Matrix product states and first quantization

Questo articolo introduce un approccio di stati prodotto matriciale (MPS) in prima quantizzazione per simulare sistemi quantistici a molti corpi, dimostrando che una corretta gestione dell'antisimmetria fermionica permette di ottenere un livello di entanglement paragonabile a quello della seconda quantizzazione e, in alcuni casi di evoluzione temporale, addirittura inferiore.

L'essenziale

Immagina di dover organizzare una festa molto complessa con N invitati (le particelle) in una casa con L stanze (i siti della rete). Il tuo obiettivo è descrivere esattamente come si muovono e interagiscono questi ospiti per prevedere cosa succederà durante la serata.

In fisica, ci sono due modi principali per descrivere questa situazione: il "secondo modo" (Seconda Quantizzazione) e il "primo modo" (Prima Quantizzazione). Fino a oggi, gli scienziati pensavano che il "primo modo" fosse un disastro computazionale, troppo complicato da gestire. Questo articolo di Jheng-Wei Li e Xavier Waintal dimostra invece che, con un piccolo trucco, il "primo modo" può funzionare benissimo e, in alcuni casi, addirittura meglio.

Ecco la spiegazione semplice, passo dopo passo:

1. I due modi di vedere la festa

• Il modo classico (Seconda Quantizzazione):
  Immagina di avere una lista di controllo per ogni stanza della casa. Per ogni stanza, scrivi: "C'è qualcuno? Sì/No".

  • Vantaggio: È facile da gestire se la casa è piena di stanze vuote o piene.
  • Svantaggio: Se hai molti ospiti, la lista diventa lunghissima e difficile da leggere.

• Il modo "vecchio" (Prima Quantizzazione):
  Qui non guardi le stanze, ma chi è chi. Fai una lista: "L'ospite 1 è nella stanza 5, l'ospite 2 è nella stanza 10, l'ospite 3 è nella stanza 2...".

  • Il problema: Gli ospiti sono indistinguibili (come fermioni, ad esempio elettroni). Se scambi l'ospite 1 con l'ospite 2, la descrizione della festa cambia segno (diventa negativa). Questo crea un "caos" matematico enorme chiamato entanglement. È come se ogni volta che due persone si muovessero, dovessi riscrivere l'intero libro della storia della festa. Per questo motivo, si pensava che questo metodo fosse impossibile da usare per calcoli complessi.

2. Il trucco geniale: La "Regola dell'Ordine"

Gli autori dicono: "Aspettate un attimo. Perché dobbiamo preoccuparci di chi è chi se sono tutti uguali?".

Immagina di imporre una regola ferrea alla festa: "Gli ospiti devono entrare in ordine di arrivo e non possono mai sovrapporsi".
Quindi, l'ospite 1 deve essere sempre nella stanza più a sinistra, l'ospite 2 sempre alla sua destra, e così via. Non importa quale numero abbiamo dato loro, l'importante è la loro posizione relativa.

• L'analogia della fila: Invece di chiedersi "Dov'è Mario?", chiediamo "Qual è la distanza tra Mario e Luigi?".
• Se Mario è nella stanza 1 e Luigi nella 3, la distanza è 2. Se si muovono, la distanza cambia.
• Questo trasforma il problema caotico (dove ogni scambio crea confusione) in un problema ordinato (una fila).

3. Cosa hanno scoperto?

Usando questo approccio (chiamato MPS in prima quantizzazione), hanno dimostrato due cose sorprendenti:

1. Meno caos (Entanglement): Anche se la fisica dice che gli elettroni sono "intrecciati" in modo complesso, imponendo questa regola di ordine, il "caos" matematico si riduce drasticamente. È come se avessi messo gli ospiti in fila indiana: ora è molto più facile prevedere come si muoveranno senza dover riscrivere tutto il libro ogni volta.
2. Velocità nei movimenti: Hanno testato il metodo simulando un "muro" di elettroni che si muove attraverso la casa (un dominio wall).
   • Nel metodo classico, il "caos" si diffonde velocemente da tutto il sistema.
   • Nel loro nuovo metodo, il "caos" parte solo dal bordo della fila e ci mette tempo a raggiungere il centro. Questo significa che i computer possono simulare questi movimenti molto più velocemente e con meno memoria.

