来源论文: https://arxiv.org/abs/2607.08176v1 生成时间: Jul 11, 2026 04:19

超越指数爆炸：NGS-MPS 协同模拟强关联电子-声子系统的新范式

0. 执行摘要

电子-声子（e-ph）耦合是凝聚态物理中许多迷人现象的核心，包括传统超导、极化子形成以及非常规超导体（如铜氧化物）中的电荷条纹序。然而，由于声子具有无限维度的希尔伯特空间，且在强关联体系中电子与声子高度纠缠，传统的数值方法（如量子蒙特卡洛 QMC 或精确对角化 ED）往往面临符号问题或计算复杂度随系统尺寸指数增长的困境。

近期，来自中国科学院理论物理研究所的蒋思远（Siyuan Jiang）与施陶（Tao Shi）在 arXiv:2607.08176v1 中提出了一种突破性的 NGS-MPS（Non-Gaussian Matrix Product States） 杂化方法。该方法通过引入非高斯正则变换（Non-Gaussian Transformation）来捕捉电子与声子之间的深度纠缠，并将变换后的弱关联声子场交由高斯态处理，而强关联电子序则由矩阵乘积态（MPS）精确刻画。本文通过对一维及二维 Hubbard-Holstein（HH）模型的模拟，不仅揭示了声子引起的相分离（Phase Separation, PS）不稳定性，还首次在大尺寸二维圆柱几何下发现了由声子延迟效应（Retardation Effect）稳定下来的双极化子条纹相（Bipolaronic Stripe Phase）。这一工作为强关联 e-ph 系统的可扩展、高精度模拟开辟了全新路径。

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：量子多体中的“声子灾难”

在强关联物理中，Hubbard 模型描述了电子间的库仑排斥，而 Holstein 模型描述了电子与局部晶格振动（声子）的耦合。当两者结合成 Hubbard-Holstein (HH) 模型时，问题的复杂性呈几何倍数增长：

  1. 无限局部空间：声子是玻色子，每个格点的声子数原则上可以从 0 到无穷。传统的 MPS 方法需要对声子能级进行截断，这在强耦合或软声子（频率 $\omega$ 较小）极限下会导致极大的计算误差。
  2. 非局部纠缠：强 e-ph 耦合会导致极化子的形成，电子周围包裹着“声子云”。这种纠缠是非局域的，传统的平均场理论完全失效。
  3. 计算尺度局限：目前的精确对角化（ED）仅限于极小尺寸（如 $4 \times 4$），无法分辨长程条纹序或相分离。QMC 则在掺杂情况下深陷“符号问题”。

1.2 理论基础：非高斯态（NGS）变换

NGS 方法的核心思想是利用 酉变换（Unitary Transformation） 将强纠缠的原始系统映射到一个弱纠缠的表象中。在变换后的表象下，电子和声子几乎解耦，从而可以使用相对简单的波函数 ansatz 来描述。

作者定义的变分波函数如下：

$$|\Psi(\tilde{\lambda}, \Delta_R, \Gamma_R, \xi)\rangle = e^{S(\tilde{\lambda})} |\Psi_b(\Delta_R, \Gamma_R)\rangle |\Psi_e(\xi)\rangle$$

其中：

  • $e^{S(\tilde{\lambda})}$ 是非高斯变换算符，其产生子 $S = i \sum_{lj\sigma} p_l \tilde{\lambda}_{lj\sigma} n_{j\sigma}$ 将声子动量 $p_l$ 与电子密度 $n_{j\sigma}$ 耦合。这可以看作是经典的 Lang-Firsov 变换的广义非局域版本。
  • $|\Psi_b\rangle$ 是玻色子高斯态（Bosonic Gaussian State），由位移向量 $\Delta_R$ 和协方差矩阵 $\Gamma_R$ 刻画，能捕捉声子的挤压（Squeezing）和相干效应。
  • $|\Psi_e(\xi)\rangle$ 是矩阵乘积态（MPS），用于捕捉电子系统中复杂的强关联效应（如反铁磁序、超导配对等）。

