来源论文: https://arxiv.org/abs/2605.09385v1 生成时间: May 17, 2026 06:40

通过零模规范固定截断多环张量网络：有限温度 Z2 格点规范理论的深度解析

0. 执行摘要

在强关联量子多体系统的数值模拟中，张量网络（Tensor Networks, TN）已成为突破“指数墙”的核心工具。然而，在二维（2D）及更高维度中，投影纠缠对态（PEPS）等张量网络由于存在闭合回路（Loops），导致其局域优化过程（如键截断）往往难以捕捉循环流动的关联，从而造成截断效率低下和键维度（Bond Dimension）的虚假膨胀。本文深度解析了 Jacek Dziarmaga 的最新研究工作，该工作提出了一种名为“零模规范固定”（Zero-Mode Gauge Fixing, ZMT）的截断方案。

该方案的核心思想是：通过切开张量网络中的一条键，构造一个度规张量（Metric Tensor），并识别其零模（Zero Modes）。这些零模反映了张量态之间的线性相关性。利用这种线性相关性提供的规范自由度，可以在不改变量子态的前提下，对键维度进行最优截断。本文不仅详细推导了 ZMT 的数学框架，还探讨了其在有限温度 $Z_2$ 格点规范理论中的应用。结果表明，相比于传统的奇异值分解（SVD）优化，ZMT 能将截断误差降低约一个数量级。这一进展对于精确模拟高维规范场论和热力学体系具有重要的理论与工程价值。

1. 核心科学问题，理论基础，技术难点，方法细节

1.1 核心科学问题：环状张量网络的“截断困境”

在量子多体物理中，张量网络方法的成功很大程度上取决于能否在保持物理精度的同时，有效地压缩键维度 $D$。在 1D 系统中，矩阵乘积态（MPS）拥有完美的规范形式（Canonical Form），这使得通过 SVD 进行的局域截断在全局意义上也是最优的。然而，在 2D 的 PEPS 中，由于网络中充满了闭合回路，不存在普适的、计算可行的规范形式。这导致了一个尴尬的局面：即使是一个局域看起来纠缠度很高的键，可能只是因为在环中循环的虚关联（Virtual Correlations）导致的冗余，而传统的 SVD 无法识别这种跨越环的线性相关性。

如图 1 所示，一个围绕方块（Plaquette）的虚纠缠环可以在不耦合物理索引的情况下，人为地放大键维度。这种“关联循环”使得传统的局域优化策略（如 Simple Update）在处理强关联体系时往往表现乏力。

1.2 理论基础：线性相关性与规范自由度

ZMT 方法的理论根基在于量子态表示的非唯一性。考虑一个张量网络态 $|\psi\rangle$，当我们切开其中的一条键时，可以将该态分解为一系列态的叠加：

$$|\psi\rangle = \sum_{i,j=1}^D \delta_{ij} |\psi_{ij}\rangle$$

其中 $i, j$ 是切开处的索引。定义这些态的重叠矩阵（Overlaps）为度规张量 $g$：

$$g_{ij, i'j'} = \langle\psi_{ij} | \psi_{i'j'}\rangle$$

如果 $g$ 拥有一个零模（特征值为 0 的特征向量）$Z$，即 $\sum_{i'j'} g_{ij, i'j'} Z_{i'j'} = 0$，这意味着 $|\psi_{ij}\rangle$ 之间存在线性相关性：

$$\sum_{i,j=1}^D Z_{ij} |\psi_{ij}\rangle = 0$$

这种线性相关性提供了一个极大的规范自由度。我们可以引入任意参数 $z$，重写原态：

$$|\psi\rangle = \sum_{i,j=1}^D (\delta_{ij} + z Z_{ij}) |\psi_{ij}\rangle$$

通过调节 $z$，我们可以使矩阵 $(\delta + z Z)$ 变得奇异，从而在不损失任何物理信息的情况下，将键维度从 $D$ 降低到 $D-1$。

1.3 技术难点：从精确零模到近似优化

在实际的数值模拟中，由于截断误差、数值噪声或物理体系本身的复杂性，度规张量 $g$ 往往不会出现精确的零模，而只会有一些极小的特征值。此时，简单的零模截断将引入误差。如何在高维参数空间中找到最优的“近似零模”是该方法的技术难点。

