基于张量网络模型(态)的数值重正化群方法研究的中期报告.docxVIP

基于张量网络模型(态)的数值重正化群方法研究的中期报告 自1980年代起，重正化群方法在理论物理中的应用得到了广泛关注，尤其是在研究相变、临界现象和拓扑相变等问题时具有独特优势。然而，传统的数值重正化群方法在高维系统和强关联体系中面临着计算量爆炸的问题，限制了其在实际应用中的使用。 近年来，基于张量网络模型的数值重正化群方法成为了重要的研究方向。该方法在处理高维系统和强关联体系时具有很好的可行性和可扩展性。其基本思想是将系统分解为若干个小系统，并在这些小系统中进行重正化。这些小系统通过张量网络连接起来，形成一个高效的数值重正化群模型。在实际计算中，可以通过优化张量网络的结构和参数，得到系统重整化后的态，并进一步研究其物理性质。 本研究旨在探究基于张量网络模型的数值重正化群方法，并应用于研究量子多体系统和拓扑相变。在前期工作中，我们通过文献和课程学习，建立了相关的数学和物理基础，并了解了张量网络模型的基本原理和性质。同时，我们也学习了数值重正化群方法的算法和实现。 在中期报告中，我们将进一步深入研究基于张量网络模型的数值重正化群方法，包括其在处理高维系统和强关联体系中的优势和限制，以及其在处理拓扑相变时的应用。具体研究内容包括： 1. 探究张量网络模型的基本性质和构造方法，包括Tensor网络的分类，矩阵乘积态的定义，环境张量的定义等。 2. 学习数值重正化群方法的基本原理和实现算法，包括：Wilson重正化群和Kadanoff重正化群，以及与张量网络模型相结合的数值重正化群方法。 3. 尝试将基于张量网络模型的数值重正化群方法应用于实际系统，包括量子多体系统和拓扑相变体系。通过比较数值重正化群方法的计算结果和实验数据或者其他数值方法的结果，验证其有效性和可靠性。 4. 探究基于张量网络模型的数值重正化群方法的局限性和发展方向，包括计算量的优化、算法的改进，以及与其他数值方法的结合等。 总之，本研究将基于张量网络模型的数值重正化群方法作为研究主线，探究其在解决复杂系统和拓扑相变等问题上的应用和发展。通过深入研究和实践，我们希望能够取得一些有意义的结论并推动该领域的发展。