Die Beschreibung quantenmechanischer Vielteilchensysteme gehört zu den zentralen Herausforderungen der modernen Quantentechnologie. Bereits ein vergleichsweise kleines System aus vielen miteinander gekoppelten Quanteneinheiten erzeugt einen Zustandsraum, dessen Dimension exponentiell mit der Anzahl der Teilsysteme wächst. Diese exponentielle Skalierung ist kein numerisches Detail, sondern eine direkte Konsequenz der Tensorproduktstruktur der Quantenmechanik.
Besteht ein System aus N lokalen Freiheitsgraden mit jeweils d Basiszuständen, besitzt der vollständige Hilbertraum die Dimension
\(\dim(\mathcal{H}) = d^N\)
Für ein System aus Qubits gilt entsprechend
\(\dim(\mathcal{H}) = 2^N\)
Während ein Zustandsvektor bereits exponentiell viele komplexe Koeffizienten benötigt, ist die vollständige Dichtematrix noch aufwendiger. Sie enthält im allgemeinen Fall eine Anzahl von Einträgen, die proportional zu
\(d^{2N}\)
wächst. Eine direkte numerische Speicherung wird deshalb schon bei relativ kleinen Systemgrößen unpraktikabel.
Tensor-Netzwerk-Methoden setzen genau an diesem Problem an. Sie versuchen nicht, beliebige Quantenzustände effizient darzustellen. Stattdessen nutzen sie die Tatsache, dass viele physikalisch relevante Zustände erheblich strukturierter sind als ein beliebiger Vektor oder Operator des vollständigen Hilbertraums. Matrix Product States, Matrix Product Operators und Matrix Product Density Operators gehören zu den wichtigsten Vertretern dieser Methoden.
Von reinen zu gemischten Quantenzuständen
Ein isoliertes Quantensystem kann durch einen reinen Zustand beschrieben werden. Formal wird ein solcher Zustand durch einen Vektor
\(|\psi\rangle\)
im Hilbertraum dargestellt. Der zugehörige Dichteoperator lautet
\(\rho = |\psi\rangle\langle\psi|\)
Reale Quantensysteme sind jedoch nur selten vollständig von ihrer Umgebung isoliert. Wechselwirkungen mit elektromagnetischen Feldern, Gitterschwingungen, Messapparaturen, Kontrollsystemen oder anderen Freiheitsgraden führen dazu, dass eine Beschreibung durch einen einzelnen Zustandsvektor nicht mehr ausreicht.
Gemischte Zustände werden durch einen Dichteoperator beschrieben. Für ein statistisches Ensemble reiner Zustände kann er geschrieben werden als
\(\rho = \sum_k p_k |\psi_k\rangle\langle\psi_k|\)
Dabei erfüllen die Wahrscheinlichkeiten
\(p_k \geq 0\)
und
\(\sum_k p_k = 1\)
Gemischte Zustände entstehen unter anderem durch thermische Fluktuationen, unvollständige Kenntnis des Systems, Dekohärenz und die Wechselwirkung eines Quantensystems mit einer Umgebung. Gerade für praktische Quantentechnologien ist ihre Behandlung daher unverzichtbar.
Bedeutung von Matrix Product Density Operators
Matrix Product Density Operators, kurz MPDOs, übertragen das Grundprinzip der Matrix Product States auf Dichteoperatoren. Statt einen exponentiell großen Operator vollständig zu speichern, wird er als Netzwerk lokaler Tensoren dargestellt. Diese Tensoren sind über virtuelle Indizes miteinander verbunden und können dadurch räumliche und quantenmechanische Korrelationen kodieren.
MPDOs sind insbesondere für eindimensionale Vielteilchensysteme geeignet. Typische Einsatzgebiete sind thermische Zustände, offene Quantensysteme, dissipative Dynamik, Quantentransport und die Simulation verrauschter Quantenschaltungen.
Ihre Leistungsfähigkeit ist allerdings nicht unbegrenzt. Entscheidend ist, wie groß die sogenannte Bond-Dimension werden muss, um den betrachteten Dichteoperator mit ausreichender Genauigkeit zu repräsentieren. Bleibt diese Dimension moderat, kann ein ansonsten exponentiell großes Problem stark komprimiert werden. Wächst sie dagegen schnell, geht der numerische Vorteil zunehmend verloren.
Ziel dieser Abhandlung
Diese Abhandlung erklärt die mathematischen Grundlagen, die Struktur und die numerische Anwendung von Matrix Product Density Operators. Im Mittelpunkt stehen die Beziehung zu Matrix Product States und Matrix Product Operators, die Darstellung thermischer und offener Quantensysteme, das Problem der Positivität sowie die praktischen Grenzen der Methode.
Mathematische Grundlagen
Hilbertraum eines Vielteilchensystems
Ein Quantensystem aus mehreren Teilsystemen besitzt einen Hilbertraum, der als Tensorprodukt der lokalen Hilberträume aufgebaut ist. Für N Teilsysteme gilt
\(\mathcal{H} = \mathcal{H}_1 \otimes \mathcal{H}_2 \otimes \cdots \otimes \mathcal{H}_N\)
Besitzt jedes Teilsystem dieselbe lokale Dimension d, ergibt sich
\(\dim(\mathcal{H}) = d^N\)
Ein allgemeiner reiner Zustand kann in einer Produktbasis geschrieben werden als
\(|\psi\rangle = \sum_{i_1,\ldots,i_N} c_{i_1\ldots i_N}|i_1,\ldots,i_N\rangle\)
Der Koeffiziententensor besitzt im allgemeinen Fall N Indizes und insgesamt exponentiell viele Einträge.
Dichteoperator und Dichtematrix
Der Dichteoperator ist die allgemeinste Beschreibung eines quantenmechanischen Zustands. Ein physikalischer Dichteoperator muss drei wesentliche Bedingungen erfüllen.
Erstens muss er hermitesch sein:
\(\rho^\dagger = \rho\)
Zweitens muss seine Spur eins betragen:
\(\mathrm{Tr}(\rho) = 1\)
Drittens muss er positiv semidefinit sein. Für jeden Zustand gilt deshalb
\(\langle\phi|\rho|\phi\rangle \geq 0\)
Diese Bedingung stellt sicher, dass aus dem Dichteoperator berechnete Wahrscheinlichkeiten nicht negativ werden.
Ein reiner Zustand kann zusätzlich durch die Bedingung
\(\rho^2 = \rho\)
charakterisiert werden. Für seine Reinheit gilt
\(\mathrm{Tr}(\rho^2) = 1\)
Bei einem echten gemischten Zustand gilt dagegen
\(\mathrm{Tr}(\rho^2) < 1\)
Erwartungswerte
Der Erwartungswert einer Observable wird für einen gemischten Zustand durch die Spur des Produkts aus Dichteoperator und Observable berechnet:
\(\langle O\rangle = \mathrm{Tr}(\rho O)\)
Diese Formulierung ist für MPDOs besonders wichtig, weil Observablen häufig direkt durch Tensor-Kontraktionen ausgewertet werden können. Eine vollständige Rekonstruktion der exponentiell großen Dichtematrix ist dafür nicht notwendig.
Reduzierte Dichteoperatoren
Interessiert man sich nur für einen Teil eines Gesamtsystems, werden die übrigen Freiheitsgrade durch eine partielle Spur eliminiert. Für ein Gesamtsystem aus den Bereichen A und B lautet der reduzierte Dichteoperator von A
\(\rho_A = \mathrm{Tr}_B(\rho_{AB})\)
Reduzierte Dichteoperatoren enthalten sämtliche Informationen, die für lokale Messungen im betrachteten Teilsystem erforderlich sind.
Korrelationen und Verschränkung
Tensor-Netzwerke sind besonders leistungsfähig, wenn Korrelationen räumlich strukturiert sind. In vielen eindimensionalen Systemen dominieren lokale oder relativ kurzreichweitige Korrelationen. Genau diese Struktur lässt sich durch eine Kette lokaler Tensoren effizient darstellen.
Bei reinen Zuständen spielt die Verschränkungsentropie eine zentrale Rolle. Für ein Teilsystem A lautet die von-Neumann-Entropie
\(S(\rho_A) = -\mathrm{Tr}(\rho_A \log \rho_A)\)
Für gemischte Zustände ist die Situation komplexer, weil klassische statistische Korrelationen und echte Quantenverschränkung gleichzeitig auftreten können. Bei MPDOs tritt deshalb zusätzlich das Konzept der Operatorverschränkung auf, das später näher behandelt wird.
Matrix Product States als Ausgangspunkt
Grundidee der Matrix Product States
Matrix Product States, kurz MPS, zerlegen den Koeffiziententensor eines Vielteilchenzustands in eine Kette kleinerer Tensoren. Ein Zustand kann dann in der Form
\(|\psi\rangle = \sum_{i_1,\ldots,i_N} A^{[1]i_1}A^{[2]i_2}\cdots A^{[N]i_N}|i_1,\ldots,i_N\rangle\)
dargestellt werden.
Die Größen \(A^{[n]i_n}\) sind Matrizen beziehungsweise an den Rändern Vektoren. Ihre miteinander kontrahierten Indizes heißen Bond-Indizes oder virtuelle Indizes.
