Die zeitliche Entwicklung von Quantenzuständen gehört zu den zentralen Problemen der Quantenphysik und der Quantentechnologie. Sie bestimmt, wie ein System auf Wechselwirkungen, externe Felder, Messprozesse oder plötzliche Änderungen seiner Parameter reagiert. Theoretisch wird diese Dynamik durch die zeitabhängige Schrödinger-Gleichung vollständig beschrieben:
\(i\hbar \frac{\partial}{\partial t}|\Psi(t)\rangle = \hat H(t)|\Psi(t)\rangle\)
Für kleine Systeme lässt sich diese Gleichung häufig direkt lösen. Bei Vielteilchensystemen wird das jedoch schnell unmöglich. Der Grund liegt in der Dimension des Hilbertraums. Besteht beispielsweise ein System aus \(L\) Spin-ein-halb-Teilchen, besitzt der vollständige Zustandsraum bereits die Dimension
\(2^L\)
Die Zahl der benötigten Koeffizienten wächst damit exponentiell. Schon bei einigen Dutzend Freiheitsgraden übersteigt eine vollständige Darstellung des Quantenzustands die Möglichkeiten gewöhnlicher Rechner.
Das Time-Dependent Variational Principle, kurz TDVP, setzt genau an diesem Problem an. Statt die exakte Bewegung im vollständigen Hilbertraum zu verfolgen, wird die Dynamik auf eine kleinere, gezielt gewählte Klasse von Zuständen eingeschränkt. Die Zeitentwicklung wird dabei so bestimmt, dass sie innerhalb dieses Variationsraums der exakten Schrödinger-Dynamik möglichst nahekommt.
Ziel des TDVP
Das TDVP ist keine spezielle Näherung für nur ein bestimmtes Quantensystem. Es ist ein allgemeines Prinzip. Entscheidend ist die Wahl der Variationsmannigfaltigkeit. Diese kann aus einfachen Produktzuständen, Gauß-Zuständen, Matrix Product States, allgemeineren Tensor-Netzwerken, neuronalen Quantenzuständen oder parametrisierten Quantenschaltkreisen bestehen.
Das Verfahren beantwortet dann eine konkrete Frage: Wenn der exakte Zustand den gewählten Variationsraum verlassen möchte, welche innerhalb dieses Raums mögliche Bewegung approximiert die tatsächliche Quantendynamik am besten?
Diese Interpretation macht TDVP zu einem Bindeglied zwischen fundamentaler Quantenmechanik, numerischer Vielteilchenphysik und modernen variationalen Quantenalgorithmen.
Grundlage: die zeitabhängige Schrödinger-Gleichung
Exakte Zeitentwicklung
Für einen zeitunabhängigen Hamiltonoperator lautet die formale Lösung der Schrödinger-Gleichung
\(|\Psi(t)\rangle = \exp\left(-\frac{i}{\hbar}\hat Ht\right)|\Psi(0)\rangle\)
Der Operator
\(\hat U(t)=\exp\left(-\frac{i}{\hbar}\hat Ht\right)\)
ist unitär. Dadurch bleiben Norm und innere Produkte erhalten. Für einen normierten Zustand gilt deshalb zu jeder Zeit
\(\langle\Psi(t)|\Psi(t)\rangle=1\)
Bei einem explizit zeitabhängigen Hamiltonoperator ist die Situation komplizierter, weil Hamiltonoperatoren zu unterschiedlichen Zeitpunkten im Allgemeinen nicht miteinander kommutieren. Formal tritt dann eine zeitgeordnete Exponentialfunktion auf.
Das rechnerische Problem
Die formale Lösung ist mathematisch klar, aber numerisch nicht automatisch praktikabel. Der Zustandsvektor eines Quantenvielteilchensystems enthält eine extrem große Zahl von Amplituden. Bei einem lokalen Hilbertraum der Dimension \(d\) und \(L\) Gitterplätzen besitzt der Gesamtzustandsraum die Dimension
\(d^L\)
Für Spin-ein-halb-Systeme ist \(d=2\). Für bosonische oder fermionische Modelle kann die lokale Dimension größer sein oder sogar erst künstlich begrenzt werden müssen.
Das zentrale Problem moderner Vielteilchensimulation besteht deshalb nicht darin, die Schrödinger-Gleichung zu kennen, sondern darin, ihren exponentiell großen Lösungsraum effizient zu repräsentieren.
Die Grundidee der Variationsmethode
Einschränkung des Zustandsraums
Bei einem Variationsverfahren wird nicht jeder denkbare Quantenzustand zugelassen. Stattdessen wird ein Zustand durch eine endliche Anzahl von Parametern beschrieben:
\(|\Psi\rangle = |\Psi(\theta_1,\theta_2,\ldots,\theta_N)\rangle\)
Die Gesamtheit dieser Zustände bildet eine Variationsmannigfaltigkeit. Sie ist in der Regel nur ein sehr kleiner Teil des vollständigen Hilbertraums.
Das Ziel besteht darin, die Parameter so zu wählen, dass die physikalisch relevanten Zustände eines Problems dennoch möglichst gut dargestellt werden können.
Vom statischen zum zeitabhängigen Variationsprinzip
Beim bekannten Rayleigh-Ritz-Verfahren wird ein approximativer Grundzustand bestimmt, indem der Energieerwartungswert minimiert wird:
\(E(\boldsymbol{\theta})=\frac{\langle\Psi(\boldsymbol{\theta})|\hat H|\Psi(\boldsymbol{\theta})\rangle}{\langle\Psi(\boldsymbol{\theta})|\Psi(\boldsymbol{\theta})\rangle}\)
Beim TDVP werden die Variationsparameter dagegen zeitabhängig:
\(\theta_j=\theta_j(t)\)
Damit entsteht eine Bewegung auf der Variationsmannigfaltigkeit:
\(|\Psi(t)\rangle=|\Psi(\boldsymbol{\theta}(t))\rangle\)
Die Aufgabe lautet nun nicht mehr, einen einzelnen optimalen Zustand zu finden, sondern eine optimale Trajektorie durch den Variationsraum.
