Matrix product states and first quantization

Dit artikel introduceert een eerste-gekwantiseerde Matrix Product State-methode die, door de fermionische antisymmetrie op een nieuwe manier te behandelen, een entanglementniveau bereikt dat vergelijkbaar is met dat van tweede kwantisatie, waardoor efficiënte simulaties van veeldeeltjessystemen mogelijk worden.

De kern

Deel 1: Het Grote Misverstand over "Verstrengeling"

Stel je voor dat je een enorm groot raadsel moet oplossen: hoe gedragen zich duizenden deeltjes (zoals elektronen) samen? In de wereld van de kwantumfysica noemen we dit "verstrengeling" (entanglement). Hoe meer verstrengeling er is, hoe moeilijker het is om dit op een computer te simuleren.

Tot nu toe dachten wetenschappers dat er twee manieren waren om naar dit raadsel te kijken, en dat één manier veel "rommeliger" was dan de andere:

1. De Tweede Kwantisatie (De "Stoelen" methode): Je kijkt naar de plekken waar de deeltjes kunnen zitten. Is er een deeltje op stoel 1? Ja of Nee. Is er een deeltje op stoel 2? Ja of Nee. Dit is de favoriete methode van de meeste computersimulaties. Het werkt goed omdat de "rommel" (verstrengeling) hier beperkt blijft.
2. De Eerste Kwantisatie (De "Gasten" methode): Je kijkt naar de deeltjes zelf. "Waar zit gast 1? Waar zit gast 2?" Het probleem hier is dat elektronen ononderscheidbaar zijn en een bizarre regel volgen (het Pauli-principe): ze mogen niet op dezelfde plek zitten en ze houden van een bepaalde orde. Als je probeert dit op te lossen met de "Gasten"-methode, krijg je een enorme chaos. De verstrengeling explodeert, en je computer zou onmiddellijk vastlopen. Het was alsof je probeerde een berg te verplaatsen met een lepeltje.

Deel 2: De Slimme Oplossing van Li en Waintal

Jheng-Wei Li en Xavier Waintal hebben een slimme truc bedacht. Ze zeggen: "Waarom kijken we naar alle mogelijke chaos, als we alleen naar de nette, geordende versie hoeven te kijken?"

Stel je een feestje voor waar 100 gasten binnenkomen.

• De oude manier: Je noteert elke mogelijke volgorde waarin ze binnen kunnen komen. Dat zijn er miljarden. Je moet al die opties tegelijk berekenen.
• De nieuwe manier: Je zegt: "Oké, we tellen alleen de scenario's waar gast 1 als eerste binnenkomt, gast 2 als tweede, en zo verder." Je negeert alle andere volgorde-combinaties.

Dit klinkt alsof je informatie verliest, maar dat is niet zo. Omdat je weet dat de gasten identiek zijn, kun je de andere volgorde-combinaties altijd afleiden uit deze ene "nette" lijst.

Deel 3: De "Afstand" in plaats van de "Positie"

Om dit in de computer te laten werken, gebruiken ze nog een creatieve stap. In plaats van te vragen "Waar zit gast 1?" (bijvoorbeeld op stoel 5), vragen ze: "Hoe ver is gast 2 van gast 1 verwijderd?"

Stel je voor dat je een lange rij mensen hebt.

• Oude vraag: "Op welke stoel zit de 50e persoon?" (Dit is lastig als de mensen bewegen).
• Nieuwe vraag: "Hoeveel stoelen zitten er tussen persoon 49 en persoon 50?"

Door te kijken naar de afstanden tussen de deeltjes in plaats van hun absolute positie, verdwijnt de enorme chaos. De "rommel" die de computer nodig had om te rekenen, wordt plotseling heel klein. Het is alsof je van een rommelige zolderkamer (waar alles door elkaar ligt) verhuist naar een strakke kast met vakjes.

Deel 4: Wat hebben ze bewezen?

Ze hebben hun methode getest op een heel bekend model (de t-V model), alsof ze een simulatie draaiden van elektronen in een dunne draad.

1. Bij de grondtoestand (rust): Hun nieuwe methode werkt net zo goed als de oude, bekende methode, maar dan in het "Gasten"-systeem.
2. Bij beweging (tijd): Dit was de echte verrassing. Toen ze lieten zien hoe de deeltjes bewogen (een "muur" van elektronen die uit elkaar viel), bleek dat hun nieuwe methode veel minder verstrengeling had dan de oude methode.
   • Vergelijking: In de oude methode moest de computer halverwege de keten beginnen met rekenen. In hun nieuwe methode begint de "rekenlast" pas aan het einde van de keten. Hierdoor groeit de moeilijkheidsgraad veel langzamer.

