来源论文: https://arxiv.org/abs/2604.23301v1 生成时间: May 02, 2026 06:12

0. 执行摘要

量子杂质模型（Quantum Impurity Models, QIPs）是研究强关联电子体系、量子输运以及非平衡态物理的核心工具。当杂质与超导环境（Superconducting Bath）耦合时，系统展现出安德烈夫反射（Andreev reflection）、Yu-Shiba-Rusinov 态等丰富的物理现象。然而，传统的数值方法如连续时间量子蒙特卡洛（CTQMC）在处理实时演化时面临严重的符号问题，而数值重整化群（NRG）在处理结构化浴（Structured Baths）时存在局限。

本文深入解析了由 Chu Guo 等人提出的 Nambu-GTEMPO 方法。该工作通过引入 Nambu 表象并结合 Bogoliubov 变换，巧妙地将超导浴引起的配对相互作用转化为等效的标准费米子浴形式，从而成功扩展了 Grassmann 时间演化矩阵乘积算子（GTEMPO）方法的应用范围。Nambu-GTEMPO 不仅在虚时平衡态计算中展现了极高的精度，更在实时非平衡动力学演化中克服了蒙特卡洛方法的失效问题，为超导动力学平均场理论（DMFT）提供了强有力的杂质求解器。

1. 核心科学问题，理论基础，技术难点与方法细节

1.1 核心科学问题

超导量子杂质模型（SAIM）的研究难点在于：在超导态下，电子的粒子数不再守恒，存在由于超导能隙 $\Delta^{sc}$ 引起的电子-空穴配对。这种配对在哈密顿量中表现为 $c^\dagger c^\dagger$ 项。传统的张量网络方法（如标准 GTEMPO）主要针对正规金属浴（Normal Bath），其中自旋向上和向下的电子通道是解耦的。在超导浴中，这种解耦不再成立，自旋通道之间存在强耦合，导致传统的费曼-维农（Feynman-Vernon）影响泛函无法直接分解。如何构建一个既能处理配对项，又能保持计算效率的 Grassmann 张量网络结构，是本项目解决的核心科学问题。

1.2 理论基础：Nambu 表象与影响泛函

SAIM 的总哈密顿量可以表示为：

$$\hat{H} = \hat{H}_{imp} + \hat{H}_{hyb} + \hat{H}_{bath}$$

其中，超导浴哈密顿量采用 BCS 形式：

$$\hat{H}_{bath} = \sum_{k,\sigma} \varepsilon_{k,\sigma} \hat{c}_{k,\sigma}^\dagger \hat{c}_{k,\sigma} + \sum_{k} (\Delta_k^{sc} \hat{c}_{k,\uparrow}^\dagger \hat{c}_{-k,\downarrow}^\dagger + H.c.)$$

为了处理这种结构，作者引入了 Bogoliubov 变换。通过定义新的准粒子算子 $\hat{\alpha}$：

  • $\hat{\alpha}_{k,\uparrow} = u_k \hat{c}_{k,\uparrow} - v_k \hat{c}_{-k,\downarrow}^\dagger$
  • $\hat{\alpha}_{-k,\downarrow} = u_k \hat{c}_{-k,\downarrow} + v_k \hat{c}_{k,\uparrow}^\dagger$

变换后的浴哈密顿量变为准粒子的对角形式 $\sum_k \xi_k (\hat{\alpha}_{k,\uparrow}^\dagger \hat{\alpha}_{k,\uparrow} + \hat{\alpha}_{-k,\downarrow}^\dagger \hat{\alpha}_{-k,\downarrow})$，而杂质与浴的耦合项 $\hat{H}_{hyb}$ 则演变为包含杂质产生与湮灭算子线性组合的形式。这种处理方式的核心在于：它允许我们将超导浴视为两个独立的有效正规浴的乘积，从而恢复了费曼-维农影响泛函的可分解性。

1.3 技术难点：Grassmann 代数与时间轴 MPS

在费米子路径积分中，场变量是反交换的 Grassmann 数。GTEMPO 的关键是将离散化的影响泛函（Influence Functional, IF）表示为一个张量网络。对于 Nambu 体系，IF 不再是单纯的 spin-up 和 spin-down 的乘积，而是变成了如下形式：

$$\mathcal{I}[\bar{\mathbf{a}}, \mathbf{a}] = \exp\left( -\int d\tau \int d\tau' \bar{\psi}(\tau) \mathbf{\Delta}(\tau - \tau') \psi^T(\tau') \right)$$