Das Time-Dependent Variational Principle
Projektion der Quantendynamik
Die exakte Schrödinger-Gleichung erzeugt am aktuellen Zustand eine Bewegungsrichtung:
\(-\frac{i}{\hbar}\hat H|\Psi\rangle\)
Diese Richtung muss nicht innerhalb des Tangentialraums der gewählten Variationsmannigfaltigkeit liegen. Das TDVP ersetzt deshalb die exakte Bewegung durch ihre Projektion auf diesen Tangentialraum.
In kompakter Form lautet die projektive TDVP-Gleichung
\(\frac{d}{dt}|\Psi\rangle=-\frac{i}{\hbar}P_T\hat H|\Psi\rangle\)
Dabei ist \(P_T\) der Projektor auf den Tangentialraum des Variationsraums am aktuellen Zustand.
Physikalische Bedeutung
Der entscheidende Punkt ist die lokale Optimalität. TDVP behauptet nicht, dass der approximative Zustand für beliebig lange Zeiten global der bestmögliche Zustand innerhalb des Variationsraums bleibt. Es bestimmt vielmehr zu jedem Zeitpunkt diejenige zulässige Bewegungsrichtung, die der Schrödinger-Dynamik lokal am nächsten kommt.
Der Unterschied zwischen exakter und projizierter Bewegung ist
\(\left(1-P_T\right)\hat H|\Psi\rangle\)
Dieser Anteil beschreibt die Dynamik, die mit dem aktuellen Variationsansatz nicht dargestellt werden kann. Er ist eine fundamentale Fehlerquelle des TDVP.
Der Tangentialraum
Tangentialvektoren
Für einen parametrisierten Zustand
\(|\Psi(\boldsymbol{\theta})\rangle\)
werden infinitesimale Änderungen durch die Ableitungen
\(\frac{\partial}{\partial\theta_j}|\Psi(\boldsymbol{\theta})\rangle\)
beschrieben. Die zeitliche Ableitung des Zustands lautet entsprechend
\(\frac{d}{dt}|\Psi\rangle=\sum_j\dot{\theta}_j\frac{\partial|\Psi\rangle}{\partial\theta_j}\)
Alle Linearkombinationen dieser Ableitungen bilden den Tangentialraum. Innerhalb dieses Raums kann sich der Zustand infinitesimal bewegen, ohne die gewählte Variationsklasse zu verlassen.
Geometrische Interpretation
Der vollständige Hilbertraum kann sehr groß sein, während die Variationsmannigfaltigkeit nur wenige effektive Freiheitsgrade besitzt. TDVP ersetzt daher eine Bewegung in einem extrem hochdimensionalen Raum durch eine Bewegung auf einer niedriger dimensionalen gekrümmten Fläche.
Diese geometrische Sichtweise ist mehr als eine anschauliche Interpretation. Sie erklärt die Rolle von Metriken, Projektoren, Gauge-Freiheiten und Konditionsproblemen in konkreten TDVP-Algorithmen.
Dirac-Frenkel-Variationsprinzip
Grundbedingung
Eine zentrale Formulierung des TDVP ist das Dirac-Frenkel-Variationsprinzip:
\(\langle\delta\Psi|\left(i\hbar\frac{\partial}{\partial t}-\hat H\right)|\Psi\rangle=0\)
für alle zulässigen Variationen \(|\delta\Psi\rangle\) im Tangentialraum.
Die Gleichung besagt, dass der Fehler der approximativen Schrödinger-Gleichung orthogonal zu allen zulässigen Bewegungsrichtungen des Variationsraums sein muss.
Residuum der Schrödinger-Gleichung
Das Residuum kann als
\(|R\rangle=i\hbar\frac{d}{dt}|\Psi\rangle-\hat H|\Psi\rangle\)
definiert werden. Das Dirac-Frenkel-Prinzip fordert
\(\langle\delta\Psi|R\rangle=0\)
für alle Tangentialvektoren. Dadurch wird genau die Komponente der exakten Dynamik übernommen, die innerhalb der Variationsmannigfaltigkeit darstellbar ist.
McLachlan-Variationsprinzip
Minimierung des lokalen Fehlers
Eine eng verwandte Formulierung stammt von McLachlan. Hier wird die Norm des Residuums direkt minimiert:
\(\delta\left\|i\hbar\frac{d}{dt}|\Psi\rangle-\hat H|\Psi\rangle\right\|^2=0\)
Die optimale zeitliche Änderung der Variationsparameter wird also so gewählt, dass die Abweichung von der exakten Schrödinger-Gleichung im momentanen Zustand minimal wird.
Verhältnis zu Dirac-Frenkel
Für viele komplexe und ausreichend reguläre Variationsmannigfaltigkeiten führen Dirac-Frenkel und McLachlan zu äquivalenten Bewegungsgleichungen. Bei eingeschränkten Parametrisierungen, insbesondere bei rein reellen Variationsparametern oder speziellen nicht-holomorphen Ansätzen, können Unterschiede auftreten.
In variationalen Quantenalgorithmen wird häufig die McLachlan-Form verwendet, weil sie direkt zu einem linearen Gleichungssystem für die zeitlichen Änderungen der Schaltungsparameter führt.
Bewegungsgleichungen der Variationsparameter
Metrikmatrix
Für die Tangentialvektoren kann eine Überlappungsmatrix definiert werden:
\(S_{ij}=\left\langle\frac{\partial\Psi}{\partial\theta_i}\middle|\frac{\partial\Psi}{\partial\theta_j}\right\rangle\)
Sie beschreibt, wie stark sich unterschiedliche Parameteränderungen im Hilbertraum überlappen.