Deel 5: Waarom is dit belangrijk?

Vroeger dachten we dat de "Gasten-methode" (eerste kwantisatie) te complex was voor computers. Deze paper zegt: "Nee, dat is niet waar, als je het slim aanpakt."

Dit opent de deur voor nieuwe problemen die we eerder niet konden oplossen, zoals:

• Hoe gedragen zich deeltjes in kristallen die heel ver uit elkaar zitten?
• Hoe simuleren we systemen met langere afstanden beter?

Samenvattend in één zin:
Li en Waintal hebben ontdekt dat je de chaos van kwantumdeeltjes kunt temmen door niet te kijken naar waar ze zitten, maar naar hoe ver ze van elkaar vandaan zijn, waardoor je een onmogelijk moeilijk probleem kunt omzetten in een probleem dat een gewone computer aankan.

Technische samenvatting

Probleemstelling

In de kwantumveeldeeltjefysica wordt de entanglement (verstrengeling) van fermionische systemen doorgaans als zeer groot beschouwd in het formalisme van eerste kwantisatie (waarbij de golffunctie afhangt van de posities van individuele deeltjes), terwijl deze in tweede kwantisatie (waarbij de golffunctie afhangt van bezettingsgetallen van toestanden) vaak laag is.

• Tweede kwantisatie: De golffunctie wordt beschreven door een tensor met $L$ poten (waarbij $L$ het aantal roosterplekken is). Voor veel systemen, vooral in 1D met kortdurend bereik, voldoet de verstrengeling aan de "area law", waardoor Matrix Product State (MPS) methoden zeer efficiënt werken.
• Eerste kwantisatie: De golffunctie is een tensor met $N$ poten (waarbij $N$ het aantal deeltjes is). Vanwege het Pauli-uitsluitingsprincipe (antisymmetrie bij deeltjesuitwisseling) wordt aangenomen dat de deeltjes-verstrengeling (particle-entanglement) exponentieel groot is ($S_P \geq \ln \binom{N}{P}$). Dit zou MPS-methoden in eerste kwantisatie onpraktisch maken, omdat de benodigde bond-dimension (verbindingdimensie) exponentieel zou moeten schalen met het aantal deeltjes.

Het doel van dit werk is om te tonen dat deze aanname incorrect is en dat een efficiënte MPS-benadering in eerste kwantisatie mogelijk is door de manier waarop de antisymmetrie wordt behandeld, fundamenteel te herformuleren.

Methodologie

De auteurs introduceren een nieuwe MPS-techniek voor eerste kwantisatie door de volgende stappen te doorlopen:

1. Beperking van de configuratieruimte:
   In plaats van te werken met de volledige golffunctie $\psi(x_1, \dots, x_N)$ die alle $N!$ permutaties van de deeltjesposities bevat, werken ze met een gereduceerde golffunctie $\bar{\psi}$. Deze functie is alleen gedefinieerd voor configuraties die voldoen aan de strikte ordening:
   $$0 < x_1 < x_2 < \dots < x_N < L + 1$$
   Alle andere configuraties zijn nul. De volledige antisymmetrie kan indien nodig worden afgeleid via permutatie, maar $\bar{\psi}$ bevat alle benodigde informatie. Dit elimineert de redundante informatie die leidt tot de schijnbaar hoge entanglement.

2. Variabele transformatie:
   Om de Pauli-beperking ($x_i < x_{i+1}$) automatisch te respecteren en de MPS-structuur te vereenvoudigen, transformeren ze de coördinaten van deeltjesposities $x_n$ naar inter-deeltjesafstanden $q_n$:

   • $q_1 = x_1$
   • $q_n = x_n - x_{n-1}$ voor $n > 1$
     De voorwaarde $q_n > 0$ garandeert automatisch dat de deeltjes niet op dezelfde plek zitten en in de juiste volgorde blijven.

3. MPO Constructie (Matrix Product Operator):
   De auteurs construeren de Hamiltoniaan in termen van deze nieuwe variabelen $q_n$:

   • Interactie ($H_V$): De dicht-dicht interactie wordt diagonaal en eenvoudig als een som van projectoren op $q_n=1$ (aangrenzende deeltjes).
   • Hopping ($H_t$): Het verplaatsen van een deeltje verandert de afstanden $q_n$ en $q_{n+1}$ op een lokale manier, wat leidt tot een MPO met een lage bond-dimension ($D=4$).
   • Projectie: Een extra operator $P_C$ wordt geïntroduceerd om te zorgen dat de totale lengte van het systeem ($\sum q_i$) binnen de grenzen van het rooster ($L$) blijft. Hoewel deze projectie formeel complex is, wordt deze benaderd door een Lagrange-multiplicator en een afsnijwaarde (cut-off) $Q_{max}$ voor de maximale afstand tussen deeltjes.