Bond-Dimension
Die Dimension eines virtuellen Index wird als Bond-Dimension bezeichnet und häufig mit
\(\chi\)
symbolisiert. Sie bestimmt, wie viele Korrelationen zwischen verschiedenen Bereichen des Systems dargestellt werden können.
Ist die Bond-Dimension klein, benötigt das MPS nur vergleichsweise wenig Speicher. Für ein homogenes System skaliert der Speicherbedarf grob wie
\(N d \chi^2\)
anstatt exponentiell mit der Teilchenzahl.
Diese Reduktion ist der entscheidende Grund für den Erfolg von Matrix Product States.
Schmidt-Zerlegung
Die mathematische Grundlage der Bond-Dimension wird durch die Schmidt-Zerlegung sichtbar. Teilt man eine Kette in zwei Bereiche A und B, kann ein reiner Zustand geschrieben werden als
\(|\psi\rangle = \sum_{\alpha=1}^{r} \lambda_\alpha |\alpha_A\rangle |\alpha_B\rangle\)
Der Schmidt-Rang r gibt an, wie viele nichtverschwindende Schmidt-Koeffizienten vorhanden sind. Ein MPS muss mindestens eine Bond-Dimension besitzen, die groß genug ist, um diesen Rang zu repräsentieren.
Warum MPS häufig effizient sind
Viele Grundzustände eindimensionaler lokaler Hamiltonoperatoren erfüllen näherungsweise ein Area Law. Die Verschränkungsentropie wächst dann nicht mit dem Volumen eines Teilsystems, sondern bleibt begrenzt oder steigt nur langsam.
Dadurch kann ein großer Teil der formal verfügbaren Hilbertraumdimension ignoriert werden. MPS nutzen diese physikalische Struktur gezielt aus.
Grenzen von Matrix Product States
Matrix Product States sind zunächst Zustandsvektoren und damit besonders natürlich für reine Zustände. Gemischte Zustände könnten zwar über eine Vergrößerung des Systems oder andere Konstruktionen behandelt werden, doch eine direkte Operatorbeschreibung ist häufig sinnvoller.
Genau hier setzen Matrix Product Operators und Matrix Product Density Operators an.
Definition und Struktur von Matrix Product Density Operators
Von MPS zu MPDO
Ein Dichteoperator eines Vielteilchensystems besitzt für jeden lokalen Freiheitsgrad zwei physikalische Indizes: einen für die Ket-Seite und einen für die Bra-Seite. Formal kann ein allgemeiner Dichteoperator geschrieben werden als
\(\rho = \sum_{i_1,\ldots,i_N}\sum_{j_1,\ldots,j_N} \rho_{i_1\ldots i_N,j_1\ldots j_N}|i_1,\ldots,i_N\rangle\langle j_1,\ldots,j_N|\)
Der vollständige Koeffiziententensor besitzt damit doppelt so viele physikalische Indizes wie ein Zustandsvektor.
Ein MPDO faktorisiert diesen großen Tensor in lokale Tensoren:
\(\rho = \sum_{i_1,\ldots,i_N}\sum_{j_1,\ldots,j_N} W^{[1]i_1j_1}W^{[2]i_2j_2}\cdots W^{[N]i_Nj_N}|i_1,\ldots,i_N\rangle\langle j_1,\ldots,j_N|\)
Die lokalen Objekte \(W^{[n]i_nj_n}\) besitzen zwei physikalische und typischerweise zwei virtuelle Indizes.
Lokale Tensorstruktur
Im Inneren einer offenen eindimensionalen Kette kann ein lokaler MPDO-Tensor als Objekt
\(W^{[n]}_{\alpha_{n-1},\alpha_n}{}^{i_n,j_n}\)
verstanden werden. Die Indizes \(i_n\) und \(j_n\) beziehen sich auf den lokalen Operatorraum. Die Indizes \(\alpha_{n-1}\) und \(\alpha_n\) verbinden den Tensor mit seinen Nachbarn.
Die Kontraktion aller virtuellen Indizes erzeugt den globalen Dichteoperator.
Operatorbasis
Alternativ kann jeder lokale Operator in einer Operatorbasis entwickelt werden. Für ein Qubit können beispielsweise die Einheitsmatrix und die drei Pauli-Matrizen als Basis dienen. Allgemein sei eine lokale Operatorbasis durch
\(\{B^\mu\}_{\mu=1}^{d^2}\)
gegeben. Dann kann ein MPDO geschrieben werden als
\(\rho = \sum_{\mu_1,\ldots,\mu_N} c_{\mu_1\ldots\mu_N} B^{\mu_1}\otimes\cdots\otimes B^{\mu_N}\)
Die Koeffizienten \(c_{\mu_1\ldots\mu_N}\) werden wiederum als Matrixprodukt faktorisiert.
Bond-Dimension eines MPDO
Auch bei MPDOs bestimmt die Bond-Dimension die Ausdrucksstärke der Darstellung. Ein Produktzustand oder ein vollständig unkorrelierter gemischter Zustand kann bereits mit sehr kleiner Bond-Dimension beschrieben werden.
Komplexe korrelierte Zustände benötigen größere Bond-Dimensionen. Für eine typische offene Kette skaliert der Speicherbedarf näherungsweise mit
\(N d^2 \chi^2\)
Damit bleibt die Darstellung polynomial, solange die notwendige Bond-Dimension nicht exponentiell mit der Systemgröße wächst.
Offene und periodische Randbedingungen
Bei offenen Randbedingungen besitzen die Tensoren am Anfang und Ende der Kette jeweils nur einen nichttrivialen virtuellen Index. Diese Form ist numerisch besonders günstig.
Bei periodischen Randbedingungen wird auch der letzte Tensor wieder mit dem ersten verbunden. Formal kann ein solcher MPDO durch eine Spur über das Produkt lokaler Matrizen geschrieben werden:
\(\rho = \sum_{i_1,\ldots,i_N}\sum_{j_1,\ldots,j_N} \mathrm{Tr}\left(W^{i_1j_1}_1\cdots W^{i_Nj_N}_N\right)|i_1,\ldots,i_N\rangle\langle j_1,\ldots,j_N|\)
Periodische Systeme sind jedoch häufig numerisch aufwendiger zu behandeln.
Beziehung zwischen MPO und MPDO
Ein Matrix Product Operator, kurz MPO, ist eine allgemeine Tensor-Netzwerk-Darstellung eines Operators. Hamiltonoperatoren, Zeitentwicklungsoperatoren, Messoperatoren oder Quantenkanäle können als MPO dargestellt werden.
Ein MPDO ist mathematisch ebenfalls ein MPO, allerdings mit einer zusätzlichen physikalischen Interpretation: Der dargestellte Operator soll ein gültiger Dichteoperator sein.
Damit muss ein MPDO nicht nur effizient darstellbar sein, sondern außerdem Hermitizität, Normierung und Positivität erfüllen.
Physikalische Bedingungen eines gültigen MPDO
Hermitizität
Ein physikalischer Dichteoperator muss hermitesch sein:
\(\rho^\dagger = \rho\)
Eine allgemeine MPO-Darstellung garantiert diese Eigenschaft nicht automatisch. In numerischen Verfahren kann Hermitizität entweder durch die Parametrisierung sichergestellt oder nach einzelnen Rechenschritten kontrolliert und gegebenenfalls korrigiert werden.
Eine formale Symmetrisierung wäre beispielsweise
\(\rho \longrightarrow \frac{\rho+\rho^\dagger}{2}\)
Sie korrigiert jedoch keine möglichen Probleme mit der Positivität.
Normierung
Der Dichteoperator muss die Spur eins besitzen:
\(\mathrm{Tr}(\rho)=1\)
Die Spur eines MPDO kann effizient durch lokale Tensor-Kontraktionen berechnet werden. Nach numerischen Evolutions- oder Kompressionsschritten kann eine Renormierung vorgenommen werden:
\(\rho \longrightarrow \frac{\rho}{\mathrm{Tr}(\rho)}\)
Positive Semidefinitheit
Die schwierigste Bedingung ist die positive Semidefinitheit. Alle Eigenwerte eines physikalischen Dichteoperators müssen nicht negativ sein:
\(\lambda_k \geq 0\)
Eine beliebige MPO-Struktur erfüllt diese Bedingung nicht automatisch. Besonders problematisch ist, dass lokale Einschränkungen an einzelne Tensoren im Allgemeinen nicht ausreichen, um globale Positivität sicherzustellen.
Das Positivitätsproblem
Bei einer numerischen Zeitentwicklung wächst die Bond-Dimension eines MPDO typischerweise an. Um die Berechnung kontrollierbar zu halten, müssen kleine Beiträge abgeschnitten werden. Diese Kompression erfolgt häufig über Singulärwertzerlegungen oder verwandte Verfahren.
Ein solcher Truncation-Schritt kann zwar einen kleinen Fehler in einer gewählten Norm erzeugen, gleichzeitig aber die positive Semidefinitheit verletzen. Das Ergebnis kann dann formal kleine negative Eigenwerte besitzen.
Dies ist nicht nur ein mathematisches Schönheitsproblem. Negative Eigenwerte können zu unphysikalischen Wahrscheinlichkeiten oder instabilen weiteren Rechenschritten führen.