Bei einer redundanten oder ungünstigen Parametrisierung kann diese Matrix singulär oder schlecht konditioniert sein. Dann entsprechen unterschiedliche Parameterkombinationen nahezu derselben physikalischen Zustandsänderung.
Dynamischer Kraftvektor
Ein weiterer zentraler Ausdruck ist
\(F_i=\left\langle\frac{\partial\Psi}{\partial\theta_i}\middle|\hat H\middle|\Psi\right\rangle\)
Für geeignete komplexe Parametrisierungen entsteht daraus ein Gleichungssystem der Form
\(i\hbar\sum_jS_{ij}\dot{\theta}_j=F_i\)
oder kompakt
\(i\hbar S\dot{\boldsymbol{\theta}}=\mathbf{F}\)
Damit wird die ursprüngliche Schrödinger-Gleichung in ein System gewöhnlicher Differentialgleichungen für die Variationsparameter überführt.
Numerische Probleme
Das Gleichungssystem ist nur dann stabil lösbar, wenn die Metrikmatrix ausreichend gut konditioniert ist. In praktischen Verfahren kommen deshalb Regularisierung, Singulärwertzerlegung, Pseudoinversen oder die Entfernung redundanter Richtungen zum Einsatz.
Die Qualität eines TDVP-Verfahrens hängt somit nicht nur von der physikalischen Eignung des Variationsansatzes ab, sondern auch von dessen mathematischer Parametrisierung.
Geometrie des Zustandsraums
Physikalische Zustände und Projektive Geometrie
Quantenzustände, die sich nur durch eine globale Phase unterscheiden, beschreiben denselben physikalischen Zustand. Der relevante Zustandsraum ist deshalb projektiv.
Für normierte Zustände kann eine natürliche Metrik über den Fubini-Study-Zusammenhang formuliert werden. Eine typische Form des metrischen Tensors lautet
\(g_{ij}=\mathrm{Re}\left[\langle\partial_i\Psi|\partial_j\Psi\rangle-\langle\partial_i\Psi|\Psi\rangle\langle\Psi|\partial_j\Psi\rangle\right]\)
mit
\(|\partial_i\Psi\rangle=\frac{\partial|\Psi\rangle}{\partial\theta_i}\)
Diese geometrische Struktur tritt sowohl im TDVP als auch in Natural-Gradient-Verfahren und variationalen Quantenalgorithmen auf.
Bedeutung der Geometrie
Eine kleine Änderung eines Parameters muss nicht automatisch einer kleinen physikalischen Änderung des Zustands entsprechen. Die Geometrie berücksichtigt genau diesen Unterschied. Dadurch wird verständlich, warum einfache Parametergradienten häufig weniger aussagekräftig sind als Bewegungen, die die natürliche Metrik des Zustandsraums berücksichtigen.
TDVP für Quantenvielteilchensysteme
Warum strukturierte Zustände notwendig sind
Eine direkte Darstellung aller Vielteilchenamplituden ist nur für kleine Systeme möglich. Viele physikalisch relevante Zustände besitzen jedoch zusätzliche Strukturen. Besonders wichtig ist das Verschränkungsmuster.
Niedrigdimensionale lokale Quantensysteme weisen in Grundzuständen und bei moderaten Entwicklungszeiten häufig wesentlich weniger Verschränkung auf, als ein zufälliger Zustand aus dem vollständigen Hilbertraum besitzen würde.
Genau diese Struktur wird von Tensor-Netzwerken ausgenutzt.
Geeignete Variationsansätze
TDVP kann grundsätzlich auf zahlreiche Zustandsklassen angewendet werden. Dazu gehören Produktzustände, Mean-Field-Ansätze, Gauß-Zustände, Matrix Product States, Tree Tensor Networks, Projected Entangled Pair States, neuronale Quantenzustände und parametrisierte Quantenschaltungen.
Die erfolgreichste Kombination für eindimensionale Vielteilchensysteme ist die Verbindung von TDVP mit Matrix Product States.
Matrix Product States
Grundstruktur
Ein Matrix Product State, kurz MPS, für eine eindimensionale Kette kann geschrieben werden als
\(|\Psi\rangle=\sum_{\sigma_1,\ldots,\sigma_L}A_1^{\sigma_1}A_2^{\sigma_2}\cdots A_L^{\sigma_L}|\sigma_1,\ldots,\sigma_L\rangle\)
Die Koeffizienten des vollständigen Vielteilchenzustands werden dabei nicht einzeln gespeichert. Sie entstehen durch Produkte kleinerer Matrizen oder Tensoren.
Bond-Dimension
Die interne Matrixdimension wird als Bond-Dimension bezeichnet und häufig mit \(D\) notiert. Sie bestimmt, wie viel Verschränkung der MPS darstellen kann.
Für einen Schnitt durch eine MPS-Kette ist die Verschränkungsentropie grundsätzlich durch
\(S\leq\log D\)
begrenzt, sofern der Logarithmus zur verwendeten Entropiedefinition passt.
Eine kleine Bond-Dimension ermöglicht effiziente Berechnungen. Stark verschränkte Zustände benötigen dagegen große Bond-Dimensionen.
Gauge-Freiheit
Die MPS-Darstellung ist nicht eindeutig. Matrizen können zwischen benachbarten Tensoren transformiert werden, ohne den physikalischen Zustand zu verändern. Diese Gauge-Freiheit ist für effiziente Algorithmen wichtig, erzeugt aber gleichzeitig redundante Parametrisierungen.
Kanonische MPS-Formen beseitigen diese Redundanzen teilweise und ermöglichen eine stabile Definition des Tangentialraums.
