来源论文: https://arxiv.org/abs/2606.16424v2 生成时间: Jun 17, 2026 12:11

0. 执行摘要

本研究提出了一种革命性的张量网络方法，能够计算超过十亿个格点三维非厄米克紧束缚体系的实空间谱函数。通过将量子张量交叉插值（Quantics Tensor Cross Interpolation, QTCI）与矩阵乘积算符（Matrix Product Operator, MPO）表示相结合，实现大规模哈密顿量的紧凑表示，并利用非厄米克核多项式方法（Non-Hermitian Kernel Polynomial Method, NHKPM）直接计算谱函数。该方法成功应用于三维非厄米克高阶拓扑绝缘体（Higher-Order Topological Insulator, HOTI）的角模式研究，在宏观尺度上清晰地解析了不同损耗强度下的独特角模式谱响应，为非厄米克量子物质的实空间研究开辟了新途径。

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：超越传统限制的非厄米克体系模拟

非厄米克系统在描述开放量子系统、增益-损耗物理、量子输运以及拓扑现象方面展现出广泛而独特的框架。这些系统，从光子晶体到声学材料，在实验中已被成功实现，并展现出诸如谱中的奇异点（exceptional points）和非厄米克趋肤效应（non-Hermitian skin effect）等在厄米克对应物中不存在的现象。然而，对这些系统的数值模拟面临着巨大的挑战，尤其是在三维体系中，随着系统尺寸的增大，希尔伯特空间呈指数级增长，导致计算成本急剧上升，以及复杂的边界效应难以精确处理。特别是，高阶拓扑角模式（higher-order topological corner modes）通常仅在小尺寸晶格中进行研究，这使得强烈的有限尺寸效应可能掩盖其固有的物理行为，难以触及真正的宏观物理极限。

因此，核心科学问题在于：如何开发一种可扩展的计算方法，能够在宏观尺度上，甚至达到数十亿个格点，稳定且高效地模拟三维非厄米克体系的实空间谱函数，并解析其独特的拓扑特征，例如角模式，从而克服传统方法在计算稳定性、计算成本和尺寸限制上的瓶颈？

1.2 理论基础：张量网络与非厄米克谱函数的融合

本研究的理论基础建立在两个核心支柱之上：张量网络方法（Tensor Network methods）和非厄米克核多项式方法（Non-Hermitian Kernel Polynomial Method, NHKPM），并通过量子张量交叉插值（Quantics Tensor Cross Interpolation, QTCI）技术实现高效的哈密顿量表示。

1.2.1 张量网络方法（Tensor Network Methods）

张量网络方法通过利用量子多体系统波函数的低纠缠结构，已经成为模拟这些系统的强大工具。它将高维张量（如波函数或算符）分解为一系列低维张量的乘积，从而将指数级增长的自由度降为多项式级。这使得在计算成本可控的情况下，能够对大规模系统进行受控的近似计算。在非厄米克领域，张量网络方法同样展现出其稳定性和可扩展性，被用于计算谱和动力学性质，有效地处理了非厄米克算符的复杂谱和高条件数所带来的数值不稳定性。

1.2.2 量子张量交叉插值（Quantics Tensor Cross Interpolation, QTCI）

QTCI是张量网络技术的一项最新发展，它极大地拓宽了张量网络的适用范围。QTCI提供了一种高效压缩高维数据或算符的方法，已经在量子化学、动力学系统和量子多体物理等多个研究领域得到应用。在本工作中，QTCI的关键作用在于将大规模的实空间紧束缚哈密顿量压缩为紧凑的张量网络表示，特别是矩阵乘积算符（MPO）形式。这种压缩对于处理十亿格点规模的系统至关重要，因为它允许将传统上不可管理的大矩阵转化为可处理的MPO链。

1.2.3 非厄米克核多项式方法（Non-Hermitian Kernel Polynomial Method, NHKPM）

NHKPM是本研究中用于计算非厄米克哈密顿量谱函数的核心算法。对于一个普通的非厄米克哈密顿量H，其谱函数f(ω)定义为f(ω) = (ψL|δ²(ω − H)|ψR)，其中δ²表示复能量平面上的二维狄拉克δ函数。NHKPM通过将非厄米克问题映射到一个扩大的厄米克哈密顿量H(ω)来解决这个问题：

$\hat{H}(\omega) = \begin{pmatrix} 0 & \omega^*I-H \\ \omega I-H^\dagger & 0 \end{pmatrix}$

在这种表示下，谱函数可以通过H(ω)的格林函数来表达。由于H(ω)是厄米克算符，因此可以应用标准的核多项式方法（KPM）进行计算。KPM通过切比雪夫多项式展开格林函数，从而避免了直接对角化大型矩阵的需要。通过选择|ψL>和|ψR>为格点l上的局域态，可以直接得到局域态密度（LDOS）f(ω, l），然后通过对所有格点求和得到总态密度（DOS）ρ(ω)。这种方法在张量网络框架下，可以高效地通过MPS-MPO-MPS收缩来实现，从而将NHKPM的计算优势与张量网络压缩能力结合起来。

1.3 技术难点：大规模、非厄米克与精确性之间的平衡

本研究面临的技术难点主要包括：

  1. 希尔伯特空间的指数增长：三维体系中，格点数量的增加导致希尔伯特空间维度呈指数增长，传统方法在处理超过数千个格点时便举步维艰。如何表示和操作十亿个格点上的哈密顿量是首要挑战。
  2. 非厄米克算符的复杂性：非厄米克哈密顿量的谱通常是复数，且可能存在高条件数，这使得数值对角化极不稳定且计算成本高昂。传统的KPM直接应用于非厄米克系统会遇到困难，因此需要特定的非厄米克KPM变体。
  3. 边界效应的精确捕捉：对于拓扑系统，特别是高阶拓扑系统，边界（例如角点）上的模式是核心物理。在有限尺寸系统中，这些模式可能受到系统边缘的强烈影响。如何在宏观尺度上精确地解析和区分这些精细的边界模式，同时避免有限尺寸效应的干扰，是一个严峻的挑战。
  4. 张量网络表示的效率与精度平衡：将任意的紧束缚哈密顿量高效地转换为MPO形式，并保持可控的键维（bond dimension），是确保计算可扩展性的关键。同时，MPO的键维和切比雪夫展开阶数会直接影响计算的精度和成本，如何在两者之间找到最佳平衡点。
  5. 跨尺度耦合：将微观的格点哈密顿量与宏观的谱函数计算连接起来，并确保数值稳定性。这要求在MPO层面实现哈密顿量的厄米化以及切比雪夫多项式的递归计算。