Positivitätserhaltende Parametrisierungen
Eine verbreitete Strategie besteht darin, den Dichteoperator in faktorisierter Form darzustellen:
\(\rho = X X^\dagger\)
Jeder Operator dieser Form ist automatisch positiv semidefinit. Wird X selbst als Tensor-Netzwerk dargestellt, entsteht eine sogenannte lokal gereinigte oder lokal purifizierte Tensor-Netzwerk-Darstellung.
Der Preis dafür ist ein zusätzlicher Hilfsindex und häufig ein größerer numerischer Aufwand. Dafür ist die physikalisch zentrale Positivität strukturell garantiert.
MPDOs und Purification
Grundprinzip der Purification
Jeder gemischte Zustand eines Systems kann als Teilzustand eines größeren reinen Zustands interpretiert werden. Dazu wird ein zusätzlicher Hilfsraum eingeführt.
Sei das physikalische System mit S und der Hilfsraum mit A bezeichnet. Dann existiert ein reiner Zustand
\(|\Psi\rangle_{SA}\)
mit
\(\rho_S = \mathrm{Tr}_A\left(|\Psi\rangle\langle\Psi|\right)\)
Diese Konstruktion heißt Purification.
Purification als MPS
Wenn der vergrößerte reine Zustand als Matrix Product State dargestellt wird, können etablierte MPS-Algorithmen verwendet werden. Der physikalische Dichteoperator entsteht anschließend durch Ausspuren der Hilfsfreiheitsgrade.
Für jeden Gitterplatz wird häufig ein zusätzlicher lokaler Ancilla-Freiheitsgrad eingeführt. Ein lokaler Tensor besitzt damit sowohl einen physikalischen als auch einen Hilfsindex.
Maximally Mixed State
Ein besonders einfaches Beispiel ist der vollständig gemischte Zustand eines lokalen Systems:
\(\rho = \frac{I}{d}\)
Eine mögliche Purification ist ein maximal verschränkter Zustand von physikalischem System und Ancilla.
Für ein einzelnes lokales System kann er beispielsweise geschrieben werden als
\(|\Phi\rangle = \frac{1}{\sqrt{d}}\sum_{i=1}^{d}|i\rangle_S|i\rangle_A\)
Durch Ausspuren des Hilfssystems erhält man wieder den vollständig gemischten Zustand.
Zusammenhang mit MPDOs
Die direkte MPDO-Darstellung und die Purification sind zwei verschiedene Wege zur Beschreibung desselben physikalischen Objekts.
Beim direkten MPDO wird der Dichteoperator selbst als Matrix Product Operator gespeichert. Bei der Purification wird dagegen ein reiner Zustand in einem größeren Hilbertraum gespeichert.
Die Purification besitzt den wesentlichen Vorteil, dass die Positivität des resultierenden Dichteoperators automatisch gewährleistet ist.
Nachteile der Purification
Die zusätzliche Sicherheit ist mit höherem Aufwand verbunden. Der lokale Hilbertraum wird durch Ancilla-Freiheitsgrade vergrößert. Außerdem können während einer Zeitentwicklung sowohl die physikalischen als auch die Hilfssysteme komplexe Korrelationen entwickeln.
Welche Darstellung effizienter ist, hängt daher stark vom konkreten Problem ab.
Darstellung thermischer Quantenzustände
Gibbs-Zustand
Ein Quantensystem im thermischen Gleichgewicht bei Temperatur T wird durch den Gibbs-Zustand beschrieben:
\(\rho_\beta = \frac{e^{-\beta H}}{Z}\)
Dabei ist
\(\beta = \frac{1}{k_B T}\)
und die Zustandssumme lautet
\(Z = \mathrm{Tr}\left(e^{-\beta H}\right)\)
Die direkte Berechnung des Matrixexponentials eines Vielteilchen-Hamiltonoperators ist bei großen Systemen praktisch unmöglich. Tensor-Netzwerke erlauben jedoch eine schrittweise Approximation.
Ausgangspunkt bei unendlicher Temperatur
Für unendliche Temperatur gilt
\(\beta = 0\)
und damit
\(e^{-\beta H}=I\)
Der normierte Zustand ist dann vollständig gemischt:
\(\rho_0 = \frac{I}{\dim(\mathcal{H})}\)
Dieser Zustand besitzt eine sehr einfache Produktstruktur und kann mit minimaler Bond-Dimension dargestellt werden.
Imaginärzeitentwicklung
Ein Zustand bei endlicher inverser Temperatur kann ausgehend vom Zustand bei unendlicher Temperatur durch imaginäre Zeitentwicklung erzeugt werden.
Formal gilt
\(\rho_\beta \propto e^{-\beta H}\)
Bei einer Purification wird häufig symmetrisch mit
\(e^{-\beta H/2}\)
auf den physikalischen Teil des gereinigten Zustands eingewirkt.
Trotter-Suzuki-Zerlegung
Lokale Hamiltonoperatoren können häufig in zwei oder mehrere Gruppen zerlegt werden, deren interne Terme miteinander kommutieren. Für
\(H = H_A + H_B\)
kann ein kleiner imaginärer Zeitschritt näherungsweise geschrieben werden als
\(e^{-\Delta\beta(H_A+H_B)} \approx e^{-\Delta\beta H_A}e^{-\Delta\beta H_B}\)
Eine symmetrische Zerlegung zweiter Ordnung lautet
\(e^{-\Delta\beta(H_A+H_B)} \approx e^{-\Delta\beta H_A/2}e^{-\Delta\beta H_B}e^{-\Delta\beta H_A/2}\)
Durch viele kleine Schritte kann der gewünschte Temperaturbereich erreicht werden.
Wachstum der Bond-Dimension
Jeder Evolutionsschritt kann die Bond-Dimension erhöhen. Ohne Kompression würde sie schnell unkontrollierbar wachsen.
Daher werden nach lokalen Operationen Singulärwerte berechnet und Beiträge unterhalb eines gewählten Schwellenwerts entfernt. Die Genauigkeit wird damit direkt gegen Rechenzeit und Speicherbedarf abgewogen.
Thermodynamische Observablen
Ist der thermische Zustand als MPDO oder Purification verfügbar, können zahlreiche Größen bestimmt werden.
Die mittlere Energie lautet
\(E = \mathrm{Tr}(\rho_\beta H)\)
Die freie Energie kann über die Zustandssumme berechnet werden:
\(F = -\frac{1}{\beta}\log Z\)
Auch Magnetisierung, Korrelationsfunktionen, Wärmekapazität und weitere thermodynamische Observablen lassen sich durch geeignete Tensor-Kontraktionen bestimmen.
Zeitentwicklung offener Quantensysteme
Offene Quantensysteme
Ein offenes Quantensystem tauscht Information oder Energie mit seiner Umgebung aus. Für viele praktische Anwendungen ist diese Situation unvermeidlich. Qubits wechselwirken mit elektromagnetischem Rauschen, atomare Systeme emittieren Photonen, Festkörpersysteme koppeln an Phononen, und Messprozesse führen zu irreversiblen Informationsverlusten.
Die Zustandsentwicklung ist dann im Allgemeinen nicht mehr durch eine unitäre Schrödinger-Gleichung für einen Zustandsvektor beschreibbar.
Lindblad-Mastergleichung
Unter Markov-Annahmen wird die Dynamik häufig durch eine Lindblad-Mastergleichung beschrieben:
\(\frac{d\rho}{dt} = -i[H,\rho] + \sum_\mu \left(L_\mu \rho L_\mu^\dagger - \frac{1}{2}\{L_\mu^\dagger L_\mu,\rho\}\right)\)
Dabei beschreibt H die kohärente Hamilton-Dynamik, während die Operatoren \(L_\mu\) dissipative Prozesse repräsentieren.
Die Kommutatorstruktur ist
\([H,\rho] = H\rho-\rho H\)
und der Antikommutator ist definiert als
\(\{A,B\}=AB+BA\)
Liouvillian
Die gesamte rechte Seite der Mastergleichung kann als Wirkung eines Superoperators aufgefasst werden:
\(\frac{d\rho}{dt}=\mathcal{L}(\rho)\)
Der Superoperator \(\mathcal{L}\) wird Liouvillian genannt.
Formal lautet die Lösung
\(\rho(t)=e^{t\mathcal{L}}\rho(0)\)
Für Vielteilchensysteme kann diese Exponentialabbildung natürlich ebenfalls nicht direkt als vollständige Matrix gespeichert werden.
Vektorisierung des Dichteoperators
Eine nützliche mathematische Technik besteht darin, einen Operator wie einen Vektor in einem vergrößerten Raum zu behandeln. Symbolisch kann man schreiben
\(\rho \longrightarrow |\rho\rangle\rangle\)
Die Mastergleichung erhält dadurch eine formal Schrödinger-ähnliche Form:
\(\frac{d}{dt}|\rho\rangle\rangle = \mathbb{L}|\rho\rangle\rangle\)
Hier ist \(\mathbb{L}\) eine Matrixdarstellung des Liouvillians im Operatorraum.
Diese Sichtweise bildet eine wichtige Grundlage vieler MPDO-Algorithmen.