TDVP auf der MPS-Mannigfaltigkeit
Projektierte Schrödinger-Gleichung
Für einen MPS-Zustand lautet die grundlegende Gleichung
\(i\hbar\frac{d}{dt}|\Psi_{\mathrm{MPS}}\rangle=P_T\hat H|\Psi_{\mathrm{MPS}}\rangle\)
Der Projektor \(P_T\) beschränkt die exakte Schrödinger-Dynamik auf den Tangentialraum der MPS-Mannigfaltigkeit.
Damit wird nicht versucht, nach jedem kleinen Zeitschritt einen beliebigen exakten Zustand wieder auf einen MPS zurückzuschneiden. Stattdessen wird die Bewegung von Anfang an innerhalb der MPS-Mannigfaltigkeit formuliert.
Lokale Struktur
Durch die kanonische MPS-Darstellung kann die globale TDVP-Gleichung in lokale Teilprobleme zerlegt werden. Effektive Hamiltonoperatoren wirken dann auf einzelne MPS-Zentren oder auf Paare benachbarter Tensoren.
Ein Algorithmus bewegt dieses Zentrum schrittweise durch die Kette. Solche Sweeps erinnern strukturell an DMRG-Verfahren, dienen hier jedoch der realen Zeitentwicklung.
One-Site TDVP
Prinzip
Beim One-Site-TDVP wird jeweils ein einzelner MPS-Tensor zeitentwickelt. Die Bond-Dimension bleibt dabei fest.
Der Algorithmus bringt den MPS zunächst in eine geeignete kanonische Form. Anschließend wird ein lokaler Tensor unter einem effektiven Hamiltonoperator entwickelt. Danach wird das orthogonale Zentrum zum nächsten Gitterplatz verschoben.
Vorteile
Die feste Bond-Dimension verhindert unkontrolliertes Wachstum des Speicherbedarfs. Außerdem besitzt das Verfahren eine besonders klare variationale Struktur. Bei einem zeitunabhängigen Hamiltonoperator und einer idealen kontinuierlichen TDVP-Dynamik werden wichtige Erhaltungsgrößen wie Norm und Energie innerhalb der Variationsmannigfaltigkeit erhalten.
Dies ist insbesondere für lange Zeitentwicklungen ein bedeutender Vorteil.
Grenzen
Die feste Bond-Dimension kann gleichzeitig zum Problem werden. Wenn während der Dynamik zusätzliche Verschränkung entsteht, kann One-Site-TDVP den benötigten Zustandsraum nicht automatisch erweitern.
Ein zu kleiner Ausgangsraum kann daher zu einem großen Projektionsfehler führen, obwohl die lokale Integration selbst numerisch sehr präzise ist.
Two-Site TDVP
Erweiterung des lokalen Zustandsraums
Beim Two-Site-TDVP werden zwei benachbarte MPS-Tensoren zu einem gemeinsamen Objekt zusammengefasst. Dieses wird zeitentwickelt und anschließend wieder zerlegt.
Eine typische Zerlegung erfolgt über eine Singulärwertzerlegung:
\(\Theta=USV^\dagger\)
Durch die Anzahl der behaltenen Singulärwerte kann die Bond-Dimension während der Simulation wachsen.
Vorteil bei Verschränkungswachstum
Two-Site-TDVP kann auf neu entstehende Verschränkung reagieren. Der Variationsraum wird effektiv erweitert, wenn zusätzliche Schmidt-Werte relevant werden.
Dadurch ist das Verfahren häufig besser für frühe Stadien einer Nichtgleichgewichtsdynamik geeignet, in denen die erforderliche Bond-Dimension zunächst unbekannt ist.
Trunkierungsfehler
Nach der Singulärwertzerlegung werden in der Praxis meist kleine Singulärwerte verworfen. Dadurch entsteht ein zusätzlicher Trunkierungsfehler.
Two-Site-TDVP tauscht somit einen Teil der strengen festen-Mannigfaltigkeits-Struktur gegen größere Flexibilität bei der Darstellung wachsender Verschränkung.
Zeitdiskretisierung und numerische Integration
Endliche Zeitschritte
Die kontinuierliche TDVP-Gleichung muss auf einem Computer mit endlichen Zeitschritten integriert werden. Für einen Zeitschritt \(\Delta t\) wird die Entwicklung daher nur approximiert.
Selbst wenn der Variationsraum den exakten Zustand perfekt darstellen könnte, kann eine ungeeignete Zeitintegration zusätzliche Fehler erzeugen.
Projektor-Splitting
Bei MPS-TDVP lässt sich der Tangentialraumprojektor so zerlegen, dass lokale Evolutionsschritte nacheinander ausgeführt werden können. Symmetrische Vorwärts- und Rückwärts-Sweeps ermöglichen Integratoren höherer Ordnung.
Diese Projektor-Splitting-Verfahren sind ein wesentlicher Grund für die praktische Effizienz moderner TDVP-Implementierungen.
Krylov-Unterräume
Lokale exponentielle Entwicklungen werden häufig mit Krylov-Unterraumverfahren berechnet. Statt die vollständige Matrixexponentialfunktion eines effektiven Hamiltonoperators zu bestimmen, wird die Dynamik in einem wesentlich kleineren Krylov-Raum approximiert.
Dadurch können auch relativ große lokale effektive Probleme effizient behandelt werden.
Die Fehlerstruktur des TDVP
Projektionsfehler
Der fundamentalste Fehler entsteht dadurch, dass die exakte Bewegungsrichtung nicht vollständig im Tangentialraum liegt:
\(|R_{\perp}\rangle=(1-P_T)\hat H|\Psi\rangle\)
Die Norm dieses Vektors liefert ein lokales Maß dafür, wie viel Dynamik der Variationsansatz nicht erfassen kann.
Zeitintegrationsfehler
Die numerische Integration mit endlichem \(\Delta t\) erzeugt einen weiteren Fehler. Dieser sollte durch Simulationen mit verschiedenen Zeitschritten überprüft werden.