此外，由于张量网络通常具有规范对称性（如 $Z_2$ 对称性），如何确保截断过程不破坏这些对称性，并且在标准的张量网络规范变换下保持不变，也是必须解决的数学问题。

1.4 方法细节：变分零模优化

为了处理非精确零模，作者提出了一种通用的变分框架。定义 Zij 为 $g$ 的前 $\kappa$ 个最小特征模的线性组合：

$$Z_{ij} = \sum_{m=1}^\kappa \alpha_m Z^m_{ij}$$

优化目标是最小化截断后的误差代价函数 $f$：

$$f = \frac{N}{|E_{max}|^2}$$

其中 $N = \sum Z^*_{ij} g_{ij, i'j'} Z_{i'j'}$，$E_{max}$ 是 $Z$ 的最大模特征值。通过计算梯度 $G_{ij} = \partial f / \partial Z^*_{ij}$，并利用共轭梯度法（Conjugate Gradient）动态调整系数 $\alpha_m$，可以找到能够最大限度压缩键维度的最优 $Z$。

这种方法的精妙之处在于：它将一个复杂的非线性优化问题（优化整个张量网络）转化为一个局域的、受限子空间内的变分问题，既保留了全局环关联的信息，又保持了计算的高效性。

2. 关键 benchmark 体系，计算所得数据，性能数据

2.1 Benchmark 体系：$Z_2$ 格点规范理论

作者选择了二维平方格点上的 $Z_2$ 格点规范理论作为基准体系。该体系的哈密顿量由磁场项（Plaquette 项）和电场项（Vertex 项）组成：

$$H = -g \sum_p B_p - \sum_s \sigma^x_s$$

其中 $B_p = \prod_{i \in p} \sigma^z_i$。在有限温度下，我们需要模拟热态 $\rho(eta) = e^{-eta H}$。通过净化（Purification）技术，热态可以表示为一个虚时间演化的 iPEPS。

2.2 计算所得数据：截断误差对比

在演化过程中，每一步虚时间步长 $d\beta$ 都会由于算符作用导致键维度增加，随后必须进行截断。作者对比了四种情况下的平均截断误差 $\delta$：

  1. SVD initial: 仅使用简单的 SVD 进行初始截断。
  2. SVD final: SVD 截断后进行传统的全环境变分优化。
  3. ZMT initial: 使用 ZMT 进行初始截断。
  4. ZMT final: ZMT 截断后进行变分优化。

从图 4(a) 可以清晰地看到：

  • 在低温区（$\beta$ 较大），ZMT 的初始误差甚至低于 SVD 优化后的最终误差。
  • 在演化后期，ZMT final 的误差稳定在 $10^{-5}$ 左右，而 SVD final 的误差则在 $10^{-4}$ 量级。ZMT 实现了约一个数量级的精度提升。

2.3 物理可观测预言

在性能数据之外，论文展示了 $Z_2$ 规范场论中一些非平庸的可观测物理量，如 $\langle \sigma_a^z \sigma_b^z \sigma_c^z \sigma_d^z \rangle$（磁通关联）和 $\langle \sigma_a^x \rangle$ 等随温度的变化曲线（图 4(b)）。这些数据在键维度 $D=10$、变分空间维度 $\kappa=5$ 的配置下，展现了极高的数值稳定性，证明了 ZMT 在捕获规范关联方面的卓越能力。

3.1 核心算法实现步骤

要复现 ZMT 算法，开发者需要遵循以下核心步骤：

  1. 构造度规张量 $g$：在 PEPS 的收缩过程中，通过切开特定键，利用环境张量（Environment Tensors，如通过 CTMRG 获得）构造 $D^2 \times D^2$ 的 $g$ 矩阵。
  2. 正则化处理：由于 $g$ 可能是奇异的，需执行 $g \to g + δ$（其中 δ 为极小正数，如 $10^{-12}$）以保证数值稳定性。
  3. 子空间提取：使用 Lanczos 或 Arnoldi 算法提取 $g$ 的最小 $\kappa$ 个特征向量 $Z^m$。通常 $\kappa=5 \sim 10$ 即可。
  4. 共轭梯度优化：实现 Eq. (17) 给出的梯度公式。注意处理复数特征值的情况：如果 TN 是实数，需确保 $E_{max}$ 也是实特征值（通过选取合适的 $\kappa$）。
  5. 实施截断：利用优化后的 $Z$ 构造变换矩阵 $S$，如 Eq. (18) 所示，插入张量键中。