Lokale Liouvillians
Bei lokalen offenen Quantensystemen kann der Liouvillian häufig als Summe lokaler Beiträge geschrieben werden:
\(\mathcal{L} = \sum_n \mathcal{L}_n\)
Dadurch können Trotter-Verfahren ähnlich wie bei der unitären Zeitentwicklung eingesetzt werden.
TEBD-artige Zeitentwicklung
Bei einer Time-Evolving-Block-Decimation-Strategie wird die Evolution in kleine Zeitschritte zerlegt. Lokale Evolutionsoperatoren werden nacheinander auf benachbarte Tensoren angewendet.
Nach jeder Anwendung werden die betroffenen Tensoren zerlegt und die Bond-Dimension gegebenenfalls reduziert.
Für einen Zeitschritt gilt formal
\(\rho(t+\Delta t) \approx e^{\Delta t\mathcal{L}}\rho(t)\)
Die Genauigkeit hängt sowohl von der Zeitschrittweite als auch von der Kompression ab.
Stationäre Zustände
Ein besonders wichtiger Fall ist ein stationärer Zustand eines offenen Systems. Er erfüllt
\(\mathcal{L}(\rho_{\mathrm{ss}})=0\)
Solche Zustände werden als Steady States bezeichnet. Bei getriebenen offenen Systemen können sie Nichtgleichgewichtseigenschaften besitzen, etwa dauerhafte Teilchen- oder Energieströme.
MPDO-Verfahren können stationäre Zustände entweder durch lange Zeitentwicklung oder durch direkte Variations- und Eigenwertverfahren bestimmen.
Operatorverschränkung und Komplexität
Vom Zustand zum Operator
Bei einem reinen Zustand bestimmt die Verschränkung maßgeblich die notwendige MPS-Bond-Dimension. Für einen Dichteoperator gibt es ein verwandtes Konzept: die Operatorverschränkung.
Dazu wird der Operator formal als Vektor im Operatorraum betrachtet. Teilt man das System räumlich in die Bereiche A und B, kann eine Operator-Schmidt-Zerlegung vorgenommen werden.
Operator-Schmidt-Zerlegung
Ein Operator kann in der Form
\(\rho = \sum_{\alpha=1}^{r_O} s_\alpha A_\alpha \otimes B_\alpha\)
geschrieben werden. Die Operatoren \(A_\alpha\) wirken nur auf Bereich A, die Operatoren \(B_\alpha\) nur auf Bereich B.
Die Zahl nichtverschwindender Koeffizienten bestimmt den Operator-Schmidt-Rang \(r_O\).
Zusammenhang mit der Bond-Dimension
Die MPDO-Bond-Dimension muss groß genug sein, um den relevanten Operator-Schmidt-Rang an jeder Schnittstelle der Kette darzustellen.
Steigt die Operatorverschränkung stark an, muss daher auch die Bond-Dimension wachsen. Dies ist eine der wichtigsten praktischen Grenzen langer Echtzeitentwicklungen.
Wachstum unter Dynamik
Selbst wenn ein Anfangszustand nur geringe Korrelationen besitzt, kann eine lokale Dynamik nach und nach Korrelationen über immer größere Entfernungen erzeugen.
In geschlossenen Systemen führt dies häufig zu einem schnellen Anwachsen der Verschränkung. In offenen Systemen können dissipative Prozesse einerseits zusätzliche Komplexität erzeugen, andererseits aber auch Korrelationen zerstören und damit die notwendige Bond-Dimension reduzieren.
Die tatsächliche Simulierbarkeit hängt daher stark von Hamiltonoperator, Dissipation, Anfangszustand und Simulationszeit ab.
Numerische Algorithmen für MPDOs
Tensor-Kontraktionen
Die meisten physikalischen Größen werden berechnet, indem die lokalen Tensoren eines MPDO schrittweise kontrahiert werden.
Für die Spur werden an jedem Ort die beiden physikalischen Indizes entsprechend identifiziert und summiert. Die verbleibenden virtuellen Matrizen werden entlang der Kette multipliziert.
Dadurch kann eine globale Größe aus lokalen Operationen bestimmt werden, ohne den vollständigen Operator zu erzeugen.
Erwartungswerte lokaler Observablen
Für eine Observable O gilt
\(\langle O\rangle = \mathrm{Tr}(\rho O)\)
Ist O lokal oder besitzt selbst eine kompakte MPO-Darstellung, kann der Erwartungswert effizient durch gleichzeitige Kontraktion beider Tensor-Netzwerke berechnet werden.
Singular Value Decomposition
Die Singulärwertzerlegung ist eines der wichtigsten Werkzeuge zur Kontrolle der Bond-Dimension. Eine Matrix M wird zerlegt als
\(M = U S V^\dagger\)
Die Diagonalelemente von S sind die Singulärwerte.
Werden nur die größten \(\chi\) Singulärwerte behalten, entsteht eine kontrollierte Niedrigrangapproximation.
Truncation-Fehler
Werden Singulärwerte \(s_k\) verworfen, kann der abgeschnittene Anteil beispielsweise durch
\(\epsilon_{\mathrm{tr}} = \sum_{k>\chi}s_k^2\)
charakterisiert werden.
Ein kleiner lokaler Truncation-Fehler bedeutet jedoch nicht automatisch, dass sämtliche physikalischen Größen über lange Zeiten gleich genau bleiben. Fehler können sich akkumulieren.
Kanonische Formen
Bei Matrix Product States erlauben kanonische Formen eine besonders stabile Interpretation der virtuellen Indizes und Schmidt-Koeffizienten.
Für allgemeine MPDOs ist die Situation komplizierter, dennoch werden verwandte Gauge-Transformationen genutzt, um Tensoren numerisch besser zu konditionieren.
Eine Gauge-Freiheit entsteht dadurch, dass zwischen zwei benachbarten Tensoren eine invertierbare Matrix und ihre Inverse eingefügt werden können, ohne den dargestellten globalen Operator zu verändern.
Variationsverfahren
Statt die Dynamik ausschließlich durch lokale Trotter-Schritte zu approximieren, kann die Entwicklung auch innerhalb der Menge von Tensor-Netzwerken mit begrenzter Bond-Dimension optimiert werden.
Variationsbasierte Verfahren suchen dabei den bestmöglichen Zustand innerhalb einer vorgegebenen MPDO- oder MPS-Mannigfaltigkeit.
Solche Ansätze können insbesondere dann vorteilhaft sein, wenn eine direkte lokale Zerlegung des Evolutionsoperators ungünstig ist.
TDVP-basierte Verfahren
Das Time-Dependent Variational Principle projiziert eine kontinuierliche Zeitentwicklung auf den Tangentialraum einer Tensor-Netzwerk-Mannigfaltigkeit.
Formal wird eine exakte Änderung
\(\frac{d|\psi\rangle}{dt}\)
durch eine Änderung ersetzt, die innerhalb der gewählten MPS-Struktur liegt.
Entsprechende Ideen können auch auf vektorisierte Dichteoperatoren beziehungsweise Operator-Tensor-Netzwerke übertragen werden.
Numerische Fehlerquellen
MPDO-Simulationen enthalten mehrere voneinander unabhängige Fehlerquellen.
- Trotter-Fehler durch diskrete Zerlegung der Zeitentwicklung.
- Truncation-Fehler durch Begrenzung der Bond-Dimension.
- Rundungsfehler endlicher Maschinengenauigkeit.
- Fehler durch nicht exakt erhaltene Normierung.
- Verletzungen der Hermitizität.
- Verletzungen der positiven Semidefinitheit.
Eine belastbare Simulation darf deshalb nicht nur ein einzelnes Ergebnis berechnen. Sie muss zeigen, dass die Resultate gegenüber einer feineren Zeitschrittweite und einer größeren Bond-Dimension stabil sind.
Konvergenztests
Typische Konvergenztests vergleichen Resultate für mehrere Werte der maximalen Bond-Dimension:
\(\chi_1 < \chi_2 < \chi_3\)
Ebenso werden verschiedene Zeitschritte untersucht:
\(\Delta t_1 > \Delta t_2 > \Delta t_3\)
Wenn sich die interessierenden Observablen innerhalb der gewünschten Genauigkeit nicht mehr verändern, spricht dies für numerische Konvergenz.
Anwendungen von MPDOs in der Quantentechnologie
Offene Quantenketten
Eindimensionale Spin-Ketten gehören zu den wichtigsten Testsystemen für MPDO-Verfahren. Sie verbinden eine nichttriviale Vielteilchenphysik mit einer geometrischen Struktur, die Matrix-Product-Methoden besonders entgegenkommt.
Untersucht werden unter anderem Dephasierung, Teilchenverlust, Pump-Prozesse, Randkopplungen und lokal dissipative Dynamik.
Thermische Vielteilchensysteme
Viele Experimente arbeiten nicht bei exakt null Kelvin. Deshalb ist die Kenntnis thermischer Zustände für den Vergleich zwischen Theorie und Experiment entscheidend.
MPDOs ermöglichen die Berechnung thermischer Eigenschaften großer eindimensionaler Systeme, ohne die vollständige Dichtematrix explizit aufzustellen.
