突破强关联多体时间演化瓶颈：基于矩阵乘积算符（MPO）的 Magnus 展开与 Dyson 级数高效编码
本文深度解析了最新提出的一种基于矩阵乘积算符（MPO）的时间依赖哈密顿量时间演化方法。该方法巧妙地将 Magnus 展开和 Dyson 级数编码为尺寸外延（Size-Extensive）的 MPO，配合先进的张量压缩技术，在保持高精度的同时显著降低了计算成本，为一维及准一维强关联多体体系的高效时间演化开辟了新途径。
本文深度解析了最新提出的一种基于矩阵乘积算符（MPO）的时间依赖哈密顿量时间演化方法。该方法巧妙地将 Magnus 展开和 Dyson 级数编码为尺寸外延（Size-Extensive）的 MPO，配合先进的张量压缩技术，在保持高精度的同时显著降低了计算成本，为一维及准一维强关联多体体系的高效时间演化开辟了新途径。