Trunkierungsfehler
Bei Verfahren mit veränderlicher Bond-Dimension entsteht zusätzlich ein Fehler durch das Verwerfen kleiner Schmidt-Werte.
Wird die abgeschnittene Gewichtssumme beispielsweise als
\(\epsilon_{\mathrm{trunc}}=\sum_{j\in\mathrm{verworfen}}s_j^2\)
definiert, liefert sie ein nützliches Maß für den lokalen Informationsverlust bei einer SVD-Trunkierung.
Rundungs- und Konditionsfehler
Bei allgemeinen parametrisierten Ansätzen können lineare Gleichungssysteme schlecht konditioniert sein. Kleine numerische Fehler können dann stark verstärkt werden.
Eine seriöse TDVP-Simulation muss deshalb Konvergenz hinsichtlich Zeitschritt, Bond-Dimension, Trunkierungsschwelle und gegebenenfalls Regularisierung prüfen.
Erhaltungsgrößen
Normerhaltung
Für geschlossene Quantensysteme ist die Norm
\(\langle\Psi|\Psi\rangle\)
eine grundlegende Erhaltungsgröße. Die kontinuierliche TDVP-Dynamik auf einer geeigneten normierten Variationsmannigfaltigkeit respektiert diese Struktur.
Energieerhaltung
Für einen zeitunabhängigen Hamiltonoperator gilt bei exakter Schrödinger-Dynamik
\(\frac{d}{dt}\langle\Psi|\hat H|\Psi\rangle=0\)
Eine bedeutende Eigenschaft des TDVP ist, dass auch die kontinuierliche projektierte Dynamik unter geeigneten Voraussetzungen die Energie erhält. Dies unterscheidet TDVP von manchen Verfahren, bei denen wiederholte Trunkierungen zu einer systematischen Energiedrift führen können.
Bei diskreten Algorithmen, Zwei-Site-Erweiterungen oder Trunkierungen kann diese Eigenschaft allerdings nur näherungsweise erhalten bleiben.
Symmetrien
Werden Symmetrien bereits in der Tensorstruktur berücksichtigt, können Größen wie Teilchenzahl, Magnetisierung oder andere Quantenzahlen exakt erhalten werden.
Dies verbessert nicht nur die physikalische Konsistenz, sondern reduziert auch den numerischen Aufwand.
TDVP und TEBD
Time-Evolving Block Decimation
TEBD basiert typischerweise auf einer Suzuki-Trotter-Zerlegung des Hamiltonoperators. Für einen Hamiltonoperator
\(\hat H=\hat H_{\mathrm{A}}+\hat H_{\mathrm{B}}\)
wird die Zeitentwicklung beispielsweise approximiert durch
\(e^{-i\Delta t(\hat H_{\mathrm{A}}+\hat H_{\mathrm{B}})}\approx e^{-i\Delta t\hat H_{\mathrm{A}}/2}e^{-i\Delta t\hat H_{\mathrm{B}}}e^{-i\Delta t\hat H_{\mathrm{A}}/2}\)
Die Methode ist sehr effizient, wenn der Hamiltonoperator in lokale oder kurzreichweitige Terme zerlegt werden kann.
Unterschied zum TDVP
TDVP nähert nicht primär den Zeitentwicklungsoperator durch lokale Gatter an. Stattdessen wird die Schrödinger-Dynamik direkt auf den Tangentialraum der MPS-Mannigfaltigkeit projiziert.
| Eigenschaft | TDVP | TEBD |
|---|---|---|
| Grundidee | Projektion der Dynamik auf eine Variationsmannigfaltigkeit | Suzuki-Trotter-Zerlegung in lokale Zeitentwicklungsgatter |
| Langreichweitige Wechselwirkungen | Gut über allgemeine MPO-Strukturen behandelbar | Häufig aufwendiger |
| Energieerhaltung | Bei One-Site-TDVP besonders günstig | Kann durch Trotter- und Trunkierungsfehler driften |
| Bond-Dimension | Fest oder adaptiv, abhängig von der Variante | Typischerweise durch SVD-Trunkierung angepasst |
| Hauptfehler | Projektions-, Integrations- und gegebenenfalls Trunkierungsfehler | Trotter- und Trunkierungsfehler |
Langreichweitige Hamiltonoperatoren
Matrix Product Operators
Hamiltonoperatoren können analog zu Zuständen als Matrix Product Operators, kurz MPO, dargestellt werden. Ein allgemeiner Operator besitzt dann eine Tensorstruktur, die auch weitreichende Wechselwirkungen kompakt repräsentieren kann.
Für TDVP ist dies besonders wichtig, weil die Methode keinen Hamiltonoperator benötigt, der ausschließlich aus benachbarten Zwei-Site-Termen besteht.
Vorteil gegenüber reinen Gatterverfahren
Modelle mit Wechselwirkungen über viele Gitterplätze hinweg können bei einer direkten Trotter-Zerlegung zu sehr vielen nichtlokalen Gattern führen. TDVP arbeitet dagegen mit dem effektiv projizierten Hamiltonoperator.
Dies macht die Methode attraktiv für Spinmodelle mit Potenzgesetz-Wechselwirkungen, dipolare Systeme, effektive Coulombmodelle und andere langreichweitig gekoppelte Quantensysteme.
Verschränkungswachstum als zentrale Grenze
Dynamische Entstehung von Verschränkung
Nach einem Quench kann sich Quanteninformation durch ein System ausbreiten. Dabei wächst häufig die Verschränkungsentropie zwischen verschiedenen Teilsystemen.
Für einen MPS bedeutet dies, dass eine zunehmend größere Bond-Dimension erforderlich wird.
Exponentielle Schwierigkeit trotz effizienter Darstellung
Tensor-Netzwerke beseitigen die exponentielle Komplexität allgemeiner Quantenzustände nicht vollständig. Sie nutzen lediglich die Tatsache aus, dass viele physikalisch relevante Zustände eine günstige Verschränkungsstruktur besitzen.