Quantentransport
Ein wichtiges Anwendungsgebiet ist der Transport von Energie, Magnetisierung oder Teilchen durch offene Quantensysteme.
Wird eine Kette an ihren Enden an unterschiedliche Reservoirs gekoppelt, kann ein stationärer Strom entstehen. Ein Teilchenstrom kann schematisch durch einen lokalen Stromoperator \(J_n\) beschrieben werden.
Der stationäre Erwartungswert lautet
\(\langle J_n\rangle_{\mathrm{ss}} = \mathrm{Tr}(\rho_{\mathrm{ss}}J_n)\)
MPDOs ermöglichen es, solche Ströme und ihre Abhängigkeit von Systemgröße, Wechselwirkungen und Dissipation numerisch zu untersuchen.
Dissipative Zustandspräparation
Dissipation wird nicht nur als Störung betrachtet. Sie kann gezielt eingesetzt werden, um bestimmte Quantenzustände zu erzeugen.
Wird ein Liouvillian so konstruiert, dass ein gewünschter Zustand der eindeutige stationäre Zustand ist, kann das System durch die Umgebungswechselwirkung in diesen Zustand getrieben werden.
MPDO-Simulationen helfen dabei, solche Prozesse zu untersuchen und die Zeit bis zur Zustandspräparation abzuschätzen.
Quantensimulatoren
Analoge und digitale Quantensimulatoren arbeiten nie vollständig rauschfrei. Dekohärenz, ungenaue Kontrolle und dissipative Verluste beeinflussen die Dynamik.
Für eindimensionale Systeme kann eine MPDO-Simulation deshalb als klassisches Vergleichswerkzeug dienen. Sie erlaubt es, sowohl die ideale Hamilton-Dynamik als auch ausgewählte Rauschmodelle zu berücksichtigen.
Verrauschte Quantenschaltungen
Eine ideale Quantenschaltung verarbeitet reine Zustände durch unitäre Gatter. Reale Geräte benötigen dagegen eine Beschreibung durch Dichteoperatoren und Quantenkanäle.
Ein allgemeiner vollständig positiver und spurtreuer Quantenkanal kann in Kraus-Form geschrieben werden als
\(\mathcal{E}(\rho)=\sum_k K_k\rho K_k^\dagger\)
mit der Bedingung
\(\sum_k K_k^\dagger K_k = I\)
Lokale Rauschkanäle können direkt auf MPDO-Tensoren angewendet werden. Dadurch lassen sich bestimmte Klassen verrauschter Quantenschaltungen klassisch simulieren.
Auch hier entscheidet jedoch das Wachstum der Operatorverschränkung darüber, wie lange und wie groß ein System effizient berechnet werden kann.
Quantenkanäle als Tensor-Netzwerke
Nicht nur Zustände, sondern auch Quantenkanäle können Tensor-Netzwerk-Strukturen besitzen. Dies ist besonders interessant, wenn Rauschen räumlich lokal oder nur schwach korreliert ist.
Damit entsteht eine einheitliche numerische Sprache für Zustände, Observablen, Hamiltonoperatoren, Rauschprozesse und dissipative Dynamik.
Vergleich mit verwandten Tensor-Netzwerk-Methoden
MPDO und MPS
Ein MPS beschreibt primär einen Zustandsvektor. Ein MPDO beschreibt einen Operator und kann daher direkt gemischte Zustände darstellen.
Für reine Zustände ist eine MPS-Beschreibung im Regelfall kompakter, weil pro lokalem Tensor nur ein physikalischer Zustandsindex benötigt wird.
Bei MPDOs treten zwei lokale physikalische Indizes beziehungsweise ein lokaler Operatorindex der Dimension \(d^2\) auf.
MPDO und MPO
Jedes MPDO besitzt die mathematische Struktur eines MPO. Nicht jedes MPO ist jedoch ein gültiger Dichteoperator.
Ein allgemeines MPO kann einen Hamiltonoperator, eine Observable oder einen anderen linearen Operator darstellen. Ein MPDO muss zusätzlich die Bedingungen eines quantenmechanischen Zustands erfüllen.
MPDO und Purification
Die direkte MPDO-Darstellung speichert den Dichteoperator selbst. Eine Purification speichert einen reinen Zustand in einem erweiterten System.
MPDOs können hinsichtlich der Anzahl der Freiheitsgrade kompakter sein. Purifications besitzen dagegen den entscheidenden Vorteil einer automatisch garantierten Positivität.
Welche Methode günstiger ist, hängt von Dynamik, Temperatur, erforderlicher Genauigkeit und verfügbarer Bond-Dimension ab.
MPDO und PEPO
Matrix-Product-Strukturen sind auf eindimensionale Geometrien zugeschnitten. Für zweidimensionale Gitter werden häufig Projected Entangled Pair States und entsprechende Operatorvarianten eingesetzt.
Die Operatorform wird häufig als Projected Entangled Pair Operator bezeichnet.
Solche höherdimensionalen Tensor-Netzwerke sind prinzipiell sehr leistungsfähig, ihre Kontraktion ist jedoch erheblich schwieriger als bei einer eindimensionalen Kette.
Verhältnis zu MERA
Multiscale Entanglement Renormalization Ansatz, kurz MERA, organisiert Tensoren hierarchisch über mehrere Längenskalen. Solche Strukturen sind besonders für kritische Systeme und Skaleninvarianz interessant.
MPDOs verfolgen dagegen eine räumlich lineare Struktur und sind dadurch für eindimensionale lokale Systeme algorithmisch meist einfacher zu handhaben.
Vorteile und Grenzen von Matrix Product Density Operators
Speicherreduktion
Der offensichtlichste Vorteil von MPDOs ist die drastische Reduktion des Speicherbedarfs gegenüber einer vollständigen Dichtematrix.
Während eine dichte Dichtematrix eine Zahl von Einträgen proportional zu
\(d^{2N}\)
besitzt, benötigt ein MPDO mit homogener Bond-Dimension grob
\(N d^2 \chi^2\)
Parameter.
Der Unterschied zwischen exponentieller und polynomialer Skalierung ist enorm.
Direkte Behandlung gemischter Zustände
MPDOs erlauben eine direkte Beschreibung thermischer, dissipativer und statistisch gemischter Quantenzustände. Für offene Systeme ist dies häufig natürlicher als die Simulation eines vergrößerten Gesamtsystems einschließlich einer expliziten Umgebung.
Lokale Observablen
Viele experimentell relevante Größen sind lokal. Ihre Erwartungswerte können durch effiziente Tensor-Kontraktionen bestimmt werden. Die vollständige globale Dichtematrix muss niemals erzeugt werden.
Hauptgrenze: Bond-Dimension
Die MPDO-Darstellung beseitigt die exponentielle Komplexität der Quantenmechanik nicht grundsätzlich. Sie verschiebt die entscheidende Frage darauf, wie groß die Bond-Dimension werden muss.
Wenn eine ausreichend genaue Beschreibung eine Bond-Dimension benötigt, die selbst exponentiell wächst, verliert das Verfahren seinen praktischen Vorteil.
Langzeitdynamik
Besonders problematisch sind lange Echtzeitsimulationen stark korrelierter Systeme. Die Operatorverschränkung kann kontinuierlich wachsen, sodass immer größere Bond-Dimensionen erforderlich werden.
Dadurch ist die erreichbare Simulationszeit häufig begrenzt, selbst wenn die Systemgröße an sich noch handhabbar wäre.
Höhere Dimensionen
Die außergewöhnliche Effizienz von Matrix-Product-Strukturen hängt stark mit der eindimensionalen Geometrie zusammen. In zwei oder drei räumlichen Dimensionen steigt die Anzahl relevanter Verbindungen über eine räumliche Schnittfläche deutlich an.
Andere Tensor-Netzwerk-Strukturen sind dort geeigneter, aber numerisch wesentlich teurer.
Positivität
Die vielleicht charakteristischste Schwierigkeit direkter MPDO-Verfahren ist die Erhaltung der positiven Semidefinitheit bei Approximation und Kompression.
Ein mathematisch kleiner Tensorfehler kann dazu führen, dass der resultierende Operator nicht mehr exakt als physikalischer Zustand interpretierbar ist.
Lokal purifizierte Ansätze umgehen dieses Problem, erhöhen dafür jedoch den Rechenaufwand.
Kein universeller Ersatz für exakte Methoden
MPDOs sind kein Verfahren, mit dem beliebig große Quantensysteme grundsätzlich effizient simuliert werden können. Ihre Stärke liegt in Systemen, deren Korrelationsstruktur mit moderater Bond-Dimension erfasst werden kann.
Gerade deshalb ist die Untersuchung der notwendigen Bond-Dimension selbst ein wichtiger Teil jeder seriösen MPDO-Simulation.
Aktuelle Forschungsrichtungen
Positivitätserhaltende Tensor-Netzwerke
Ein wichtiges Forschungsfeld beschäftigt sich mit Tensor-Netzwerk-Parametrisierungen, die Positivität bereits strukturell garantieren.
Die Grundidee
\(\rho = X X^\dagger\)
ist einfach, doch eine numerisch optimale Umsetzung erfordert sorgfältige Kontrolle der zusätzlichen virtuellen und Hilfsdimensionen.