1.4 方法细节：QTCI-MPO与NHKPM的精巧结合

1.4.1 哈密顿量的张量化与MPO表示

本方法的基石是将大规模实空间紧束缚哈密顿量H表示为MPO形式。对于一个具有N个格点的系统，每个格点索引α可以唯一地编码为二进制形式α = (s1, s2, …, sL)，其中si ∈ {0,1}。这种二进制编码定义了一个伪自旋表示，将单粒子希尔伯特空间映射到L个伪自旋系统。在此基础上，哈密顿量矩阵元Hαβ可以被解释为作用在L个伪自旋链上的有效多体哈密顿量，从而自然地适配MPO形式：

$H_{(\mathbf{s}_1,\mathbf{s}_2,\ldots,\mathbf{s}_L), (\mathbf{s}'_1,\mathbf{s}'_2,\ldots,\mathbf{s}'_L)} = \Gamma^{(1)}_{s_1s'_1} \Gamma^{(2)}_{s_2s'_2} \ldots \Gamma^{(L)}_{s_Ls'_L}$

其中每个张量Γ(n)带有两个物理索引(sn, s’n)和两个虚索引，虚索引之间的收缩定义了MPO键维m，它控制着MPO表示的表达能力和计算复杂度。

对于非厄米克哈密顿量，其对角项可以纯虚数形式出现（例如taa = iλua），其中空间分布ua可以通过QTCI算法进行压缩，以生成其MPO表示。跳跃项的MPO构造也同样直接，通过构建紧凑的位移MPO Hup和Hdown来实现。将这些MPO组合起来，就得到了一个通用的实空间最近邻跳跃非厄米克紧束缚哈密顿量的紧凑张量网络表示。

1.4.2 MPO层面上的哈密顿量厄米化

为了将NHKPM应用于非厄米克哈密顿量H，首先需要将其厄米化为H(ω)。这个过程可以直接在MPO层面实现。扩大的厄米克哈密顿量H(ω)可以被构造为原始H和一个辅助单格点MPO的直积。具体而言，厄米化后的哈密顿量Ĥ具有以下形式：

$\hat{H} = \sigma^+ \otimes (\omega I - H) + \sigma^- \otimes (\omega^* I - H^\dagger)$

其中σ⁺和σ⁻是泡利矩阵，I是单位MPO。通过将辅助格点放置在MPO链的起始位置，并在整个计算过程中控制键维，这种方法保持了计算的效率。为了提取物理扇区的贡献，引入了一个投影算符R = σ⁺ ⊗ I，其作用是将辅助空间限制在物理扇区。

1.4.3 基于张量网络的NHKPM计算流程

在MPO表示和厄米化之后，谱函数的计算f(ω, l) = Σn=1N_c (-1)n+1 <l|∂ω* T2n-1(Ĥ)|l> 可以通过标准的MPS-MPO-MPS收缩实现，其中|l>表示与物理格点l对应的厄米化空间基态。NHKPM利用切比雪夫多项式的递归关系，可以迭代地构建出展开所需的所有切比雪夫多项式T_n(Ĥ)及其对ω的导数∂ωT_n(Ĥ)。实际计算中，切比雪夫级数会进行截断，并使用Jackson核函数进行正则化，以抑制截断误差。

具体步骤如下：

  1. 哈密顿量MPO构建：根据物理模型（例如3D BBH模型）和QTCI压缩结果，构建原始非厄米克哈密顿量H的MPO表示。
  2. 厄米化MPO：依据Ĥ = σ⁺⊗(ωI-H) + σ⁻⊗(ω*I-H†)的定义，将H转换为更大的厄米化MPO Ĥ。
  3. 初始化KPM参数：设置切比雪夫展开阶数Nc和Jackson核函数参数。
  4. 基态MPO构建：选择局域态|l>（或更通用的|ψL>和|ψR>）作为MPS，代表在厄米化空间中的物理格点。
  5. 切比雪夫多项式MPO递归：使用切比雪夫多项式的三项递推关系（Tn+1(x) = 2xTn(x) - Tn-1(x)），并在MPO层面计算Tn(Ĥ)以及它们的导数∂ω*Tn(Ĥ)。这一步涉及MPO与MPO的乘法和加法操作，需要严格控制键维。
  6. MPS-MPO-MPS收缩：将基态MPS（或投影算符R）与切比雪夫多项式MPO（或其导数）以及另一个基态MPS进行收缩。例如，计算<l|∂ω*T2n-1(Ĥ)|l>。
  7. 谱函数求和与正则化：将收缩结果按加权系数求和，并应用Jackson核函数进行正则化，得到最终的谱函数f(ω, l)。
  8. DOS/LDOS计算：通过对特定格点或所有格点上的局域谱函数进行求和，得到局域态密度（LDOS）或总态密度（DOS）。

1.4.4 计算成本与可扩展性

本方法的计算成本主要由MPO的键维（bond dimension）和切比雪夫展开的阶数（Chebyshev expansion order）控制。键维决定了MPO操作的计算复杂度，而展开阶数则影响谱函数的分辨率。对于那些具有结构化哈密顿量且谱特征局域的系统，MPO键维可以保持相对较小，从而确保了大规模计算的可行性。特别是对于实空间中谱分离的非厄米克特征，这种方法表现出卓越的性能，能够有效地解析出孤立的谱模式。这种设计使得该方法特别适合于解决传统方法无法处理的宏观尺度问题。