1.3 技术难点：自洽优化的闭环设计

将 NGS 与 MPS 结合的最大难点在于如何同步优化这两组截然不同的变分参数。作者设计了一个四阶段的工作流：

  1. 初始化：利用费米子高斯态生成多个候选种子，避免收敛到局部极小值。这一步通过求解运动方程（EoM）完成。
  2. 有效电子 Hamiltonian 的导出：通过在变分态上对声子自由度求期望，得到一个只包含电子自由度的有效 Hamiltonian $H_{eff}$。该 Hamiltonian 包含了由声子诱导的介导相互作用（包括瞬时吸引和延迟修正）。
  3. MPS 扫描：利用 DMRG 或虚时演化（ITE）在有效算符下优化电子态 $\xi$。
  4. NGS 参数更新：基于 MPS 提供的电子关联函数（如密度-密度关联），通过梯度流方程更新变换参数 $\tilde{\lambda}$ 和声子参数。

1.4 方法细节：延迟效应的显式解析

作者的一个重要贡献是解析推导了有效相互作用项。通过分离瞬时吸引项 $V_{inst}$ 和延迟修正项 $V_{ret}$，可以直接从数值上观察声子频率 $\omega$ 如何影响电子配对和电荷序。当 $\omega$ 趋于无穷（反绝热极限），延迟项消失；而当 $\omega$ 较小时，延迟效应变得显著，这正是稳定条纹序的关键。

2. 关键 Benchmark 体系，计算所得数据与性能数据

2.1 一维广义 Hubbard-Holstein 模型

体系设置：$L=16$（环状）到 $L=80$（链状），掺杂浓度 12.5% 和 25%。 关键结果：

  • 精度验证：在小系统（$L=16$）上，NGS-MPS 的结果与精确对角化（NGSED）完美重合。尤其是在 $|V_{nn}/t| \sim 1$ 的实验观测阈值附近，该方法表现出极高的稳定性。
  • 相分离现象：在大尺寸（$L=80$）模拟中，作者发现系统表现出强烈的相分离（PS）趋势，即电子聚集在特定区域，其余区域为空穴。这解释了为什么之前的小尺寸研究（受边界限制）无法正确识别 PS 不稳定性。

2.2 二维半填充相图

体系设置：$48 \times 4$ 圆柱几何（Cylinder），$u = U/t$ 从 0 到 10，$\lambda$ 为有效 e-ph 耦合。 所得数据（见图 3）：

  • 识别了三个主要相：反铁磁（AFM）、电荷密度波（CDW）以及夹在两者之间的中间金属相（LL相）。
  • 中间相特征：该相表现出代数衰减的关联函数（$F_\beta(r) \sim r^{-K_\beta}$），是 Luttinger 液体在二维圆柱上的类似物。其出现的物理机理是声子介导的非局域吸引与局部 Hubbard 排斥之间的微细平衡。

2.3 1/8 掺杂与条纹序（The 1/8 Stripe Problem）

这是该研究最引人注目的部分。在 $48 \times 4$ 尺寸下，作者研究了 e-ph 耦合对空穴序的影响：

  • 软声子的作用：当引入较软的声子（$\omega \le t$）时，系统自发形成周期为 16 个格点的双极化子条纹相（Bipolaronic Stripe Phase）。
  • 性能表现：电子 MPS 的键维（Bond Dimension）达到 $D \sim 2 \times 10^4$，截断误差保持在 $10^{-5}$ 量级。在如此巨大的计算规模下，NGS-MPS 依然能精确捕捉到条纹序的波矢 $Q_{charge} = (\pi/4, 0)$ 和 $Q_{spin} = (\pi \pm \pi/8, \pi)$。
  • 物理机制：通过对比发现，软声子通过“延迟效应”有效固定（Pin）了静态电荷序，同时抑制了自旋波的筛选，从而在原本可能发生相分离的区域稳定了条纹相。

3.1 核心软件包

该研究的数值模拟完全基于 Julia 语言 生态系统，利用了 Julia 处理张量运算的高效性：

  • FiniteMPS.jl：这是作者团队开发的用于处理有限尺寸张量网络的底层库。它支持 SU(2) 自旋对称性和 U(1) 电荷对称性的显式保持，这对于降低强关联计算的计算量至关重要。
  • TensorKit.jl：用于处理复杂的对称张量操作，提供后端算力支持。
  • KrylovKit.jl：用于在 DMRG 优化中求解有效 Hamiltonian 的基态（Lanczos 算法）。