Nichtmarkovsche offene Systeme
Die Lindblad-Gleichung basiert auf einer Markov-Näherung. Viele reale Umgebungen besitzen jedoch Gedächtniseffekte.
Bei nichtmarkovscher Dynamik hängt die zukünftige Entwicklung nicht ausschließlich vom aktuellen Zustand ab. Tensor-Netzwerk-Methoden werden deshalb zunehmend eingesetzt, um zeitliche Korrelationen und strukturierte Umgebungen effizient darzustellen.
Rauschsimulation von Quantenprozessoren
Mit zunehmender Größe von Quantenprozessoren steigt der Bedarf an klassischen Simulationsverfahren, die realistische Rauschmodelle berücksichtigen.
MPDOs sind besonders interessant, wenn die Quantenschaltung eine quasi-eindimensionale Struktur besitzt oder die entstehende Operatorverschränkung begrenzt bleibt.
Quantenfehlerkorrektur
Fehlerkorrekturprozesse bestehen aus Quantenzuständen, Rauschkanälen, Messungen und konditionierten Operationen. Viele dieser Elemente können als Tensor-Netzwerke formuliert werden.
MPDO-artige Verfahren können deshalb zur Untersuchung kleiner und mittlerer Fehlerkorrekturstrukturen eingesetzt werden, insbesondere wenn lokale Rauschmodelle im Mittelpunkt stehen.
Adaptive Bond-Dimension
Eine feste Bond-Dimension ist häufig ineffizient. In schwach korrelierten Bereichen werden unnötig viele Parameter gespeichert, während stark korrelierte Bereiche größere Dimensionen benötigen könnten.
Adaptive Algorithmen erhöhen oder reduzieren die Bond-Dimension abhängig von den lokalen Singulärwertspektren und vorgegebenen Fehlerschwellen.
Hochleistungsrechnen
Große Bond-Dimensionen führen zu rechenintensiven Matrixmultiplikationen, QR-Zerlegungen und Singulärwertzerlegungen. Moderne Implementierungen nutzen daher Mehrkernprozessoren, GPUs und verteilte Rechenarchitekturen.
Die lineare Struktur von Matrix-Product-Netzwerken erlaubt zwar nicht jede Operation vollständig parallel, doch einzelne Tensoroperationen profitieren stark von optimierter linearer Algebra.
Kombination mit maschinellem Lernen
Tensor-Netzwerke und maschinelles Lernen besitzen gemeinsame mathematische Strukturen. Beide arbeiten mit hochdimensionalen Daten, Faktorisierungen und optimierbaren Parametern.
Forschungsarbeiten untersuchen deshalb hybride Verfahren, bei denen Tensor-Netzwerke durch lernbasierte Optimierungsstrategien unterstützt werden oder selbst als strukturierte Modelle des maschinellen Lernens dienen.
Für MPDOs ist insbesondere interessant, ob schwierige Kompressions-, Rekonstruktions- oder Optimierungsprobleme dadurch effizienter gelöst werden können.
Fazit
Zentrale Erkenntnis
Matrix Product Density Operators übertragen das Prinzip der Matrix Product States auf Dichteoperatoren. Sie ersetzen eine exponentiell große globale Dichtematrix durch eine Kette lokaler Tensoren, deren virtuelle Indizes die Korrelationen zwischen verschiedenen Bereichen des Quantensystems speichern.
Der zentrale Vorteil entsteht, wenn die erforderliche Bond-Dimension moderat bleibt. Dann kann ein Vielteilchenzustand beschrieben werden, dessen vollständige Dichtematrix niemals direkt gespeichert werden könnte.
Physikalische Bedeutung
MPDOs sind besonders relevant, weil reale Quantentechnologien nicht ausschließlich mit idealen reinen Zuständen arbeiten. Temperatur, Rauschen, Dekohärenz, Dissipation und Messprozesse erzeugen gemischte Zustände.
Genau diese Zustände bilden den natürlichen Anwendungsbereich von Dichteoperatoren und damit auch von MPDOs.
Thermische und offene Systeme
Thermische Zustände können durch imaginäre Zeitentwicklung aufgebaut werden. Offene Quantensysteme lassen sich über Mastergleichungen und Liouvillian-Dynamik behandeln.
In beiden Fällen ermöglichen Matrix-Product-Strukturen die Nutzung lokaler Wechselwirkungen und begrenzter Korrelationen.
Entscheidende Einschränkung
MPDOs lösen das exponentielle Vielteilchenproblem nicht allgemein. Ihre Effizienz hängt davon ab, ob der relevante Dichteoperator eine ausreichend kompakte Tensor-Netzwerk-Struktur besitzt.
Die entscheidende Größe ist dabei nicht allein die Anzahl der Teilchen, sondern vor allem die entstehende Operatorverschränkung und die dafür benötigte Bond-Dimension.
Bedeutung für die Quantentechnologie
Für eindimensionale und quasi-eindimensionale Systeme gehören MPDOs zu den wichtigsten klassischen Werkzeugen zur Simulation gemischter Quantenzustände.
Sie verbinden die allgemeine Dichtematrixbeschreibung der Quantenmechanik mit der numerischen Effizienz von Tensor-Netzwerken. Dadurch sind sie für thermische Vielteilchenphysik, offene Systeme, Quantentransport, dissipative Zustandspräparation und die Analyse verrauschter Quantenschaltungen von großer Bedeutung.
Ihre Stärke liegt nicht darin, jede denkbare Quantendynamik effizient darzustellen. Sie liegt darin, physikalisch strukturierte Zustände so zu komprimieren, dass große Quantensysteme innerhalb kontrollierbarer numerischer Grenzen untersucht werden können.
Mit freundlichen Grüßen
Anhang
Wissenschaftliche Zeitschriften und Artikel
Die wissenschaftliche Literatur zu Matrix Product Density Operators verbindet mehrere Forschungsgebiete: Tensor-Netzwerke, Quanteninformation, Vielteilchenphysik, thermische Zustände und offene Quantensysteme. Für eine fundierte Abhandlung sollten insbesondere die ursprünglichen MPDO-Arbeiten, mathematische Untersuchungen zur effizienten Darstellung gemischter Zustände sowie Arbeiten zu positivitätserhaltenden Tensor-Netzwerken berücksichtigt werden.
Grundlegende Primärliteratur zu Matrix Product Density Operators
- F. Verstraete, J. J. García-Ripoll, J. I. Cirac: Matrix Product Density Operators: Simulation of Finite-Temperature and Dissipative Systems, Physical Review Letters 93, 207204, 2004.
- Diese Arbeit gehört zur grundlegenden Primärliteratur über MPDOs. Sie führt eine Matrix-Product-Darstellung für Dichteoperatoren ein und zeigt, wie thermische Zustände sowie dissipative eindimensionale Quantensysteme mit Tensor-Netzwerk-Methoden simuliert werden können. Für eine wissenschaftliche Abhandlung ist sie die zentrale Quelle für Definition, Motivation, endliche Temperaturen und dissipative Zeitentwicklung.
- URL: https://journals.aps.org/...
- arXiv: https://arxiv.org/...
- DOI: https://doi.org/...
- Diese Arbeit gehört zur grundlegenden Primärliteratur über MPDOs. Sie führt eine Matrix-Product-Darstellung für Dichteoperatoren ein und zeigt, wie thermische Zustände sowie dissipative eindimensionale Quantensysteme mit Tensor-Netzwerk-Methoden simuliert werden können. Für eine wissenschaftliche Abhandlung ist sie die zentrale Quelle für Definition, Motivation, endliche Temperaturen und dissipative Zeitentwicklung.
- M. Zwolak, G. Vidal: Mixed-State Dynamics in One-Dimensional Quantum Lattice Systems: A Time-Dependent Superoperator Renormalization Algorithm, Physical Review Letters 93, 207205, 2004.
- Die nahezu zeitgleich mit der MPDO-Arbeit erschienene Veröffentlichung entwickelt einen Tensor-Netzwerk-Ansatz für die Dynamik gemischter Zustände in eindimensionalen Quantensystemen. Besonders relevant sind die Verbindung von Operatorraum, Superoperator-Renormierung und Time-Evolving Block Decimation sowie die Abhängigkeit der numerischen Komplexität von den im Operatorraum entstehenden Korrelationen.
- URL: https://journals.aps.org/...
- arXiv: https://arxiv.org/...
- DOI: https://doi.org/...
- Die nahezu zeitgleich mit der MPDO-Arbeit erschienene Veröffentlichung entwickelt einen Tensor-Netzwerk-Ansatz für die Dynamik gemischter Zustände in eindimensionalen Quantensystemen. Besonders relevant sind die Verbindung von Operatorraum, Superoperator-Renormierung und Time-Evolving Block Decimation sowie die Abhängigkeit der numerischen Komplexität von den im Operatorraum entstehenden Korrelationen.
- J. Guth Jarkovský, A. Molnár, N. Schuch, J. I. Cirac: Efficient Description of Many-Body Systems with Matrix Product Density Operators, PRX Quantum 1, 010304, 2020.