总的来说，该方法通过将哈密顿量的MPO表示与NHKPM的谱函数计算框架相结合，并通过QTCI进行高效压缩，成功克服了在三维非厄米克系统中进行大规模模拟的计算挑战，为研究宏观尺度的非厄米克量子物质提供了强大的工具。

2. 关键 benchmark 体系，计算所得数据，性能数据

2.1 关键Benchmark体系：三维非厄米克高阶拓扑绝缘体（HOTI）

为了充分展示所提出方法的有效性和可扩展性，本研究选择了一个具有挑战性的三维非厄米克高阶拓扑绝缘体（HOTI）模型作为Benchmark体系。这个模型（如图1c所示）是一个典型的“方格-哈伯德”（BBH）类型模型，但具有额外的非厄米克特性，其哈密顿量H可以分解为厄米克部分H₀和非厄米克损耗项Hγ，即H = H₀ + Hγ。

2.1.1 厄米克部分H₀：拓扑模式的起源

厄米克部分H₀的设计旨在产生高阶拓扑模式。其形式为：

$H_0 = \sum_{\mathbf{r}=(x,y,z)} \sum_s [s_s(\mathbf{r})t(n_s)c_{\mathbf{r}}^\dagger c_{\mathbf{r}+\mathbf{e}_s} + h.c.]$

其中，$s_s(\mathbf{r})$表示交错符号结构，其具体定义如下：

$s_x(\mathbf{r}) = 1$ $s_y(\mathbf{r}) = (-1)^x$ $s_z(\mathbf{r}) = (-1)^{x+y}$

这种交错符号结构在每个面片上产生了一个π磁通，是形成拓扑模式的关键。此外，模型引入了二聚体跳跃幅度$t(n_\mu)$，其定义为：

$t(\mu) = \begin{cases} t_1, & n_\mu \text{ odd} \\ t_2, & n_\mu \text{ even} \end{cases}$

其中$n_\mu$表示沿着μ方向的坐标。在本研究中，跳跃参数被设定为$t_1 = 1$和$t_2 = 1.4$。这种参数选择确保了厄米克部分H₀处于三维BBH类型模型的更高阶拓扑区域，从而在系统的角点（corners）处产生局域模式。

2.1.2 非厄米克损耗项Hγ：重塑能谱与分离角模式

非厄米克损耗项Hγ负责引入系统的非厄米克特性，其形式为：

$H_\gamma = i\lambda \sum_{x,y,z} V(x,y,z) c^\dagger_{x,y,z} c_{x,y,z}$

其中iλ是损耗强度，V(x,y,z)是一个与空间位置相关的函数，其定义如下：

$V(x,y,z) = \prod_{\gamma=x,y,z} [\sqrt{2}f(a_\gamma)\cos(\frac{\pi}{2}a_\gamma + \frac{\pi}{4})]$ $f(a_\gamma) = \begin{cases} +1, & a_\gamma = 0,3 \\ -1, & a_\gamma = 1,2 \end{cases}$

$a_\gamma = y \pmod 4$。损耗项Hγ的主要作用是重塑系统的复数能谱，并将角模式的本征值与体连续谱（bulk continuum）在谱上分离，使其在复能量平面中形成一个有限的线隙（line gap），从而可以通过实空间谱函数进行直接识别。

2.2 计算所得数据与关键发现

本研究通过对两种尺度的系统进行模拟，验证了方法的有效性：一个中小尺寸系统（4096个格点）通过精确对角化（ED）作为基准，以及一个宏观尺寸系统（超过十亿个格点）通过张量网络方法进行计算。

2.2.1 中小尺寸系统Benchmark (16³ = 4096个格点) 的精确对角化结果

为了提供张量网络结果的基准，首先对一个$16^3 = 4096$个格点的系统进行了精确对角化（Exact Diagonalization, ED）计算。研究了两种代表性的损耗强度λ：

  • 弱损耗区域（λ=2）：

    • 图2(a)和2(b)显示，能谱中存在一个单一的、孤立的角模式扇区。该模式的LDOS（局域态密度）集中在整个系统的外角。这表明在弱损耗情况下，角模式虽然被修饰，但其基本特性保持不变。

  • 强损耗区域（λ=5）：

    • 图2(c)-(g)显示，增加损耗强度后，复能量谱发生了质的改变。在Im(E) > 0的区域出现了四个孤立的带隙内模式（in-gap modes），表明角模式流形发生了分级分裂。这些模式对应的LDOS图案（图2(d)-(g)）揭示了角模式的层次化局域模式：具有最大虚能量的模式仍然集中在外角方块附近，而能量较低的模式则逐渐局域到其内角。

这些ED计算结果为后续的张量网络模拟提供了可靠的基准，验证了模型在不同损耗强度下产生独特角模式行为的能力。

2.2.3 十亿格点系统 (1024³ ≈ 10⁹个格点) 的张量网络结果

本研究的核心贡献在于将张量网络方法应用于一个$1024^3 \approx 10^9$个格点的巨大系统，这远远超出了精确对角化的能力范围。所有张量网络计算均在最大键维χ=100和切比雪夫展开阶数Nc=500下进行。

  • 弱损耗区域（λ=1.4）：

    • 图3(a)显示了在复平面上的角DOS，其中观察到一个单一的、宽泛但分辨良好的角模式，其虚能量Im(E)约为0.25，与体连续谱明显分离。这表明在宏观系统中，弱损耗下的角模式依然存在。
    • 图3(c)展示了对应于该带隙内模式的LDOS，该模式局域在选定角方块的外部，进一步证实了角模式扇区在宏观系统中的持久性。

