Riassunto Tecnico: Calcolo dei Diagrammi di Feynman con gli Stati a Prodotto di Matrici

1. Formulazione del Problema

Il documento affronta la sfida di calcolare gli osservabili fisici in sistemi nanoelettronici quantistici, specificamente modelli fuori equilibrio con interazioni come il Modello di Anderson a Singola Impurezza (SIAM). L'obiettivo è calcolare gli osservabili $Q(U, t)$ (come la carica o la corrente) come un'espansione perturbativa sistematica rispetto alla forza di interazione $U$:
$$Q(U, t) = \sum_{n=0}^{\infty} Q_n(t) U^n$$
Il calcolo dei coefficienti $Q_n(t)$ comporta la valutazione di integrali multidimensionali di prodotti di funzioni di Green non interagenti. Gli autori identificano tre difficoltà fondamentali in questo approccio:

• Problema A (Esplosione Combinatoria): Il numero di diagrammi di Feynman cresce fattorialmente ($O(n!)$) con l'ordine di perturbazione $n$, rendendo impossibile la sommatoria diretta oltre $n \approx 6-7$.
• Problema B (Il Problema del Segno e l'Integrazione): Gli integrandi in questi diagrammi sono spesso oscillanti e rapidi, portando al "problema del segno" tipico dei metodi Monte-Carlo. Inoltre, l'enorme numero di valutazioni di funzioni richieste (spesso $\sim 10^9$) rende inefficiente il campionamento standard, specialmente poiché il costo per valutazione scala esponenzialmente con $n$.
• Problema C (Convergenza e Resumazione): Anche se i coefficienti possono essere calcolati, la serie perturbativa può avere un raggio di convergenza finito (specialmente nel limite di stato stazionario $t \to \infty$), richiedendo tecniche di resumazione sofisticate per estrarre risultati fisici a forti intensità di interazione.

2. Metodologia

Gli autori propongono un framework in tre fasi per affrontare questi problemi, allontanandosi dal tradizionale Diagrammatic Monte-Carlo verso un approccio "Non-diagrammatico Non-Monte-Carlo".

Fase 1: Espansione di Interazione (Affrontare il Problema A)

Invece di sommare i singoli diagrammi di Feynman, gli autori utilizzano il formalismo di Keldysh combinato con il teorema di Wick.

• Essi esprimono i coefficienti di espansione come integrali multidimensionali su variabili temporali e indici di Keldysh.
• Fondamentalmente, riconoscono che la somma su tutte le permutazioni di operatori fermionici (che genera i $n!$ diagrammi) è matematicamente equivalente al determinante di una matrice costruita da funzioni di Green non interagenti.
• Ciò riduce la complessità da $O(n!)$ a $O(2^n)$ (specificamente, la valutazione di determinanti di matrici $(2n+1) \times (2n+1)$).
• Un'intuizione chiave è che la sommatoria su tutti gli indici di Keldysh prima dell'integrazione temporale annulla i diagrammi disconnessi, risultando in un integrando ben comportato, positivo definito e concentrato attorno al tempo di misurazione.

Fase 2: Interpolazione Incrociata Tensoriale (Affrontare il Problema B)

Per valutare gli integrali multidimensionali risultanti senza il campionamento Monte-Carlo, gli autori impiegano l'Interpolazione Incrociata Tensoriale (TCI).

• Concetto: La TCI è un algoritmo di apprendimento che approssima un tensore ad alta dimensione (l'integrando) come uno Stato a Prodotto di Matrici (MPS). A differenza delle reti neurali, la TCI non utilizza il gradiente discendente; utilizza una strategia di apprendimento attivo per selezionare i "pivot" (punti di griglia specifici) che massimizzano il determinante delle sottomatrici (il principio maxvol).
• Meccanismo: L'algoritmo esegue iterativamente scansioni attraverso le dimensioni del tensore, eseguendo l'Interpolazione Incrociata (CI) su matrici formate dal taglio del tensore. La CI approssima una matrice a basso rango $A$ utilizzando solo un piccolo sottoinsieme delle sue righe e colonne (pivot): $A \approx A_{I,J} A_{I,I}^{-1} A_{I,J}$.
• Integrazione: Una volta che l'integrando è compresso in una rappresentazione MPS, l'integrale multidimensionale può essere calcolato esattamente ed efficientemente tramite moltiplicazioni matrice-vettore, bypassando completamente la maledizione della dimensionalità e il problema del segno.
• Prestazioni: Questo metodo permette calcoli fino a $n \approx 20-25$, superando di gran lunga i limiti precedenti.