3.2 软件包建议

虽然作者没有直接提供全功能的封装库，但该方法可以集成到以下高性能张量网络库中：

  • ITensor (C++/Julia): 非常适合处理局域张量操作和线性代数。其灵活的索引系统（Index system）可以轻松实现键的切开与合并。
  • Uni10 (C++): 专门为物理对称性设计的张量库，适合复现论文中提到的对称区段（Symmetry Sectors）处理。
  • Quimb (Python): 拥有强大的收缩引擎，适合快速原型开发。

3.3 数据与资源链接

  • 原始数据仓库: 论文中图表的数据已托管至 RODBUK，链接为：https://doi.org/10.57903/UJ/TRYKVW。
  • 核心算法参考: 该工作是作者 2025 年 Physical Review E 工作（Ref. 31）的后续。建议查阅 Ref. 31 以获取更基础的示例代码逻辑。

4. 关键引用文献，以及你对这项工作局限性的评论

4.1 关键引用文献

  1. Verstraete & Cirac (2004/2008): PEPS 的奠基性工作，定义了 2D 张量网络的基本架构（Ref. 1, 8）。
  2. Gu, Levin, & Wen (2008): 关于 TERG 和环关联早期讨论的重要文献（Ref. 11, 12）。
  3. J. Dziarmaga (Ref. 31): ZMT 方法的前身。本文是对该方法的简化和规范不变性改进。
  4. Fishman et al. (2018): 关于 PEPS 变分优化和 NTU 更新的工业标准（Ref. 23）。

4.2 局限性评论

尽管 ZMT 方法在精度上表现优异，但在量子化学或复杂费米子系统的应用中仍存在一些局限性：

  1. 计算开销：虽然优化是在 $\kappa$ 维子空间内进行的，但构造度规张量 $g$ 本身需要对环境张量进行收缩。在大型 2D PEPS 中，计算全环境（Full Environment）的开销巨大，通常只能使用近似环境（如 CTMRG 或 Simple Update 环境），这可能限制 $Z$ 的精度。
  2. 局域性的权衡：ZMT 本质上是一种“增强型局域优化”。虽然它考虑了穿过被截断键的环关联，但它仍然无法完全替代真正的“全局优化”（Global Update）。对于具有超长程关联的相变临界点，ZMT 的提升效果可能会衰减。
  3. 零模的选择：当存在多个极小的特征值时，选择哪一个作为 $E_{max}$ 的基准有时具有启发式色彩。论文中虽然给出了变分优化方案，但在某些复杂的对称性破缺相中，优化过程可能会陷入局部极小值。

5. 其他必要的补充

5.1 关于规范不变性的深度探讨

本文最显著的理论贡献之一是证明了 ZMT 的有效规范不变性。在张量网络中，键上插入 $G^{-1} G$ 变换不改变物理态，但会改变张量的具体数值。传统的截断方法往往依赖于某种特定的规范固定（如横向规范）。

作者在 Sec. V 中证明，ZMT 识别出的最优截断矩阵 $S$ 与初始的规范选择无关。这意味着研究人员在应用 ZMT 之前，不需要进行繁琐的规范中心化操作。这不仅简化了算法流程，更重要的是，它保证了算法在处理具有内在拓扑序（Topological Order）的体系时，不会因为规范漂移而丢失关键的拓扑信息。

5.2 对量子化学的启示

对于量子化学领域的科研人员，ZMT 提供的思路极具启发性。在模拟具有周期性边界条件的分子链或大环芳烃分子时，传统的张量网络截断往往面临环电流关联带来的挑战。如果能将 ZMT 引入到树状张量网络（TTN）或多尺度纠缠重整化（MERA）的优化中，或许能更有效地处理分子轨道间的非局域相关性。

5.3 未来方向：结合量子算力

随着量子硬件的发展，如何利用近期的量子计算（NISQ）设备来辅助寻找张量网络的零模是一个有趣的课题。量子电路在处理高维希尔伯特空间的线性相关性方面具有潜在优势。将 ZMT 这种基于零模的经典优化策略与量子计算辅助的态制备相结合，可能是通往“量子-张量网络混合模拟”的一条新路径。

总结而言，Jacek Dziarmaga 的这项工作不仅是一项技术改进，更是对张量网络“环问题”的一次深刻数学反思。它提醒我们，张量网络中的冗余并非敌人，而是通往更高效压缩算法的密钥。