型的工具。

相对论QFT中的纠缠熵：面积律的破坏与RCMPS的修正

在格点量子多体系统中，局域哈密顿量的低能态通常满足纠缠熵的面积律，这是张量网络状态（如MPS）能够高效描述这些态的核心原因。然而，在相对论性QFT中，情况变得复杂：

  • 标准纠缠熵的UV发散：在(1+1)维相对论性QFT中，如果按照标准方式将空间分割为两部分，其冯诺依曼纠缠熵会呈对数发散，即$S_R \sim \frac{c}{6} \log(L/\epsilon)$，其中$c$是中心荷，$\epsilon$是UV截断。这种发散是因为相对论性QFT在任意短距离尺度上都表现出临界行为，即它在UV极限下是一个自由的共形场论，导致无限多的自由度在短距离处相互纠缠。这种无限大的纠缠熵使得标准TNS方法无法直接应用于连续相对论性QFT，因为有限键维度的张量网络无法有效截断这种UV发散。

  • RCMPS的修正：RCMPS通过巧妙地改变描述量子态的“张量积结构”来解决这一问题。它不是在实空间场$\phi(x)$和$\pi(x)$的基底下进行张量积分解，而是通过Bogoliubov变换和傅里叶变换，在“自由粒子湮灭算符”$a(x)$及其共轭$a^\dagger(x)$的基底下进行描述。在这种“自由粒子基底”下，自由真空态是完全去纠缠的积态。RCMPS正是利用了这种新的局域性概念，其“自由粒子纠缠熵”被定义为对自由真空态之上额外纠缠的度量。专著中展示的计算结果（图3.3, 3.7）表明，这种新的纠缠熵对于有质量间隙的相对论性QFT是有限的，并且在临界点附近呈现可预测的发散行为。这提供了一个强大的a posteriori理由，证明了RCMPS方法的合理性和有效性。

未来发展方向

RCMPS方法虽然已经取得了显著成就，但仍有许多未解决的问题和潜在的扩展方向，这些是未来研究的重点：

  1. 连续张量网络状态（CTNS）向高维度的扩展：将RCMPS推广到(2+1)维或更高维QFT是下一个重大挑战。作者在[93]中提出了CTNS的理论框架，其中张量网络节点不再是有限维度矩阵，而是辅助场，这些辅助场本身也生活在一个低维QFT中。未来的工作将集中于如何高效地“收缩”这些高维CTNS，这可能涉及求解一个低维QFT的基态问题。

  2. 费米子RCMPS的进一步开发：虽然费米子RCMPS的理论框架已经建立（专著5.1.4节），但实际计算仍面临困难，主要是由于费米子反交换关系的复杂性以及由此产生的非局域相互作用。解决Thirring模型和Schwinger模型等费米子QFT将是RCMPS的重大突破，对处理格点蒙特卡洛“符号问题”具有重要意义。

  3. 改进黎曼优化：当前的黎曼优化算法在稳健性和效率方面仍有提升空间。研究方向包括：开发混合规范形式以提高优化稳定性，降低对超参数的依赖；改进键扩张方法，允许从低D收敛解平滑地增加键维度；探索新的ODE求解策略，以进一步降低每次迭代的计算成本，尤其是在高D值时。

  4. 激发态的计算：目前RCMPS主要集中于基态。未来的工作将扩展到计算激发态，这对于理解QFT的谱信息至关重要。这可能涉及在近似基态的切空间中对哈密顿量进行对角化，类似于格点CMPS的方法[13]。

  5. 实时演化：将黎曼优化框架扩展到实时演化，以模拟量子系统的时间动力学，例如局域淬火（local quench）或全局淬火（global quench）。这将允许RCMPS研究QFT的非平衡动力学，这对于理解量子热化等现象至关重要。

  6. 理论理解的深化：

    • 收敛性分析：需要更严格的理论证明来理解RCMPS近似基态的收敛性质和速度，尤其是在临界点或强耦合区域。
    • 父哈密顿量问题：探索RCMPS是否具有一个“父哈密顿量”的连续对应物，这将有助于更好地分类RCMPS所描述的量子相。

  7. 整合对称性：将全局对称性（如U(1)或SU(2)）直接编码到RCMPS的矩阵结构中，以进一步降低计算成本并提高精度。这在格点TNS中已是标准做法，并被证明非常有效。

这些未来的方向预示着RCMPS方法将持续发展，有望解决更广泛的QFT问题，并提供更深层次的理论洞察。这项工作不仅仅是一个数值工具，更是一种理解和处理强耦合量子场论的全新范式。