  • 强损耗区域（λ=5）：

    • 图4(a)显示，角模式扇区分裂成四个独立的带隙内模式，这些模式沿着虚能量轴出现。这与ED计算在小尺寸系统中的观察结果一致，表明张量网络方法精确捕捉了模式的分裂行为。
    • 图4(b)中的Re(E)=0处的谱切片进一步探究了角模式的层次化分裂。
    • 图4(c)-(f)展示了在不同复能量下这些带隙内模式的角LDOS图案。这些图案再现了ED计算中观察到的相同层次化局域序列，即从最外层的角方块向最内层的角点逐渐局域。这证明了即使在宏观尺度上，张量网络框架也能忠实地捕捉非厄米克HOTI的谱响应及其精细的局域模式特性。

2.2.4 性能数据与可扩展性

虽然论文没有提供具体的运行时间或内存消耗数据，但其核心性能优势在于实现了前所未有的系统规模：

  • 超越传统方法的限制：精确对角化对于4096个格点的系统尚可行，但对于$10^9$个格点的系统则完全不可行。张量网络方法成功地将模拟能力提升了约6个数量级，这本身就是一项巨大的性能突破。
  • 计算成本的可控性：论文明确指出，计算成本主要由MPO的键维和切比雪夫展开阶数控制。这表明，对于具有局域相互作用且纠缠度不高的系统（如本文的紧束缚模型），张量网络能够提供一种多项式级而非指数级的计算复杂度。
    • MPO键维（$\chi=100$）：在保持合理精度的前提下，该键维相对于希尔伯特空间的巨大维度而言非常小，是实现可扩展性的关键。
    • 切比雪夫展开阶数（$N_c=500$）：这个参数决定了谱函数的分辨率，在宏观尺度上解析出精细的角模式，表明了KPM展开的效率。
  • 针对性优化：该方法特别适用于解析谱上孤立的非厄米克特征。通过KPM，可以高效地计算特定能量范围内的谱函数，而无需计算整个哈密顿量的所有本征值和本征态，这在处理大尺寸系统时具有巨大优势。
  • 通用性：该框架不仅限于本研究的特定模型，还可以扩展到其他具有结构化哈密顿量的非厄米克紧束缚系统，例如准周期系统和摩尔系统，进一步证明了其在处理大规模复杂系统方面的普适性能。

总而言之，本研究不仅展示了在十亿格点尺度上进行非厄米克体系实空间谱函数计算的能力，而且通过对比精确对角化结果，验证了张量网络方法在捕捉复杂拓扑模式和层次化局域行为方面的准确性。尽管缺乏具体的运行时间数据，但其所实现的系统规模本身就足以证明该方法在性能上的巨大飞跃，为宏观非厄米克量子物质的研究奠定了基础。

3. 代码实现细节，复现指南，所用的软件包及开源 repo link

3.1 代码实现细节

本研究的核心代码实现依赖于张量网络算法与非厄米克核多项式方法（NHKPM）的紧密集成。其细节体现在哈密顿量的MPO表示、厄米化过程、KPM展开以及最终的谱函数计算中。

3.1.1 MPO的构建与哈密顿量张量化

  1. 格点编码：三维格点坐标(x,y,z)被二进制编码为伪自旋链(s1,s2,…,sL)。这一步将一个三维问题转换为一维MPO链问题，极大地简化了张量网络操作。例如，对于一个L³的系统，可能需要3L个伪自旋位来编码。
  2. 哈密顿量MPO生成：
    • 对角项：对于对角线上的项，如非厄米克损耗项Hγ，其系数V(x,y,z)通过QTCI算法被压缩为MPO。QTCI的核心在于找到一个低秩张量分解，以紧凑地表示高维函数V。这意味着一个复杂的空间函数可以被表示为一个短的MPO链。
    • 跳跃项：对于最近邻跳跃项，它们被分解为上升(Hup)和下降(Hdown)算符的MPO。这些算符MPO可以标准地构建，通过在MPO链的特定位置插入一个代表跳跃操作的张量，并将其他位置设置为单位矩阵。例如，一个从格点i到i+1的跳跃会涉及两个伪自旋位的操作，并沿着MPO链传播。
    • 组合MPO：H₀和Hγ的MPO表示通过张量网络的求和操作进行组合，得到完整的哈密顿量H的MPO表示。

3.1.2 MPO层面上的厄米化

为了应用NHKPM，非厄米克哈密顿量H需要被厄米化为Ĥ。这一过程巧妙地在MPO层面实现：

  1. 辅助站点引入：引入一个额外的辅助格点，其希尔伯特空间维度为2，对应于σ⁺和σ⁻。这个辅助格点与原始哈密顿量H的MPO链的第一个（或最后一个）格点耦合。
  2. Ĥ的构造：构建Ĥ = σ⁺⊗(ωI-H) + σ⁻⊗(ωI-H†)。在MPO层面，这意味着将H的MPO与单位MPO I进行张量积，然后与(ω)和(ω)进行适当的标量乘法，并与H†的MPO（通过对H的MPO进行共轭转置得到）组合。
  3. 投影算符R：投影算符R = σ⁺⊗I用于从厄米化哈密顿量Ĥ的计算结果中提取物理扇区的贡献。这通过在MPO收缩的开始或结束时引入一个额外的张量来实现。