- Diese Arbeit liefert eine wichtige theoretische Begründung dafür, unter welchen Bedingungen gemischte eindimensionale Vielteilchenzustände effizient durch MPDOs approximiert werden können. Im Mittelpunkt steht die Verbindung zwischen geringer Verschränkung gemischter Zustände, insbesondere der Entanglement of Purification, und einer kompakten Matrix-Product-Darstellung. Die Quelle eignet sich besonders für die Abschnitte über Bond-Dimension, Komplexität und Grenzen der MPDO-Methode.
- URL: https://journals.aps.org/...
- arXiv: https://arxiv.org/...
- DOI: https://doi.org/...
- Diese Arbeit liefert eine wichtige theoretische Begründung dafür, unter welchen Bedingungen gemischte eindimensionale Vielteilchenzustände effizient durch MPDOs approximiert werden können. Im Mittelpunkt steht die Verbindung zwischen geringer Verschränkung gemischter Zustände, insbesondere der Entanglement of Purification, und einer kompakten Matrix-Product-Darstellung. Die Quelle eignet sich besonders für die Abschnitte über Bond-Dimension, Komplexität und Grenzen der MPDO-Methode.
- J. I. Cirac, D. Pérez-García, N. Schuch, F. Verstraete: Matrix Product Density Operators: Renormalization Fixed Points and Boundary Theories, Annals of Physics 378, 100–149, 2017.
- Diese spezialisierte theoretische Arbeit untersucht die mathematische Struktur von MPDOs, Renormierungs-Fixpunkte und deren Zusammenhang mit Korrelationslängen, Gibbs-Zuständen und Randtheorien höherdimensionaler topologischer Systeme. Sie eignet sich für eine vertiefte Darstellung der strukturellen Eigenschaften von MPDOs und für die theoretische Einordnung über reine numerische Anwendungen hinaus.
- URL: https://www.sciencedirect.com/...
- arXiv: https://arxiv.org/...
- DOI: https://doi.org/...
- Diese spezialisierte theoretische Arbeit untersucht die mathematische Struktur von MPDOs, Renormierungs-Fixpunkte und deren Zusammenhang mit Korrelationslängen, Gibbs-Zuständen und Randtheorien höherdimensionaler topologischer Systeme. Sie eignet sich für eine vertiefte Darstellung der strukturellen Eigenschaften von MPDOs und für die theoretische Einordnung über reine numerische Anwendungen hinaus.
Spezialisierte Arbeiten zu offenen Quantensystemen und Positivität
- A. H. Werner, D. Jaschke, P. Silvi, M. Kliesch, T. Calarco, J. Eisert, S. Montangero: Positive Tensor Network Approach for Simulating Open Quantum Many-Body Systems, Physical Review Letters 116, 237201, 2016.
- Die Arbeit entwickelt eine lokal purifizierte Tensor-Netzwerk-Darstellung für offene Vielteilchensysteme. Ihr entscheidender Vorteil besteht darin, dass die Positivität des Dichteoperators während der numerischen Approximation strukturell erhalten bleibt. Sie ist deshalb eine wesentliche Spezialquelle für die Diskussion des Positivitätsproblems direkter MPDO-Kompression und für den Vergleich zwischen MPDOs und lokal purifizierten Dichteoperatoren.
- URL: https://journals.aps.org/...
- arXiv: https://arxiv.org/...
- DOI: https://doi.org/...
- Die Arbeit entwickelt eine lokal purifizierte Tensor-Netzwerk-Darstellung für offene Vielteilchensysteme. Ihr entscheidender Vorteil besteht darin, dass die Positivität des Dichteoperators während der numerischen Approximation strukturell erhalten bleibt. Sie ist deshalb eine wesentliche Spezialquelle für die Diskussion des Positivitätsproblems direkter MPDO-Kompression und für den Vergleich zwischen MPDOs und lokal purifizierten Dichteoperatoren.
- H. Weimer, A. Kshetrimayum, R. Orús: Simulation Methods for Open Quantum Many-Body Systems, Reviews of Modern Physics 93, 015008, 2021.
- Dieser umfassende Übersichtsartikel ordnet Tensor-Netzwerk-Verfahren in das größere Spektrum numerischer Methoden für offene Quanten-Vielteilchensysteme ein. Er behandelt stationäre Zustände, Relaxationsdynamik und verschiedene Ansätze für dissipative Systeme. Die Quelle ist besonders geeignet, um MPDOs sachlich gegenüber alternativen Simulationsmethoden einzuordnen.
- URL: https://journals.aps.org/...
- arXiv: https://arxiv.org/...
- DOI: https://doi.org/...
- Dieser umfassende Übersichtsartikel ordnet Tensor-Netzwerk-Verfahren in das größere Spektrum numerischer Methoden für offene Quanten-Vielteilchensysteme ein. Er behandelt stationäre Zustände, Relaxationsdynamik und verschiedene Ansätze für dissipative Systeme. Die Quelle ist besonders geeignet, um MPDOs sachlich gegenüber alternativen Simulationsmethoden einzuordnen.
- G. Lindblad: On the Generators of Quantum Dynamical Semigroups, Communications in Mathematical Physics 48, 119–130, 1976.
- Diese klassische Primärarbeit gehört zu den mathematischen Grundlagen markovscher offener Quantensysteme. Sie ist für die Herleitung und Einordnung der Lindblad-Mastergleichung relevant, die in MPDO-Simulationen dissipativer Quantendynamik eine zentrale Rolle spielt.
- DOI: https://doi.org/...
- Diese klassische Primärarbeit gehört zu den mathematischen Grundlagen markovscher offener Quantensysteme. Sie ist für die Herleitung und Einordnung der Lindblad-Mastergleichung relevant, die in MPDO-Simulationen dissipativer Quantendynamik eine zentrale Rolle spielt.
- V. Gorini, A. Kossakowski, E. C. G. Sudarshan: Completely Positive Dynamical Semigroups of N-Level Systems, Journal of Mathematical Physics 17, 821–825, 1976.
- Die Arbeit bildet gemeinsam mit Lindblads Veröffentlichung die mathematische Grundlage der Generatorstruktur vollständig positiver markovscher Quantendynamik. Sie eignet sich als Primärquelle für die physikalischen Anforderungen an offene Zeitentwicklungen und für die Bedeutung vollständiger Positivität bei Dichteoperatoren.
- DOI: https://doi.org/...
- Die Arbeit bildet gemeinsam mit Lindblads Veröffentlichung die mathematische Grundlage der Generatorstruktur vollständig positiver markovscher Quantendynamik. Sie eignet sich als Primärquelle für die physikalischen Anforderungen an offene Zeitentwicklungen und für die Bedeutung vollständiger Positivität bei Dichteoperatoren.
Hintergrundliteratur zu Matrix Product States und Tensor-Netzwerken
- U. Schollwöck: The Density-Matrix Renormalization Group in the Age of Matrix Product States, Annals of Physics 326, 96–192, 2011.
- Dieser umfangreiche Übersichtsartikel ist eine der wichtigsten Grundlagenquellen zu Matrix Product States, DMRG, kanonischen Formen, Schmidt-Zerlegung und numerischen Tensor-Netzwerk-Verfahren. Er eignet sich für die mathematische und algorithmische Basis, auf der die Erweiterung von MPS zu MPOs und MPDOs verständlich aufgebaut werden kann.
- URL: https://www.sciencedirect.com/...
- arXiv: https://arxiv.org/...
- DOI: https://doi.org/...
- Dieser umfangreiche Übersichtsartikel ist eine der wichtigsten Grundlagenquellen zu Matrix Product States, DMRG, kanonischen Formen, Schmidt-Zerlegung und numerischen Tensor-Netzwerk-Verfahren. Er eignet sich für die mathematische und algorithmische Basis, auf der die Erweiterung von MPS zu MPOs und MPDOs verständlich aufgebaut werden kann.
- F. Verstraete, V. Murg, J. I. Cirac: Matrix Product States, Projected Entangled Pair States, and Variational Renormalization Group Methods for Quantum Spin Systems, Advances in Physics 57, 143–224, 2008.
- Die Arbeit bietet eine breit angelegte theoretische Einführung in MPS, PEPS und variationsbasierte Tensor-Netzwerk-Methoden. Sie ist besonders hilfreich für die Einordnung von Bond-Dimension, Verschränkung, Variationsprinzipien und der allgemeinen Tensor-Netzwerk-Logik, aus der MPDOs hervorgehen.
- URL: https://www.tandfonline.com/...
- arXiv: https://arxiv.org/...
- DOI: https://doi.org/...
- Die Arbeit bietet eine breit angelegte theoretische Einführung in MPS, PEPS und variationsbasierte Tensor-Netzwerk-Methoden. Sie ist besonders hilfreich für die Einordnung von Bond-Dimension, Verschränkung, Variationsprinzipien und der allgemeinen Tensor-Netzwerk-Logik, aus der MPDOs hervorgehen.
- R. Orús: A Practical Introduction to Tensor Networks: Matrix Product States and Projected Entangled Pair States, Annals of Physics 349, 117–158, 2014.