Fase 3: Estrapolazione Incrociata (Affrontare il Problema C)

Per ricostruire la funzione completa $Q(U, t)$ da un numero finito di coefficienti calcolati $Q_n(t)$, gli autori utilizzano l'Estrapolazione Incrociata.

• Strategia: La funzione $Q(U, t)$ viene trattata come una matrice dove le righe corrispondono all'interazione $U$ e le colonne al tempo $t$. Gli autori osservano che questa matrice è approssimativamente a basso rango.
• Esecuzione: Utilizzando lo stesso apparato matematico della TCI, essi estrapolano le regioni sconosciute della matrice (grandi $U$ e grandi $t$) basandosi sui dati dei "vertici" noti (piccoli $U$ o piccoli $t$).
• Validità: Ciò si basa sull'assunto che $Q(U, t)$ possa essere approssimata da una somma di funzioni separabili $\sum g_k(U)h_k(t)$. L'errore è controllato variando il rango $\chi$ dell'estrapolazione.

3. Contributi Chiave

• Riformulazione del Determinante: Dimostrato che l'espansione perturbativa degli osservabili fuori equilibrio può essere ridotta all'integrazione di determinanti, eliminando la crescita fattoriale del conteggio dei diagrammi.
• TCI per l'Integrazione: Introdotta l'Interpolazione Incrociata Tensoriale come alternativa superiore al Monte-Carlo per integrare funzioni oscillanti ad alta dimensione derivanti dalla fisica della materia condensata quantistica. Essa fornisce un'integrazione esatta senza rumore stocastico.
• Estrapolazione Incrociata: Sviluppato un metodo robusto per resummare le serie perturbatve sfruttando la struttura a basso rango dell'osservabile nel piano $(U, t)$, consentendo l'accesso a regimi in cui la serie divergerebbe ingenuamente.
• Implementazione Open Source: Il lavoro è supportato dalla libreria tensor4all, che fornisce strumenti accessibili per queste tecniche di reti tensoriali.

4. Risultati

La metodologia è stata applicata al SIAM fuori equilibrio (un punto quantistico accoppiato a due terminali) per calcolare carica e corrente.

• Precisione: Gli autori hanno calcolato i coefficienti di espansione fino a $n=18$ con alta precisione (fino a 8 cifre), corrispondendo ai risultati esatti del Bethe Ansatz nello stato stazionario.
• Osservabili Fisici: Il metodo ha riprodotto con successo l'intero diagramma di fase del SIAM, inclusi:
  • Diamanti di Coulomb: Regioni di conduttanza soppressa a causa dell'energia di carica.
  • Kondo Ridge: Un'anomalia di bias zero nella conduttanza differenziale derivante dall'effetto Kondo.
• Caratteristiche Corrente-Tensione: Gli autori hanno calcolato la corrente $I(V_b)$ attraverso la Kondo Ridge a forte interazione ($U=12$). I risultati hanno catturato i regimi fisici attesi:
  • Saturazione ad alto bias ($V_b > U$).
  • Un plateau associato alla temperatura di Kondo $T_K$ a basso bias ($V_b < T_K$), dove ci si aspetta una trasmissione perfetta ($I \approx V_b$).
  • La transizione tra questi regimi abbraccia molteplici scale di energia ($U$, $\sqrt{\Gamma U}$, $\Gamma$, e $T_K$).

5. Significato e Dichiarazioni

Il documento posiziona questo lavoro come un passo significativo nell' "insegnare a un computer come calcolare i diagrammi di Feynman".

• Accuratezza Controllata: A differenza delle approssimazioni di campo medio, questa tecnica è "controllata", il che significa che fornisce margini di errore noti che possono essere sistematicamente migliorati aumentando le risorse computazionali (tempo e rango).
• Cambio di Paradigma: Gli autori evidenziano un passaggio dalla derivazione manuale delle regole diagrammatiche all'uso di algoritmi (TCI) che scoprono automaticamente la struttura a basso rango sottostante del problema.
• Scalabilità: La combinazione della riduzione del determinante e dell'integrazione TCI permette calcoli in regimi precedentemente inaccessibili ai metodi diagrammatici, colmando il divario tra la comprensione teorica e gli osservabili sperimentali nel trasporto quantistico non in equilibrio.
• Modestia: Gli autori riconoscono che, sebbene la tecnica sia potente, non è un risolutore universale per tutti i problemi many-body (viene menzionato il modello di Hubbard 2D come obiettivo futuro). Essi sottolineano che il successo dipende dalla specifica struttura a basso rango degli integrandi in questi sistemi nanoelettronici.