3.1.3 基于张量网络的NHKPM展开

  1. 切比雪夫多项式MPO的生成：NHKPM的核心是计算一系列切比雪夫多项式T_n(Ĥ)。这些多项式是在MPO层面通过递归关系Tn+1(Ĥ) = 2ĤTn(Ĥ) - Tn-1(Ĥ)生成的。Ĥ与Tn(Ĥ)的乘法以及MPO之间的加法都是张量网络的基本操作，需要进行键维截断。
  2. 导数MPO的计算：为了计算谱函数，还需要计算切比雪夫多项式对ω的导数∂ωT_n(Ĥ)。这也遵循递归关系：∂ωT_n(Ĥ) = 2(I T_n(Ĥ) + Ĥ ∂ωT_n(Ĥ)) - ∂ω*T_n-1(Ĥ)。同样，这些操作在MPO层面执行。
  3. 谱函数求值：谱函数f(ω, l) = Σn (-1)n+1 <l|∂ω*T2n-1(Ĥ)|l> 的计算通过MPS-MPO-MPS收缩实现。局域态|l>被表示为一个简单的MPS。收缩过程涉及将一个MPS、一个MPO和一个MPS按链式连接并求和，这是ITensor等库的优化核心。
  4. 正则化：为了平滑截断的切比雪夫级数，通常采用Jackson核函数。这涉及在求和过程中对每个项乘以一个特定的权重系数。

本研究的实现高度依赖于先进的张量网络库和数值计算工具。

  • ITensor Library [53]：论文明确指出，谱函数是通过“标准的MPS-MPO-MPS收缩，利用ITensor库实现”的。ITensor是一个强大的C++库，广泛用于实现各种张量网络算法，包括DMRG、时间演化、MPO操作等。它提供了高效的张量操作原语和优化算法，是张量网络研究的首选工具之一。通常，ITensor也提供Python或Julia的封装，使得研究人员可以在更高级的语言中利用其C++核心的性能。
  • 数值计算库：虽然论文没有明确列出所有底层库，但可以推断在Python/Julia或C++环境中，可能使用了如NumPy、SciPy等用于线性代数、傅里叶变换和其他数学操作的库。
  • 自定义QTCI实现：QTCI算法本身可能需要自定义实现，或者基于现有框架进行适配，以将高维函数（如Hγ中的V(x,y,z)）压缩为MPO形式。由于QTCI相对较新，很可能部分代码是研究团队自行开发的。

论文的参考文献[62]提供了一个GitHub链接，指向了本工作的代码实现：

[62] https://github.com/YITAOSUN42/Tensor_network_NH_tb.

这个链接对于希望复现或基于此工作进行拓展的研究人员来说至关重要。

3.3 复现指南（基于通用工作流的推测）

鉴于开源代码库的存在，以下是一个假设的复现指南，结合了论文中描述的方法和通用张量网络项目的实践。

3.3.1 前提条件

  1. 编程环境：强烈建议使用Python (3.8+) 或 Julia (1.6+)，因为ITensor通常有这些语言的封装。C++环境也是可能的，但配置更为复杂。
  2. ITensor库：根据所选语言，安装对应版本的ITensor。例如，对于Python，可能需要安装itensor-python绑定。
  3. 计算资源：对于小尺寸（16^3）系统，个人电脑即可运行精确对角化或初步张量网络测试。然而，对于十亿格点（1024^3）的宏观系统，需要高性能计算集群（HPC）和大内存支持。预计内存需求将达到数百GB到数TB，计算时间可能从数小时到数天。
  4. Git：用于克隆代码仓库。

3.3.2 设置步骤

  1. 克隆代码库：
    git clone https://github.com/YITAOSUN42/Tensor_network_NH_tb.git
cd Tensor_network_NH_tb
  2. 安装依赖：检查代码库中的requirements.txt（如果存在）或类似文件，安装所有必要的Python/Julia包。例如，pip install numpy scipy h5py。
  3. ITensor配置：确保ITensor库已正确安装并可由代码访问。根据ITensor的安装说明进行配置。

3.3.3 运行流程（示例脚本逻辑）

代码库中可能包含用于定义模型和运行模拟的脚本，例如main.py或run_simulation.jl。

  1. 参数配置：

    • 系统尺寸：例如，设置L_max = 1024用于宏观系统。对于精确对角化测试，可以设置L_small = 16。
    • 哈密顿量参数：定义跳跃参数t1 = 1.0, t2 = 1.4；损耗强度lambda = 1.4（弱损耗）或lambda = 5.0（强损耗）。
    • 张量网络参数：设置MPO键维bond_dimension = 100；切比雪夫展开阶数chebyshev_order = 500。
    • 能量窗口：定义计算谱函数的复能量平面范围，包括实部和虚部。

  2. 哈密顿量MPO初始化：

    • 调用内部函数生成H₀和Hγ的MPO。这一步会用到QTCI来压缩空间函数V(x,y,z)。
    • 组合这些MPO以获得非厄米克哈密顿量H的MPO表示。

  3. 厄米化MPO Ĥ的构建：

    • 根据选定的复能量ω，构建Ĥ的MPO。这将涉及创建一个额外的辅助站点和相应的泡利矩阵MPO。

  4. KPM展开与谱函数计算：

    • 循环从n=0到chebyshev_order，计算T_n(Ĥ)和∂ω*T_n(Ĥ)的MPO。在每次迭代中，都需要执行MPO乘法和加法，并可能进行键维截断。
    • 针对每个选定的格点l（例如，角点），构建对应的局域态MPS。
    • 执行MPS-MPO-MPS收缩<l|∂ω*T_{2n-1}(Ĥ)|l>。
    • 将结果与Jackson核函数系数相乘并求和，得到f(ω, l)。

  5. 数据后处理与可视化：

    • 将计算得到的谱函数数据保存为.csv, .npy, 或.h5等格式。
    • 使用Matplotlib、Gnuplot或类似的绘图库来生成谱函数图（如Re(E) vs Im(E)），LDOS分布图（如在3D角方块中），以复现论文中的图2、3、4。

3.3.4 复现挑战

  • 计算资源：复现十亿格点系统需要大量的计算资源，这对于大多数研究人员来说是一个主要障碍。
  • 张量网络专业知识：尽管代码库可能提供了高级接口，但深入理解张量网络的概念、MPO操作和键维管理对于调试和修改代码至关重要。
  • ITensor熟悉度：需要熟悉ITensor库的API及其工作方式。
  • QTCI实现：QTCI的细节可能不会完全公开，理解其工作原理对调整压缩效率和精度至关重要。
  • 内存管理：在处理大规模系统时，即使是张量网络，内存管理也可能成为一个挑战，需要对代码进行优化。

