TNRKit.jl 深度解析:张量网络重整化群的 Julia 实践与 CFT 谱学提取
本文深度解析基于 Julia 的开源框架 TNRKit.jl,探讨如何利用张量网络重整化群(TNR)方法处理二维与三维经典统计模型,并从不动点张量中稳定提取共形场论(CFT)数据。
本文深度解析基于 Julia 的开源框架 TNRKit.jl,探讨如何利用张量网络重整化群(TNR)方法处理二维与三维经典统计模型,并从不动点张量中稳定提取共形场论(CFT)数据。
本文深度解析了 Simon Hands 与 Johann Ostmeyer 2026 年的最新工作,该研究利用畴壁费米子(DWF)首次在 3D 协变框架下精确测定了手性海森堡模型的临界指数,挑战了传统 (2+1)D 模拟的局限性。
本文深度解析了 Marko Maležič 等人关于高效 Trotter-Suzuki 方案的研究,重点讨论了如何通过优化高阶分解参数,在保持模拟精度的前提下显著降低量子线路的门数量。