4. Numerieke Implementatie:
   Ze gebruiken de Density Matrix Renormalization Group (DMRG) voor grondtoestanden en de Time-Dependent Variational Principle (TDVP) voor tijdsontwikkeling. Een belangrijk voordeel is dat ladingsbehoud (het aantal deeltjes $N$) automatisch wordt gegarandeerd door de lengte van de MPS, in tegenstelling tot tweede kwantisatie waar dit expliciet moet worden opgelegd.

Belangrijkste Resultaten

De methode werd getest op het 1D t-V-model (spinloze fermionen met hopping $t$ en naburige interactie $V$).

1. Grondtoestanden (DMRG):

   • Voor niet-interagerende fermionen (halfgevuld rooster) convergeert de eerste-kwantisatie MPS even snel als de tweede-kwantisatie MPS, hoewel de fout iets trager daalt bij het vergroten van de bond-dimension.
   • Entanglement Entropie: De berekende von Neumann entanglement entropie in eerste kwantisatie is vergelijkbaar met die in tweede kwantisatie en veel lager dan de theoretische ondergrens voor "naieve" deeltjes-verstrengeling ($S \sim \ln \binom{N}{P}$). Dit bewijst dat de $\bar{\psi}$-benadering de redundantie effectief verwijdert.
   • Voor interagerende systemen ($V \neq 0$) kan de methode de faseovergang van een gapless Luttinger-vloeistof naar een gapped ladingsdichtheidstoestand correct reproduceren. Opvallend is dat de interactie de entanglement entropie rond half-vulling zelfs verlaagt, wat tegenintuïtief is maar consistent is met de vorming van een geordende toestand.

2. Tijdsontwikkeling:

   • De auteurs simuleerden de beweging van een domeinmuur (domain wall) bij halfgevulde roosters.
   • Kernresultaat: De entanglement-groei in eerste kwantisatie is significant kleiner (een factor $\sim 4$ minder, wat exponentieel gunstig is voor de bond-dimension) dan in tweede kwantisatie.
   • Oorzaak: In tweede kwantisatie bevindt de domeinmuur zich in het midden van de MPS, wat leidt tot snelle verstrengeling over de hele keten. In eerste kwantisatie bevindt de muur zich aan het einde van de keten (de laatste tensor), waardoor de verstrengeling langzaam vanuit de rand naar het midden groeit.

3. Observabelen:
   Het is mogelijk om lokale grootheden in tweede kwantisatie (zoals de bezettingsgetallen $\langle n_x \rangle$) te berekenen uit de eerste-kwantisatie MPS door een sommatie over de deeltjesindex, wat paralleliseerbaar is.

Bijdrage en Betekenis

• Paradigmaverschuiving: Het werk weerlegt het dogma dat MPS-methoden in eerste kwantisatie inefficiënt zijn vanwege hoge entanglement. Het toont aan dat de keuze van de representatie (geordende coördinaten en inter-deeltjesafstanden) cruciaal is.
• Efficiëntie: Voor specifieke problemen, zoals de propagatie van een domeinmuur, is de eerste-kwantisatie MPS superieur aan de tweede-kwantisatie MPS omdat de entanglement-groei trager is.
• Toepassingsgebied: De methode is veelbelovend voor systemen met langeafstandsinteracties (zoals het 1D Wigner-kristal), waar de interactie diagonaal is in termen van afstanden.
• Methodologische inzichten: Het artikel benadrukt dat "entanglement" twee verschillende betekenissen heeft in eerste en tweede kwantisatie. Problemen die moeilijk zijn in het ene formalisme, kunnen makkelijk zijn in het andere.
• Toekomstperspectief: De auteurs suggereren verdere optimalisatie door het gebruik van "quantics" representaties (het mappen van ruimtelijke roosters op qubit-tupels) om de fysieke dimensie te verkleinen, en wijzen op de uitbreidbaarheid naar spins en bosonen.

Kortom, dit paper opent een nieuwe weg voor het simuleren van kwantumveeldeeltjessystemen in eerste kwantisatie, waarbij de voordelen van MPS-methoden behouden blijven en in sommige gevallen zelfs worden verbeterd.