通过遵循这些步骤并深入研究提供的开源代码，研究人员应该能够理解和复现本研究的关键成果。

4. 关键引用文献，以及你对这项工作局限性的评论

4.1 关键引用文献的分类与解析

本研究构建在一个多学科交叉的知识体系之上，涉及非厄米克物理、拓扑物质、张量网络算法和量子信息。以下是论文中关键引用文献的分类和它们在本工作中的作用：

4.1.1 非厄米克物理基础与综述

  • [1] Y. Ashida, Z. Gong, and M. Ueda, Non-hermitian physics, Advances in Physics 69, 249 (2020).
  • [2] E. J. Bergholtz, J. C. Budich, and F. K. Kunst, Exceptional topology of non-hermitian systems, Rev. Mod. Phys. 93, 015005 (2021). 这两篇综述性文章为非厄米克物理提供了全面的背景，包括其基本概念、独特的现象（如奇异点、非厄米克趋肤效应）以及在拓扑物理中的应用。它们是理解本研究理论框架的出发点。

4.1.2 非厄米克拓扑学与高阶拓扑绝缘体

  • [3] X.-W. Luo and C. Zhang, Higher-order topological corner states induced by gain and loss, Phys. Rev. Lett. 123, 073601 (2019). 这篇论文直接指出了增益和损耗如何诱导高阶拓扑角模式，为本研究选择三维非厄米克HOTI模型提供了理论依据。它强调了非厄米克性质在塑造拓扑边界态方面的重要作用。
  • [12] S. Yao and Z. Wang, Edge states and topological invariants of non-hermitian systems, Phys. Rev. Lett. 121, 086803 (2018).
  • [13] C. H. Lee and R. Thomale, Anatomy of skin modes and topology in non-hermitian systems, Phys. Rev. B 99, 201103 (2019). 这些文章深入探讨了非厄米克系统中的边缘态、拓扑不变量和趋肤效应，它们是理解本研究中角模式形成和局域化机制的关键背景知识。

4.1.3 张量网络方法与KPM

  • [24] S. R. White, Density matrix formulation for quantum renormalization groups, Phys. Rev. Lett. 69, 2863 (1992).
  • [25] U. Schollwöck, The density-matrix renormalization group, Reviews of Modern Physics 77, 259315 (2005). DMRG是张量网络方法的先驱，这两篇经典文献奠定了理解MPO和MPS等张量网络概念的基础。它们解释了张量网络如何通过利用量子多体系统的低纠缠结构来降低计算复杂度。
  • [51] A. Weiße, G. Wellein, A. Alvermann, and H. Fehske, The kernel polynomial method, Rev. Mod. Phys. 78, 275 (2006). 这是核多项式方法（KPM）的经典综述，详尽介绍了KPM的原理、应用和优势。KPM在处理大规模系统谱函数计算方面的效率是本研究能够拓展到十亿格点规模的关键。

4.1.4 张量网络与KPM在非厄米克系统中的结合

  • [27] G. Chen, F. Song, and J. L. Lado, Topological spin excitations in non-hermitian spin chains with a generalized kernel polynomial algorithm, Phys. Rev. Lett. 130, 100401 (2023).
  • [28] G. Chen, J. L. Lado, and F. Song, Many-body liouvillian dynamics with a non-hermitian tensor-network kernel polynomial algorithm, Phys. Rev. Res. 6, 043182 (2024). 这两篇是本研究团队成员在非厄米克系统中使用KPM与张量网络结合的先期工作，为本论文的方法奠定了直接基础。它们证明了这种结合在处理非厄米克多体系统中的可行性和优势。

4.1.5 量子张量交叉插值（QTCI）及其在哈密顿量压缩中的应用

  • [34] Y. N. Fernndez, M. K. Ritter, M. Jeannin, J.-W. Li, T. Kloss, T. Louvet, S. Terasaki, O. Parcollet, J. von Delft, H. Shinaoka, and X. Waintal, Learning tensor networks with tensor cross interpolation: New algorithms and libraries, SciPost Phys. 18, 104 (2025).
  • [35] M. K. Ritter, Y. Núñez Fernández, M. Wallerberger, J. von Delft, H. Shinaoka, and X. Waintal, Quantics tensor cross interpolation for high-resolution parsimonious representations of multivariate functions, Phys. Rev. Lett. 132, 056501 (2024). 这两篇文章介绍了QTCI算法的原理和应用，特别强调了其在高效压缩高维函数和算符方面的能力。QTCI是本研究中将大规模实空间哈密顿量压缩为MPO的关键技术。
  • [47] Y. Sun, M. Niedermeier, T. V. C. Antão, A. O. Fumega, and J. L. Lado, Self-consistent tensor network method for correlated super-moiré matter beyond one billion sites, Phys. Rev. Res. 7, 043288 (2025). 这篇文献是本研究团队的另一项工作，展示了QTCI-MPO方法在处理超大规模（十亿格点）厄米克体系中的应用，特别是针对摩尔材料。它为本研究将此方法推广到非厄米克系统提供了重要经验。

4.1.6 软件库与工具

  • [53] M. Fishman, S. R. White, and E. M. Stoudenmire, The ITensor Software Library for Tensor Network Calculations, SciPost Phys. Codebases, 4 (2022). ITensor库是本研究实际实现的基础，它提供了高效的张量操作和MPO/MPS收缩功能，极大地简化了张量网络算法的开发。