Wenn die Verschränkungsentropie stark wächst, muss auch \(D\) wachsen. Da wichtige Tensoroperationen typischerweise polynomial, aber mit relativ hohen Potenzen von \(D\), skalieren, steigt der Rechenaufwand schnell an.
Erreichbare Simulationszeit
Bei vielen Nichtgleichgewichtsproblemen ist daher nicht primär die Systemgröße die entscheidende Grenze, sondern die maximal erreichbare Simulationszeit. Ein System mit Hunderten Gitterplätzen kann für kurze oder moderate Zeiten berechenbar sein, während ein deutlich kleineres stark verschränktes System langfristig unzugänglich wird.
Typische Anwendungen
Quantum Quenches
Ein Quantum Quench bezeichnet eine schnelle Änderung eines Parameters des Hamiltonoperators. Ein Zustand, der vor dem Quench beispielsweise Grundzustand eines Hamiltonoperators war, entwickelt sich anschließend unter einem anderen Hamiltonoperator.
TDVP kann die daraus entstehende Nichtgleichgewichtsdynamik, Verschränkungsausbreitung und Relaxation untersuchen.
Spin-Ketten
Typische Anwendungsgebiete sind eindimensionale Ising-, Heisenberg- und XXZ-Modelle. Hier können Magnetisierung, Spinströme, Korrelationsfunktionen und Entanglement-Dynamik über lange Ketten verfolgt werden.
Dynamische Korrelationsfunktionen
Eine typische zeitabhängige Korrelationsfunktion hat die Form
\(C_{AB}(t)=\langle\Psi|\hat A(t)\hat B(0)|\Psi\rangle\)
Solche Größen sind direkt mit spektroskopischen und dynamischen Antwortfunktionen verbunden.
Transport
TDVP wird zur Untersuchung von Ladungs-, Spin- und Energietransport eingesetzt. Aus zeitabhängigen Dichteprofilen, Strömen und Korrelationsfunktionen lassen sich ballistische, diffusive oder subdiffusive Transportregime unterscheiden.
Thermalisierung
Ein weiteres wichtiges Gebiet ist die Frage, wie isolierte Quantensysteme ein thermisch erscheinendes Gleichgewicht erreichen können, obwohl ihre globale Zeitentwicklung unitär ist.
TDVP ermöglicht den direkten Zugang zur zeitlichen Relaxation lokaler Observablen und zur Ausbreitung von Verschränkung.
Many-Body Localization
Lokalisierung in wechselwirkenden Systemen
Many-Body Localization beschreibt Systeme, bei denen starke Unordnung die vollständige Thermalisierung verhindern kann. Lokale Information bleibt ungewöhnlich lange erhalten, obwohl Wechselwirkungen vorhanden sind.
Solche Systeme sind numerisch interessant, weil ihre Verschränkung häufig langsamer wächst als in stark thermalisierenden Systemen.
Bedeutung für TDVP
Das verlangsamte Verschränkungswachstum kann MPS-Verfahren besonders leistungsfähig machen. Gleichzeitig sind lange Simulationszeiten erforderlich, um die langsame Dynamik zuverlässig zu unterscheiden.
Gerade hier sind stabile Erhaltungsgrößen und kontrollierte Langzeitintegration wichtig. TDVP eignet sich daher gut für Untersuchungen solcher Regime, sofern Bond-Dimension und Projektionsfehler sorgfältig kontrolliert werden.
TDVP und Quanteninformation
Informationsausbreitung
In lokalen Quantensystemen breitet sich Information nicht beliebig schnell aus. Lieb-Robinson-Grenzen beschreiben eine effektive maximale Ausbreitungsgeschwindigkeit für lokale Störungen.
TDVP-Simulationen können solche Lichtkegelstrukturen in Korrelationsfunktionen sichtbar machen.
Verschränkungsdynamik
Neben lokalen Observablen kann direkt untersucht werden, wie sich Schmidt-Spektren und Verschränkungsentropien entwickeln. Dadurch liefert TDVP Informationen, die über klassische Mittelwerte hinausgehen und unmittelbar mit der Struktur des Quantenzustands verbunden sind.
Benchmarking von Quantensimulatoren
Experimentelle Quantensimulatoren benötigen klassische Referenzrechnungen, solange diese noch möglich sind. Für eindimensionale Systeme gehört MPS-TDVP zu den wichtigen Methoden, um experimentell erzeugte Dynamiken mit einer kontrollierten klassischen Simulation zu vergleichen.
TDVP in variationalen Quantenalgorithmen
Parametrisierte Quantenschaltungen
Ein Zustand auf einem Quantenprozessor kann durch eine parametrisierte Schaltung beschrieben werden:
\(|\Psi(\boldsymbol{\theta})\rangle=U(\boldsymbol{\theta})|\Psi_0\rangle\)
Die Parameter können beispielsweise Rotationswinkel einzelner Quantengatter sein.
Statt einen komplizierten Zeitentwicklungsoperator direkt zu implementieren, kann TDVP verwendet werden, um die Parameter so zu verändern, dass der Schaltungszustand der gewünschten Quantendynamik folgt.
McLachlan-Gleichungen für reelle Parameter
Für geeignete reelle Parameter führt die McLachlan-Minimierung zu einer Gleichung der Form
\(\sum_jA_{ij}\dot{\theta}_j=C_i\)
mit einer metrischen Matrix
\(A_{ij}=\mathrm{Re}\left[\langle\partial_i\Psi|\partial_j\Psi\rangle\right]\)
und einer dynamischen rechten Seite, die für reale Zeitentwicklung typischerweise aus Imaginärteilen von Hamilton-Matrixelementen aufgebaut ist, beispielsweise
\(C_i=\frac{1}{\hbar}\mathrm{Im}\left[\langle\partial_i\Psi|\hat H|\Psi\rangle\right]\)
Die genaue Form hängt von Konventionen, Normierung und Parametrisierung ab.