4. Perché è importante?

Pensa a questo come a un nuovo modo di leggere una mappa.
Fino a ieri, per navigare in un labirinto complesso (i sistemi quantistici), usavamo una mappa che si aggiornava ogni secondo, diventando enorme e lenta.
Ora, gli autori ci mostrano che possiamo usare una mappa basata sulle distanze relative. È come se invece di dire "Mario è al 3° piano, Luigi al 5°", dicessimo "Luigi è sempre 2 piani sopra Mario".

In sintesi:
Hanno dimostrato che possiamo descrivere il mondo quantistico guardando le distanze tra le particelle invece che le loro posizioni assolute. Questo rende i calcoli molto più efficienti, specialmente per simulare come si muovono le particelle nel tempo. È un po' come scoprire che, invece di contare ogni singolo granello di sabbia su una spiaggia, basta misurare le onde per capire come si muove la marea.

È un passo avanti enorme perché apre la porta a simulare problemi che prima sembravano troppo difficili, come i cristalli di Wigner o sistemi con interazioni a lungo raggio, usando i computer che abbiamo già oggi.

Sommario tecnico

Titolo: Stati Prodotto Matriciale (MPS) e Prima Quantizzazione

1. Il Problema

Nella fisica dei sistemi quantistici a molti corpi, la rappresentazione degli stati entangled è fondamentale. Esistono due formalismi principali:

• Seconda Quantizzazione: Gli stati sono descritti da numeri di occupazione su siti di un reticolo. Per sistemi con correlazioni a corto raggio in una dimensione, l'entanglement è spesso basso, permettendo una rappresentazione efficiente tramite Matrix Product States (MPS). Questo è il metodo standard per algoritmi come DMRG (Density Matrix Renormalization Group).
• Prima Quantizzazione: Gli stati sono descritti dalle coordinate spaziali delle particelle ($x_1, ..., x_N$). Qui, l'entanglement è definito tra le particelle stesse. A causa del principio di esclusione di Pauli e dell'antisimmetria della funzione d'onda per i fermioni, si ritiene tradizionalmente che l'entropia di entanglement delle particelle sia estremamente alta (scalando come $\ln \binom{N}{P}$). Di conseguenza, l'uso degli MPS in prima quantizzazione è stato considerato impraticabile a causa della dimensione esponenziale dello spazio di Hilbert necessario.

L'obiettivo del lavoro è dimostrare che, riformulando opportunamente il problema, è possibile costruire un approccio MPS efficiente in prima quantizzazione, con un livello di entanglement paragonabile a quello della seconda quantizzazione, rendendo fattibili calcoli di stati fondamentali e dinamica temporale.

2. Metodologia

Gli autori propongono una strategia basata su due pilastri fondamentali:

A. Ristrutturazione della Funzione d'Onda ($\bar{\psi}$)

Invece di lavorare con la funzione d'onda completa $\psi(x_1, ..., x_N)$ che include tutte le permutazioni delle particelle, gli autori definiscono una funzione d'onda ridotta $\bar{\psi}$ che occupa solo un settore specifico dello spazio delle configurazioni, imponendo un ordinamento delle coordinate:
$$0 < x_1 < x_2 < \dots < x_N < L + 1$$
In questo settore, $\bar{\psi} = \psi$. Per le altre configurazioni, il valore è nullo, e l'antisimmetria può essere recuperata per permutazione se necessario.
Per implementare efficientemente questo vincolo e il principio di Pauli, introducono un cambio di variabili basato sulle distanze interparticellari:
$$q_1 = x_1, \quad q_n = x_n - x_{n-1} \quad \text{per } n > 1$$
La condizione $q_n > 0$ garantisce automaticamente l'ordinamento e il rispetto del principio di Pauli. La funzione d'onda diventa $\bar{\psi}(q_1, ..., q_N)$.

B. Costruzione dell'Operatore Prodotto Matriciale (MPO)

Per utilizzare gli strumenti MPS standard (come DMRG o TDVP), l'Hamiltoniana deve essere espressa come un MPO nelle nuove coordinate $q_n$.