4.2 对这项工作局限性的评论

尽管本研究在处理大规模非厄米克体系方面取得了显著突破，但仍存在一些潜在的局限性：

  1. 计算成本的隐含限制：论文指出计算成本主要由MPO键维（$\chi$）和切比雪夫展开阶数（$N_c$）控制。虽然对于所研究的特定模型，这些参数可以保持相对较小，但对于那些具有更高纠缠度、非局域相互作用或更复杂谱特征的非厄米克系统，键维可能会急剧增加。高键维会导致MPO操作的计算复杂度显著提高（通常是$\chi^3$或$\chi^4$），从而抵消部分可扩展性优势。同样，如果需要极高的谱分辨率来分辨非常紧密的模式，则$N_c$可能需要大幅增加，这也会增加计算量。

  2. 哈密顿量结构的要求：本方法最适用于可以被有效表示为MPO的哈密顿量。这通常意味着相互作用是局域的、短程的或具有周期性的。对于具有复杂长程相互作用、或者哈密顿量结构本身高度非局域的系统，MPO表示的键维可能会非常大，甚至可能失去MPO的优势。虽然QTCI可以压缩高维函数，但对于任意复杂的哈密顿量，将其高效地转换为MPO仍然是一个挑战。

  3. 缺乏详细的性能基准数据：尽管论文宣称能够处理十亿格点系统，但并未提供具体的运行时间、内存消耗或不同参数（如$\chi$和$N_c$）下的性能分析数据。这些数据对于其他研究人员评估该方法在实际应用中的可行性，以及进行资源规划至关重要。缺乏这些细节使得难以全面理解其在极端规模下的实际计算开销。

  4. 动态性质的局限：本研究主要聚焦于系统的静态谱函数，即局域态密度和总态密度。虽然KPM原则上可以扩展到计算时间相关的动态相关函数，但其计算复杂性可能会进一步增加。对于非厄米克系统，其动力学行为（如粒子扩散、弛豫过程）通常比厄米克系统更为复杂和丰富，目前的方法尚未直接探索这些方面。

  5. 特定几何与通用性：Benchmark体系是一个具有简单立方晶格结构的角方块。虽然该方法是通用的，但在将MPO构造扩展到更复杂的、非周期性或无序的几何结构时，可能需要额外的算法优化和实现工作。特别是对于准晶体或无序系统，MPO的构造可能会更具挑战性。

  6. 对量子化学领域的启示与挑战：

    • 适用性：本研究主要针对凝练态物理中的紧束缚模型。虽然QTCI在量子化学中有所应用[36]，但将量子化学中复杂的从头算（ab initio）哈密顿量（如包含电子相关效应的非局域相互作用）高效地转换为MPO形式，仍然是一个巨大的挑战。目前的MPO构造方法主要针对局域、单粒子或近邻相互作用。
    • 非厄米克在量子化学中的解释：虽然非厄米克物理可用于描述开放量子系统和动力学过程，但其在主流量子化学中的应用仍处于探索阶段。例如，如何将分子体系中的非绝热耦合、弛豫过程或电子传输效率精确映射为本研究中的非厄米克哈密顿量形式，需要进一步的理论发展。
    • 效率与精度：量子化学对精度有极高要求，通常需要meV甚至更低的能量精度。本方法中的KPM展开阶数和MPO键维会直接影响精度，需要在计算效率和所需的量子化学精度之间进行权衡。

  7. “黑箱”性质：对于非张量网络领域的专家而言，虽然ITensor等库简化了实现，但理解底层张量网络理论、MPO的构造和操作的细节仍然需要较高的专业知识。这可能构成了一定的门槛，限制了该方法在更广泛的量子化学社区中的直接采用和推广。

尽管存在这些局限性，本研究通过开创性地将QTCI-MPO与NHKPM结合，为理解宏观尺度上的非厄米克量子物质提供了前所未有的工具。这些局限性也为未来的研究指明了方向，激励我们进一步完善方法，以应对更复杂、更广泛的物理化学问题。

5. 其他你认为必要的补充

5.1 对量子化学领域的深远影响与潜在机遇

虽然本研究主要集中在凝聚态物理的紧束缚模型，但其所展示的方法学和成果对量子化学领域具有深远的影响和巨大的潜在机遇，尤其是在处理大规模体系、开放系统和复杂动力学方面。

  1. 大规模分子体系与材料模拟：

    • 超越传统DFT/Post-HF的限制：传统的密度泛函理论（DFT）或高精度后哈特里-福克（Post-HF）方法在处理包含数百甚至数千个原子的分子或纳米材料时，计算成本迅速上升。张量网络（如DMRG）已在处理一维或低维强关联体系中展现出优势，而本研究将这一能力扩展到三维十亿原子级别，尽管是在紧束缚模型下。这为量子化学研究者探索如何在更大尺度上模拟复杂分子团簇、高分子链、生物大分子（如蛋白质复合物）或具有周期性边界条件的材料体系提供了新的思路。通过适当的模型简化（如局域基组或紧束缚近似），QTCI-MPO有望压缩量子化学哈密顿量。
    • 缺陷与异质结构：在材料科学中，研究缺陷、杂质或异质界面对材料性质的影响至关重要。这些局域扰动通常需要非常大的超胞来模拟。本方法能够在宏观尺度上处理实空间局域态密度，为研究这些结构中的电子结构和激发态提供了一种高效工具，超越了传统周期性计算的限制。

  2. 开放量子系统与非厄米克量子化学：

    • 描述寿命与弛豫过程：在量子化学中，许多过程本质上是非绝热的或发生在开放系统中，例如激发态寿命、电子转移速率、溶剂效应下的分子弛豫等。这些现象通常需要非厄米克哈密顿量或开放量子系统理论（如密度矩阵主方程）来描述。本研究提供了一个在宏观尺度上计算非厄米克谱函数的方法，这可以直接用于计算这些非平衡态或准稳态的能量和寿命，从而深入理解化学反应动力学。
    • 量子输运与能量传递：非厄米克框架与量子输运密切相关。在分子电子学、光伏材料或生物光合作用体系中，能量或电荷的传递是核心问题。本方法能够计算实空间的局域谱函数，可以用于识别和表征这些体系中电荷或能量传递路径上的局域电子态，分析其在增益-损耗（如能量耗散）环境下的行为。