其中 $\psi$ 是包含 $\hat{a}_\uparrow$ 和 $\hat{a}_\downarrow^\dagger$ 的向量。这要求张量网络必须能够处理多组 Grassmann 轨迹的相互作用。作者通过引入“部分影响泛函（Partial IF）”算法，将这个复杂的指数项拆解为一系列键维数（bond dimension）极小的 Grassmann MPS 算子，通过逐级合并（Multiplication）构建最终的增强密度张量（ADT）。

1.4 方法细节：QuAPI 离散化方案

为了在计算机上实现，连续的时间演化轨迹被离散化为 $M$ 个时间步。作者采用了准绝热传播子路径积分（QuAPI）方案来计算离散化的杂交函数 $\Delta_{i\zeta, j\zeta'}$。对于超导体系，需要计算四种类型的杂交函数：正常项 $\Delta_{\uparrow\uparrow}, \Delta_{\downarrow\downarrow}$ 和反常项 $\Delta_{\uparrow\downarrow}, \Delta_{\downarrow\uparrow}$。这些项通过输入浴谱函数 $J(\varepsilon)$ 和超导能隙参数计算得出。

2. 关键 Benchmark 体系，计算所得数据，性能数据

2.1 单轨道单能级玩具模型 (Toy Model)

为了验证 Nambu-GTEMPO 的绝对精度，作者首先测试了一个杂质耦合到单个超导能级的极端情况。此模型可以通过精确对角化（ED）获得解析解。

  • 计算数据：研究了 $U=1$（排斥）和 $U=-1$（吸引）两种情况。虚时关联函数 $G_{\uparrow\uparrow}(\tau)$ 和反常关联函数 $G_{\uparrow\downarrow}(\tau)$ 的模拟结果与 ED 完全重合。
  • 误差分析：平均误差 $\mathcal{E}$ 随时间步长 $\delta\tau$ 呈线性下降，证明了 Trotter 分解误差是唯一的误差来源，因为在此简单模型下，MPS 的键维数 $\chi$ 是严格截断的。

2.2 非相互作用连续浴模型

对于具有半圆形谱密度的连续浴模型（$U=0$）：

  • 性能表现：在虚时轴上，设置 $\beta=10$。当 MPS 键维数 $\chi$ 增加到 100 以上时，计算精度达到 $10^{-4}$ 量级并进入平台期。这说明 GTEMPO 能够很好地压缩连续浴引起的时间相干性。
  • 实时动力学：计算了实时关联函数的实部和虚部。结果显示在较长的时间尺度内，Nambu-GTEMPO 依然能保持与 ED 结果的高度一致，未出现蒙特卡洛方法中常见的发散问题。

2.3 相互作用超导安德森模型与 DMFT 迭代

这是该方法最具挑战性的应用场景，即将 Nambu-GTEMPO 作为求解器嵌入 DMFT 循环中。

  • 计算环境：Bethe 格子，吸引相互作用 $U=-1$（对应超导相）。
  • 性能对比：
    • GTEMPO：在 $\beta=100$ 的低温下，单次 DMFT 迭代在单核 CPU（2.4 GHz）上耗时约 10 小时。其优点是结果无噪声，且完全不存在符号问题。
    • CTQMC：同样的任务在 128 核集群上仅需 15 分钟，但存在统计噪声，且在实时轴上完全失效。
  • 结论：虽然在平衡态效率上目前不如 CTQMC，但 Nambu-GTEMPO 在处理非平衡实时动力学时具有不可替代的优势。

3. 代码实现细节，复现指南，软件包及开源 Repo

3.1 开源仓库信息

该项目的核心代码已在 GitHub 开源：

  • Repo Link: https://github.com/guochu/GTEMPO
  • 主要语言: Julia
  • 主要依赖: ITensors.jl（用于处理张量网络的基本算略）和自定义的 Grassmann 张量库。