- Der Übersichtsartikel vermittelt Tensor-Netzwerk-Konzepte mit starkem Bezug zur numerischen Praxis. Er eignet sich insbesondere zur Erläuterung von Tensor-Kontraktion, MPS, PEPS und grundlegenden Algorithmen und bildet damit eine gut zugängliche Hintergrundquelle für die technische Einführung in MPDOs.
- URL: https://www.sciencedirect.com/...
- arXiv: https://arxiv.org/...
- DOI: https://doi.org/...
- Der Übersichtsartikel vermittelt Tensor-Netzwerk-Konzepte mit starkem Bezug zur numerischen Praxis. Er eignet sich insbesondere zur Erläuterung von Tensor-Kontraktion, MPS, PEPS und grundlegenden Algorithmen und bildet damit eine gut zugängliche Hintergrundquelle für die technische Einführung in MPDOs.
- J. I. Cirac, D. Pérez-García, N. Schuch, F. Verstraete: Matrix Product States and Projected Entangled Pair States: Concepts, Symmetries, Theorems, Reviews of Modern Physics 93, 045003, 2021.
- Diese moderne Übersichtsarbeit behandelt die mathematischen Grundlagen von Matrix Product States und höherdimensionalen Tensor-Netzwerken, einschließlich Symmetrien, fundamentaler Sätze und Renormierungsstrukturen. Für eine MPDO-Abhandlung ist sie eine wichtige Hintergrundquelle zur präzisen theoretischen Einordnung von Matrix-Product-Strukturen.
- URL: https://journals.aps.org/...
- arXiv: https://arxiv.org/...
- DOI: https://doi.org/...
- Diese moderne Übersichtsarbeit behandelt die mathematischen Grundlagen von Matrix Product States und höherdimensionalen Tensor-Netzwerken, einschließlich Symmetrien, fundamentaler Sätze und Renormierungsstrukturen. Für eine MPDO-Abhandlung ist sie eine wichtige Hintergrundquelle zur präzisen theoretischen Einordnung von Matrix-Product-Strukturen.
Bücher und Monographien
Die folgenden Bücher liefern die mathematischen und physikalischen Grundlagen, die zum Verständnis von MPDOs benötigt werden. Dazu gehören Dichteoperatoren, Quantenkanäle, vollständige Positivität, Verschränkung, offene Quantensysteme und numerische Tensor-Netzwerk-Methoden.
Standardwerke zur Quanteninformation
- M. A. Nielsen, I. L. Chuang: Quantum Computation and Quantum Information, 10th Anniversary Edition, Cambridge University Press, 2010.
- Das Standardwerk bietet die notwendigen Grundlagen zu Dichtematrizen, partieller Spur, Quantenkanälen, Kraus-Darstellungen, Verschränkung und Quantenoperationen. Es eignet sich in einer MPDO-Abhandlung vor allem als Hintergrundquelle für die physikalische Interpretation gemischter Zustände und vollständig positiver Abbildungen.
- J. Watrous: The Theory of Quantum Information, Cambridge University Press, 2018.
- Watrous behandelt die mathematische Struktur von Quantenzuständen, Quantenkanälen, Entropien, Normen und Verschränkung besonders präzise. Das Werk ist nützlich, wenn Aussagen zu Positivität, Spurtreue, Operatornormen oder zur mathematischen Struktur gemischter Zustände formal abgesichert werden sollen.
Monographien zu offenen Quantensystemen und Tensor-Netzwerken
- H.-P. Breuer, F. Petruccione: The Theory of Open Quantum Systems, Oxford University Press, 2002.
- Dieses grundlegende Werk behandelt Dichtematrix-Theorie, Quanten-Markov-Prozesse, Mastergleichungen, Dekohärenz und nichtmarkovsche Dynamik. Für MPDOs ist es die zentrale Hintergrundliteratur zur physikalischen Bedeutung von Lindblad-Dynamik, Dissipation und System-Umgebung-Wechselwirkungen.
- Á. Rivas, S. F. Huelga: Open Quantum Systems: An Introduction, Springer, 2012.
- Die kompakte Monographie vermittelt die mathematischen Strukturen offener Quantensysteme, dynamische Abbildungen sowie markovsche und nichtmarkovsche Modelle. Sie ist besonders geeignet, um die theoretischen Voraussetzungen für dissipative MPDO-Simulationen prägnant zu erklären.
- S. Montangero: Introduction to Tensor Network Methods: Numerical Simulations of Low-Dimensional Many-Body Quantum Systems, Springer, 2018.
- Die Monographie konzentriert sich auf numerische Tensor-Netzwerk-Verfahren für niedrigdimensionale Quantensysteme. Sie eignet sich als methodische Quelle für Matrix Product States, Renormierungsverfahren, Gleichgewichtsprobleme und Nichtgleichgewichtsdynamik und bietet damit einen direkten Zugang zu den algorithmischen Grundlagen, die auch bei MPDOs verwendet werden.
Online-Ressourcen und Datenbanken
Online-Ressourcen sollten in einer wissenschaftlichen Abhandlung nicht als Ersatz für begutachtete Primärliteratur verwendet werden. Sie sind jedoch besonders wichtig für die Recherche neuer Arbeiten, die Prüfung bibliografischer Angaben und die praktische Umsetzung von Tensor-Netzwerk-Algorithmen.
Wissenschaftliche Literaturdatenbanken
- arXiv: Quantum Physics und verwandte Fachbereiche.
- arXiv ist für MPDO-Forschung besonders relevant, weil neue Arbeiten zu Tensor-Netzwerken, offenen Quantensystemen und Quanteninformation häufig vor ihrer Journal-Veröffentlichung als Preprint erscheinen. Für eine Abhandlung eignet sich arXiv vor allem zur Recherche aktueller Entwicklungen; bei bereits veröffentlichten Arbeiten sollte zusätzlich die begutachtete Journal-Version herangezogen werden.
- Crossref Metadata Search.
- Crossref ermöglicht die Überprüfung bibliografischer Metadaten wie Titel, Autoren, Journal, Veröffentlichungsjahr und DOI. Die Datenbank ist besonders hilfreich, um Quellenangaben vor der endgültigen Aufnahme in das Literaturverzeichnis auf formale Richtigkeit zu prüfen.
Fachjournale und Verlage
- American Physical Society: Physical Review Letters, PRX Quantum und Reviews of Modern Physics.
- Die Journale der American Physical Society enthalten mehrere zentrale MPDO-Arbeiten sowie grundlegende und aktuelle Veröffentlichungen zu Tensor-Netzwerken, Quanteninformation und offenen Vielteilchensystemen. Für zitierte APS-Arbeiten sollte nach Möglichkeit die originale Journal-Seite mit DOI verwendet werden.
- Springer Nature Link.
- Springer Nature stellt zahlreiche Monographien und Fachpublikationen zu Quanteninformation, offenen Quantensystemen, mathematischer Physik und Tensor-Netzwerken bereit. Die Plattform ist insbesondere für Bücher und methodische Grundlagenliteratur relevant.
Lern- und Forschungsplattformen
- ITensor Ecosystem Documentation.
- ITensor ist eine spezialisierte Softwareumgebung für Tensor-Netzwerk-Berechnungen und unterstützt insbesondere Matrix Product States und Matrix Product Operators. Die Dokumentation ist für die praktische Umsetzung von Tensor-Kontraktionen, Faktorisierungen, DMRG- und MPO-Verfahren hilfreich und eignet sich als technische Ergänzung zur theoretischen Literatur.
- M. Fishman, S. R. White, E. M. Stoudenmire: The ITensor Software Library for Tensor Network Calculations, SciPost Physics Codebases 4, 2022.
- Die begutachtete Softwarepublikation beschreibt Architektur, Indexbehandlung, Tensor-Faktorisierungen sowie MPS- und MPO-Funktionalität von ITensor. Sie ist die geeignete wissenschaftliche Referenz, wenn ITensor als Implementierungsumgebung oder Beispiel für moderne Tensor-Netzwerk-Software genannt wird.
- URL: https://scipost.org/...
- arXiv: https://arxiv.org/...
- DOI: https://doi.org/...
- Die begutachtete Softwarepublikation beschreibt Architektur, Indexbehandlung, Tensor-Faktorisierungen sowie MPS- und MPO-Funktionalität von ITensor. Sie ist die geeignete wissenschaftliche Referenz, wenn ITensor als Implementierungsumgebung oder Beispiel für moderne Tensor-Netzwerk-Software genannt wird.
- TeNPy: Tensor Network Python.
- TeNPy ist eine Python-Bibliothek für Tensor-Netzwerk-Algorithmen in stark korrelierten Quantensystemen. Die Dokumentation behandelt unter anderem MPS, MPO, TEBD, DMRG, TDVP und Purification und ist daher besonders geeignet, numerische Konzepte aus einer MPDO-Abhandlung anhand realer Algorithmen nachzuvollziehen.
- Quimb: Quantum Information and Many-Body Tensor Network Library.
- Quimb bietet Python-Werkzeuge für Quanteninformation, exakte lineare Algebra und umfangreiche Tensor-Netzwerk-Verfahren. Die Bibliothek ist insbesondere für numerische Experimente mit MPS, MPO, Tensor-Kontraktion, Zeitentwicklung und Quantenschaltungen geeignet und kann als praktische Forschungsressource ergänzend verwendet werden.