  3. 高维数据压缩与机器学习：

    • QTCI在量子化学中的普适性：QTCI作为一种高维数据压缩技术，其应用远不止于哈密顿量。在量子化学中，高维张量无处不在，例如多体波函数、密度矩阵、原子坐标、核势能面、激发态耦合等。利用QTCI将这些高维数据压缩为MPO/MPS形式，可以显著降低存储和计算成本，为量子化学数据分析和机器学习模型构建提供新的范式。
    • 势能面与动力学模拟：高维势能面是分子动力学模拟和反应路径搜索的关键。QTCI可以将复杂势能面压缩为紧凑的张量网络形式，从而加速高维拟合和采样，为大规模分子体系的从头算分子动力学模拟带来新的突破。

5.2 未来研究方向

  1. 推广至强关联非厄米克系统：本研究主要处理非相互作用（或平均场）的紧束缚模型。未来的一个重要方向是将QTCI-MPO-NHKPM框架扩展到处理强关联非厄米克多体系统，例如具有Hubbard相互作用的非厄米克模型。这将需要将张量网络中的DMRG或时间演化方法与NHKPM相结合，以捕捉非厄米克系统中的复杂关联效应。

  2. 更复杂的几何与无序系统：探索将MPO构造和QTCI压缩技术应用于具有非晶态、无序或更复杂纳米结构（如量子点阵列、随机网络）的非厄米克系统。这将考验张量网络在处理非周期性边界条件和统计平均方面的能力。

  3. 计算效率与算法优化：尽管方法具有可扩展性，但进一步提升计算效率始终是追求目标。例如，开发更快的KPM展开算法、优化MPO与MPO乘法操作、探索GPU加速或混合CPU/GPU计算策略，以及改进QTCI压缩的精度和速度。

  4. 动态性质的全面探索：将本方法扩展到计算非厄米克系统的动态相关函数和非平衡动力学。这将提供关于能量弛豫、量子输运和非绝热过程的更深入见解，特别是在量子化学的背景下。

  5. 与实验的更紧密结合：通过理论计算预测非厄米克系统中的独特现象（如趋肤效应、奇异点），并与实验（如光子晶体、声学材料、超冷原子）进行对比验证，推动非厄米克物理的实验研究。

  6. 通用量子化学哈密顿量的MPO表示：开发更普适的方法，将复杂的从头算量子化学哈密顿量，包括所有两电子相互作用，有效地压缩为MPO形式。这可能涉及新的格点编码方案和QTCI的应用，以克服非局域相互作用带来的挑战。

5.3 与传统方法的显著对比

本研究的创新性在于它超越了传统方法在处理大规模非厄米克系统时的根本限制：

  1. 精确对角化（ED）：ED在系统尺寸超过几十个格点时便因希尔伯特空间的指数增长而变得不可行。本研究直接展示了ED在$16^3=4096$个格点下的极限，而张量网络则轻松达到了$1024^3 \approx 10^9$个格点，实现了数量级的飞跃。
  2. 稀疏矩阵方法：虽然稀疏矩阵技术可以处理比ED更大的系统，但非厄米克哈密顿量的复数谱和高条件数仍然使其数值稳定性和收敛性面临挑战。此外，寻找特定能量窗口内的所有本征值对稀疏矩阵方法来说仍然计算成本高昂。
  3. 基于布洛赫波（Bloch-based）的方法：布洛赫波方法依赖于晶格的平移对称性，仅适用于周期性系统。对于具有复杂边界、缺陷或无序性的系统，布洛赫波方法不再适用。本研究的实空间方法则能够直接处理这些非周期性结构，并在宏观尺度上解析局域边界态。
  4. KPM与直接对角化对比：KPM的优势在于它通过切比雪夫多项式展开直接计算谱函数，避免了计算所有本征值和本征态的昂贵过程。这对于只需要特定能量窗口内或特定区域的谱信息的场景尤为高效，而直接对角化则必须计算所有本征值。

5.4 “十亿原子规模”成就的意义

达到“十亿原子规模”的模拟能力不仅仅是一个数字上的突破，它具有深刻的科学意义：

  1. 访问宏观物理极限：在物理学中，许多现象只在宏观尺度上显现，或者在有限尺寸系统中受到强烈干扰。通过在十亿原子规模上进行模拟，研究人员可以更接近真正的热力学极限，从而揭示那些在小尺寸系统中被掩盖的本征物理行为，特别是对于拓扑现象。
  2. 消除有限尺寸效应：高阶拓扑绝缘体中的角模式极易受到边界条件和系统尺寸的影响。在宏观尺度上，边界效应相对减弱，使得对角模式的精确研究成为可能，从而能够更清晰地理解其拓扑起源和特性。
  3. 连接理论与实验：许多非厄米克物理实验在宏观尺度的材料或装置中进行。理论模拟能够达到相同的尺度，将使得理论预测与实验观测进行更直接、更有意义的对比，从而加速科学发现的进程。
  4. 为未来技术奠定基础：理解和控制宏观尺度的非厄米克量子物质对于开发新型量子器件和材料至关重要，例如具有特定增益-损耗特性的传感器、拓扑保护的量子计算平台或高效的量子能量转换器件。本研究为此类技术发展提供了重要的模拟工具。

5.5 教育与跨学科视角

这项工作也是一个典范，展示了凝聚态物理、数值方法和量子信息科学（张量网络）如何跨学科地融合，以解决复杂且具有挑战性的科学问题。它强调了抽象化（如伪自旋表示）和算法创新（QTCI+NHKPM）在推动科学进步中的关键作用，对培养新一代跨学科研究人才具有重要的启发意义。

总而言之，本研究不仅在方法论上取得了突破，更在物理理解和计算能力上为非厄米克量子物质的研究打开了新的大门，预示着该领域未来在量子化学和材料科学中可能出现的激动人心的发展。