Hybrider Ablauf
Ein variationaler Quantensimulator kann in wiederholten Schritten arbeiten. Der Quantenprozessor bestimmt Erwartungswerte und Überlappungen. Ein klassischer Rechner konstruiert daraus das lineare Gleichungssystem und berechnet die Parameteränderung. Danach werden die neuen Parameter wieder auf der Quantenhardware verwendet.
TDVP bildet damit einen natürlichen Rahmen für hybride quantenklassische Simulationen.
Probleme auf Quantenhardware
Messaufwand
Die Einträge der Metrikmatrix und des dynamischen Vektors müssen aus Quantenmessungen bestimmt werden. Bei vielen Parametern kann die Zahl der benötigten Messungen stark anwachsen.
Das ist ein wesentliches praktisches Hindernis für große TDVP-basierte Variational Quantum Simulations.
Rauschen und Konditionierung
Messrauschen verändert die geschätzten Matrixelemente. Ist die Metrikmatrix schlecht konditioniert, können kleine Messfehler zu großen Änderungen in \(\dot{\boldsymbol{\theta}}\) führen.
Regularisierung kann dieses Problem reduzieren, verändert jedoch gleichzeitig die ideale Variationsdynamik.
Ausdrucksstärke des Ansatzes
Eine zu einfache Quantenschaltung kann die gewünschte Dynamik nicht darstellen. Eine zu komplexe Schaltung erhöht dagegen Gattertiefe, Messaufwand und Optimierungsprobleme.
Wie bei MPS entscheidet somit auch auf Quantenhardware die Wahl des Variationsraums darüber, ob TDVP physikalisch sinnvoll und numerisch effizient arbeitet.
Imaginäre Zeitentwicklung
Grundprinzip
Neben realer Zeit kann das Variationsprinzip auch für imaginäre Zeit verwendet werden. Formal wird
\(t\rightarrow-i\tau\)
gesetzt. Die unnormierte Entwicklung wird dann durch
\(|\Psi(\tau)\rangle=e^{-\hat H\tau}|\Psi(0)\rangle\)
beschrieben.
Entwickelt man den Anfangszustand in Energieeigenzustände, werden Beiträge hoher Energie exponentiell stärker unterdrückt als Beiträge niedriger Energie.
Grundzustandsprojektion
Besitzt der Anfangszustand einen nichtverschwindenden Überlapp mit dem Grundzustand, nähert sich der normierte Zustand für große imaginäre Zeiten dem Grundzustand an.
Eine normerhaltende Form kann über
\(\frac{\partial}{\partial\tau}|\Psi\rangle=-\left(\hat H-E\right)|\Psi\rangle\)
mit
\(E=\langle\Psi|\hat H|\Psi\rangle\)
formuliert werden.
Variational Imaginary Time Evolution
Wird diese Dynamik auf eine Variationsmannigfaltigkeit projiziert, entsteht ein variationales Verfahren zur Grundzustandsbestimmung. Diese Idee wird sowohl in Tensor-Netzwerkmethoden als auch in variationalen Quantenalgorithmen eingesetzt.
Neural Quantum States
Neuronale Netze als Wellenfunktion
Eine weitere Klasse von Variationsansätzen verwendet neuronale Netze zur Darstellung komplexer Vielteilchenamplituden:
\(\Psi_{\boldsymbol{\theta}}(\boldsymbol{\sigma})=\langle\boldsymbol{\sigma}|\Psi(\boldsymbol{\theta})\rangle\)
Die Parameter des neuronalen Netzes übernehmen dabei die Rolle der Variationskoordinaten.
TDVP und Stochastic Reconfiguration
Für solche Zustände führt das TDVP zu Gleichungen, die eng mit Stochastic Reconfiguration und Natural-Gradient-Verfahren verwandt sind.
Die benötigten Erwartungswerte werden häufig durch Monte-Carlo-Stichproben bestimmt. Dadurch können sehr große Konfigurationsräume behandelt werden, allerdings entsteht statistisches Rauschen.
Chancen und Grenzen
Neuronale Quantenzustände können Verschränkungsstrukturen darstellen, die für einfache MPS schwierig sind. Ihre numerische Kontrolle ist jedoch anspruchsvoller. Samplingfehler, schlecht konditionierte Metriken und komplizierte Optimierungslandschaften erschweren die reale Zeitentwicklung.
TDVP liefert hier den mathematischen Rahmen, löst aber nicht automatisch die numerischen Probleme des gewählten neuronalen Ansatzes.
Erweiterungen auf andere Tensor-Netzwerke
Tree Tensor Networks
Tree Tensor Networks ordnen Tensoren in einer Baumstruktur an. Sie können andere Verschränkungsmuster als lineare MPS effizient darstellen und ebenfalls mit variationalen Zeitentwicklungsprinzipien kombiniert werden.
Projected Entangled Pair States
Für zweidimensionale Systeme sind Projected Entangled Pair States, kurz PEPS, eine natürliche Verallgemeinerung von MPS. Die grundlegende TDVP-Idee bleibt bestehen, die numerische Kontraktion des Netzwerks wird jedoch wesentlich schwieriger.
Während eindimensionale MPS exakt und effizient kontrahiert werden können, sind zweidimensionale Tensor-Netzwerke im Allgemeinen nur näherungsweise kontrahierbar.
Gaußsche Zustände
Für bosonische und fermionische Systeme können Gauß-Zustände einen geeigneten Variationsraum bilden. Ihre Dynamik lässt sich häufig über Kovarianzmatrizen und reduzierte Parameter beschreiben.
TDVP liefert auch hier eine systematische Herleitung effektiver Bewegungsgleichungen.