3.2 复现指南

  1. 环境配置：
    • 安装 Julia 1.10+ 版本。
    • 通过 Julia 包管理器安装 FiniteMPS.jl（通常可从作者的 GitHub 组织获取）。
  2. 变分步长设置：
    • 初始阶段建议使用虚时演化（ITE），步长设为 $\delta \tau = 0.05$。这一步是为了避开亚稳态。
    • 能量收敛到 $10^{-4}$ 后，切换到标准 DMRG 扫描，逐步增加键维 $D$ 从 500 到 10000+。
  3. NGS 优化：
    • 每一轮 MPS 扫描后，提取密度关联函数 $C_{i,j}$。
    • 运行运动方程（Eq. 11a-11c）的 ODE solver（建议使用 DifferentialEquations.jl 中的高级算法）。
  • FiniteMPS.jl：GitHub - FiniteMPS（注：具体以作者发布的最新代码库为准）。
  • 相关论文代码存根：作者在文中提到了 TensorKit 后端，读者可参考 TensorKit.jl。

4. 关键引用文献与局限性评论

4.1 关键引用文献

  1. NGS 基础：Shi, T., et al. Annals of Physics 390, 245 (2018). (奠定了非高斯变分法的数学框架)
  2. 张量网络综述：Schollwöck, U. Annals of Physics 326, 96 (2011). (DMRG/MPS 的标准指南)
  3. 一维实验动机：Chen, Z., et al. Science 373, 1235 (2021). (引发了对近邻吸引相互作用的广泛讨论)
  4. 条纹序争议：Zheng, B.-X., et al. Science 358, 1155 (2017). (定义了 Hubbard 模型中 1/8 条纹序的基准)

4.2 局限性评论

尽管 NGS-MPS 方法展现了极强的扩展性，但仍存在以下潜在局限：

  1. 非高斯变换的显式形式限制：目前的产生子 $S$ 主要针对对角位移（Diagonal Displacement）。如果 e-ph 耦合包含复杂的非对角项（如 SSH 模型中的跳跃项耦合），则需要设计更复杂的非高斯算符，这会显著增加导数推导的难度。
  2. 圆柱宽度的缩放：由于 MPS 的缠绕效应，计算成本随二维宽度 $L_y$ 呈指数增长。目前的 $L_y = 4$ 虽已能观察条纹序，但要确证 2D 极限下的热力学稳定性，可能需要未来的 PEPS（投影纠缠对态）版本。
  3. 计算资源需求：尽管比 brute-force MPS 高效，但在 $D=20000$ 级别时，依然需要高性能计算集群支持大内存运算。

5. 其他补充：从“极化子”到“条纹序”的桥梁

5.1 极化子修饰（Polaronic Dressing）的物理直觉

在 NGS 表象下，电子不再是“裸”的费米子，而是被有效修饰过的极化子。有效跃迁振幅 $\tilde{t}_{ij}$ 因为声子重整化而减小：

$$\tilde{t}_{ij\sigma} = t_{ij} \exp\left( -\frac{1}{2} \sum_{ll'} \Lambda_{l,ij\sigma} (\Gamma_{pp})_{ll'} \Lambda_{l',ij\sigma} \right)$$

这在数值上解释了为什么强 e-ph 耦合会导致有效质量增加和能带窄化。NGS-MPS 的优势在于它不需要在计算前人工指定这种重整化，而是通过变分自洽地“生长”出这些声子云。

5.2 延迟效应与超导的竞争

该论文最深刻的洞见在于揭示了条纹序稳定化的“双刃剑”本质。软声子一方面通过提供吸引力促进配对，另一方面却因为“延迟效应”锁定了电荷分布，从而可能抑制了超导序的相位长程相干（Phase Coherence）。这一结论对于目前利用超快激光泵浦（Optical Pumping）手段通过激发声子来诱导瞬态超导的实验研究具有极其重要的理论指导意义：或许我们需要的不是最强的 e-ph 耦合，而是最能避开条纹锁定的耦合频率窗口。

5.3 结论与展望

NGS-MPS 标志着强关联电子-声子多体计算进入了“大模型、大尺度”时代。随着该方法扩展到 PEPS（二维张量网络）以及非平衡态动力学模拟，我们有望最终解开铜氧化物和镍氧化物超导体中关于“声子到底起多大作用”的百年争论。