3.2 代码结构与复现指南

  1. 离散化模块: 使用 QuAPI.jl 相关逻辑，输入参数包括 $\beta$（逆温度）、$M$（时间步数）、$J(\varepsilon)$（浴谱密度）和 $\Delta^{sc}$。
  2. MPO 构建:
    • 实现 build_nambu_if 函数，该函数根据 Bogoliubov 变换后的杂交函数构建 Partial IFs。
    • 使用 Grassmann 规则进行张量收缩。注意费米子交换产生的负号需通过逻辑标记（Fermion Signs）在张量指标中维护。
  3. 可观测物理量计算:
    • 虚时关联函数计算：通过在 ADT 头部和尾部插入产生/湮灭算子实现。
    • 实时概率密度：计算 $|0\rangle, |\uparrow\rangle, |\downarrow\rangle, |\uparrow\downarrow\rangle$ 四种状态的占据概率。

3.3 复现建议

  • 对于初学者，建议从 examples/toy_model.jl 入手。只需 8GB 内存的普通个人电脑即可运行。
  • 进行 DMFT 复现时，建议使用 Julia 的多线程功能 (julia -t n)。虽然代码本身是单线程串行收缩，但在处理不同频率点或参数扫描时可以并行。

4. 关键引用文献与深度评论

4.1 关键引用文献

  1. Feynman & Vernon (1963): 奠定了影响泛函理论的基础，是所有 TEMPO 类方法的源头。
  2. Strathearn et al. (2018): 首次提出将影响泛函表示为 TEMPO (MPS) 的思想，发表于 Nature Communications。
  3. Guo et al. (2018): 本文作者 Chu Guo 提出 GTEMPO 框架，将 TEMPO 扩展到费米子体系，处理 Grassmann 积分。
  4. Werner et al. (2006): 经典的 CTQMC 杂质求解器文献，是本文在虚时轴上的主要 benchmark 对象。

4.2 局限性与评论

局限性分析：

  1. 计算复杂度：张量收缩的复杂度随模拟的时间步数 $M$ 指数增长（受限于键维数 $\chi$）。在超导能隙非常小或温度极低的情况下，需要的 $M$ 很大，计算成本会显著上升。
  2. 内存占用：虽然 MPS 是一种压缩表示，但在处理多轨道模型时，增强密度张量的存储需求依然很大。
  3. GPU 优化不足：目前开源版本主要基于 CPU。考虑到张量收缩是高度并行的，未来转向 CUDA 加速将是大幅提升 DMFT 迭代效率的关键。

深度评论： Nambu-GTEMPO 的真正价值在于它打通了“超导”与“实时非平衡态”这两个领域的壁垒。在量子输运领域，超导结的非平衡驱动是一个长期难题，蒙特卡洛方法因为相位振荡无法处理。Nambu-GTEMPO 避开了统计抽样，转而利用张量网络的纠缠压缩能力，这在本质上是对费米子关联的一种更高效的表示方式。

5. 补充内容：从 Kadanoff 到非平衡超导动力学

5.1 L 型卡达诺夫轮廓（L-shaped Kadanoff Contour）

本文的方法不仅支持虚时（Matsubara）和实时（Keldysh）轮廓，还可以直接应用于 L 型轮廓。这对于研究一个处于平衡态的超导系统在受到激光脉冲或电压猝灭（Quench）后的响应至关重要。在这种轮廓下，系统的初态通过虚时支路准备，随后在实时支路上进行演化。Nambu-GTEMPO 的 MPS 结构可以无缝地跨越这些不同的时间分支。

5.2 对强关联超导机制的启示

通过在 Nambu 表象下精确求解 QIP，研究人员可以更深入地理解“配对胶水（Pairing Glue）”的动力学性质。在吸引 Hubbard 模型中，Nambu-GTEMPO 能够清晰地展示能隙函数如何随时间演化，以及局部关联如何抑制或增强超导序。这对于寻找高温超导的微观机制具有辅助理论指导意义。

5.3 扩展到多轨道模型（Multi-orbital Extensions）

虽然本文重点讨论单轨道 SAIM，但其框架是通用的。对于多轨道模型，只需将杂交函数矩阵 $\mathbf{\Delta}$ 的维度扩大，并增加 Partial IFs 的数量。尽管这会增加计算量，但不会引入新的理论障碍。这为研究诸如铁基超导体等多轨道体系提供了新的思路。

5.4 结语

Nambu-GTEMPO 的出现标志着张量网络方法在超导物理领域的又一次跨越。它证明了即使在配对相互作用破坏粒子数守恒的情况下，通过合理的基组变换和 Grassmann 代数处理，我们依然可以构建出高效、精确且无符号问题的数值方案。对于追求极高精度且关注非平衡态过程的科研工作者，该方法无疑是当前最优的技术路径之一。