• Hamiltoniana di Interazione ($H_V$): Diventa diagonale e semplice da rappresentare come somma di proiettori sulle distanze.
• Hamiltoniana Cinetica ($H_t$): Il termine di hopping, che sposta una particella, modifica le distanze adiacenti ($q_n$ e $q_{n+1}$). Viene costruito un MPO con dimensione di legame $D=4$.
• Proiezione ($P_C$): Viene introdotto un operatore di proiezione per garantire che la somma delle distanze non superi la lunghezza del sistema ($L$). Per evitare che la dimensione di legame dell'MPO diventi troppo grande (scalando con $L$), vengono introdotte due approssimazioni controllate:
  1. Uso di un moltiplicatore di Lagrange $\lambda$ per penalizzare le configurazioni fuori dal settore valido.
  2. Introduzione di un cutoff $Q_{max}$ per le distanze interparticellari, giustificato dal fatto che per densità finite le distanze sono tipicamente piccole.

Un vantaggio chiave di questo approccio è che la conservazione della carica (numero di particelle $N$) è automatica, poiché $N$ corrisponde alla lunghezza della catena MPS, a differenza della seconda quantizzazione dove è necessario imporre blocchi di simmetria U(1).

3. Risultati Chiave

Gli autori hanno testato il metodo sul modello t-V (fermioni senza spin in 1D con hopping $t$ e interazione densità-densità $V$).

• Stato Fondamentale (DMRG):

  • Per fermioni liberi ($V=0$) a metà riempimento, l'errore energetico converge rapidamente aumentando la dimensione di legame $D$.
  • Entanglement: L'entropia di entanglement calcolata per la prima quantizzazione (basata su $\bar{\psi}$) è comparabile a quella della seconda quantizzazione e molto inferiore alla stima teorica classica per l'entanglement di particelle (che prevedeva una crescita esponenziale).
  • Per fermioni interagenti ($V \neq 0$), il metodo riproduce correttamente la transizione da liquido di Luttinger a stato isolante di carica (gap di carica) quando $V$ aumenta.

• Dinamica Temporale (TDVP):

  • Simulando l'evoluzione temporale di un "muro di dominio" (domain wall) per fermioni liberi, si osserva che l'entropia di entanglement nella prima quantizzazione cresce significativamente più lentamente (fattore $\sim 4$ in meno) rispetto alla seconda quantizzazione.
  • Motivo fisico: Nella seconda quantizzazione, il muro di dominio si trova al centro della catena MPS, massimizzando l'entanglement immediato. Nella prima quantizzazione (con le coordinate $q_n$), il muro di dominio iniziale si trova al bordo della catena MPS. L'entanglement deve quindi propagarsi dal bordo al centro, ritardando la saturazione.
  • Il metodo permette di calcolare quantità locali (come la densità di occupazione $\langle n_x \rangle$) sommando opportunamente le probabilità sulle coordinate $q$, anche se l'operatore diventa non-locale.

4. Contributi e Significatività

• Sfatare un mito: Il lavoro dimostra che la prima quantizzazione non è intrinsecamente svantaggiosa per gli MPS a causa dell'alta entanglement, purché si scelga la giusta rappresentazione dello stato (ordinamento e coordinate relative).
• Nuovo paradigma computazionale: Offre un approccio alternativo dove la conservazione del numero di particelle è intrinseca e dove certi problemi (come la propagazione di domini o i cristalli di Wigner) potrebbero essere computazionalmente più efficienti rispetto alla seconda quantizzazione.
• Efficienza: Per la dinamica temporale, la crescita ridotta dell'entanglement nella prima quantizzazione suggerisce che questo metodo potrebbe simulare tempi più lunghi o sistemi più grandi rispetto agli approcci tradizionali per specifici problemi di non-equilibrio.
• Futuri sviluppi: Gli autori suggeriscono che il metodo è estendibile a bosoni, spin e interazioni a lungo raggio. Propongono anche l'uso di rappresentazioni "quantic" (mappatura su qubit) per ottimizzare ulteriormente la dimensione fisica locale.

In sintesi, il paper apre una nuova strada per l'uso degli MPS in prima quantizzazione, trasformando un approccio storicamente considerato inefficiente in uno strumento potente e competitivo per la fisica della materia condensata.