Rechenaufwand und Skalierung
Abhängigkeit von der Bond-Dimension
Bei MPS-Verfahren wird der Rechenaufwand wesentlich durch die Bond-Dimension bestimmt. Viele Standardoperationen skalieren ungefähr mit Potenzen wie
\(D^3\)
wobei die genaue Skalierung zusätzlich von lokaler Dimension, MPO-Bond-Dimension und Algorithmus abhängt.
Ein moderates Wachstum von \(D\) kann daher bereits zu einem erheblichen Anstieg der Rechenzeit führen.
Systemgröße
Für feste Bond-Dimension wächst der Aufwand in vielen eindimensionalen MPS-Verfahren nur linear mit der Zahl der Gitterplätze. Dies erklärt, warum sehr lange eindimensionale Ketten simuliert werden können, solange die Verschränkung begrenzt bleibt.
Speicherbedarf
Auch der Speicherbedarf wird primär durch Tensorgrößen und Bond-Dimension bestimmt. Im Vergleich zur vollständigen Speicherung von \(d^L\) Amplituden ist dies eine drastische Reduktion.
Stärken des TDVP
Die größte Stärke des Time-Dependent Variational Principle liegt in seiner allgemeinen mathematischen Struktur. Es ist nicht an einen speziellen Hamiltonoperator oder eine einzige Zustandsdarstellung gebunden.
Zu seinen wichtigsten Vorteilen gehören:
- direkte Ableitung aus der Schrödinger-Dynamik,
- klare geometrische Interpretation über Tangentialräume,
- systematische Kontrolle des zulässigen Zustandsraums,
- gute Erhaltung physikalischer Größen bei geeigneten Varianten,
- effiziente Kombination mit Matrix Product States,
- gute Behandlung langreichweitiger Hamiltonoperatoren über MPO-Darstellungen,
- Anwendbarkeit auf reale und imaginäre Zeit,
- Übertragbarkeit auf neuronale Quantenzustände und parametrisierte Quantenschaltungen.
Besonders wertvoll ist, dass TDVP die Approximation nicht erst nach einer exakten Zeitentwicklung einführt. Die Einschränkung auf den Variationsraum ist unmittelbar Teil der Bewegungsgleichung.
Grenzen des TDVP
Abhängigkeit vom Variationsraum
TDVP kann nur Bewegungen darstellen, die der gewählte Ansatz zulässt. Ein schlecht gewählter Variationsraum kann daher auch mit einem mathematisch perfekten Integrator keine korrekte Dynamik erzeugen.
Wachsender Projektionsfehler
Entfernt sich die tatsächliche Quantendynamik zunehmend von der Variationsmannigfaltigkeit, wächst der Anteil
\((1-P_T)\hat H|\Psi\rangle\)
und damit der Variationsfehler.
Verschränkungsbarriere
Für MPS bleibt starkes Verschränkungswachstum die wichtigste praktische Begrenzung. TDVP verändert diese fundamentale Schwierigkeit nicht.
Numerische Konditionierung
Bei allgemeinen parametrisierten Zuständen kann die Metrikmatrix nahezu singulär werden. Dies kann insbesondere bei überparametrisierten neuronalen Netzen oder Quantenschaltungen problematisch sein.
Kein allgemeiner Effizienzgarant
TDVP ist ein Prinzip zur optimalen Bewegung innerhalb eines gegebenen Variationsraums. Es garantiert nicht, dass dieser Variationsraum selbst kompakt, effizient oder für lange Zeiten ausreichend ist.
Bedeutung für moderne Quantentechnologie
Klassische Simulation als Entwicklungswerkzeug
Neue Quantenplattformen benötigen zuverlässige klassische Modelle. TDVP-basierte Tensor-Netzwerksimulationen liefern Referenzdaten für eindimensionale Quantensimulatoren und helfen dabei, experimentelle Ergebnisse zu interpretieren.
Hybride Quantenalgorithmen
Auf Quantencomputern bildet TDVP eine Grundlage für Variational Quantum Simulation. Anstatt eine vollständige Hamilton-Simulation durch tiefe Quantenschaltungen zu realisieren, wird die Bewegung auf eine parametrisierte Zustandsfamilie reduziert.
Ob dieser Ansatz langfristig einen praktischen Vorteil bietet, hängt stark von Hardwarequalität, Messaufwand und der Wahl des Ansatzes ab.
Verbindung verschiedener Forschungsgebiete
TDVP verbindet Konzepte aus Quantenmechanik, Differentialgeometrie, numerischer Mathematik, Tensor-Netzwerken, Quanteninformation und maschinellem Lernen.
Gerade diese Allgemeinheit erklärt, warum das Prinzip in sehr unterschiedlichen Bereichen immer wieder auftaucht.
Aktuelle Herausforderungen
Adaptive Variationsräume
Ein wichtiges Forschungsziel besteht darin, Variationsräume während der Dynamik automatisch zu erweitern oder zu verändern. Statt eine Bond-Dimension oder Schaltungsstruktur vollständig im Voraus festzulegen, soll der Algorithmus selbst erkennen, wann neue Freiheitsgrade notwendig werden.
Fehlerdiagnostik
Lokale Projektionsfehler liefern wertvolle Informationen, garantieren aber allein keine globale Genauigkeit über lange Zeiten. Verbesserte Fehlerabschätzungen sollen zuverlässiger bestimmen, wann eine TDVP-Trajektorie physikalisch nicht mehr vertrauenswürdig ist.
Höhere Dimensionen
Die eindimensionale Vielteilchenphysik ist durch MPS vergleichsweise gut beherrschbar. In zwei und drei Raumdimensionen ist die effiziente Darstellung und Kontraktion stark verschränkter Zustände erheblich schwieriger.
Die Übertragung der TDVP-Idee ist formal möglich, ihre praktische Umsetzung bleibt jedoch deutlich anspruchsvoller.
Quantenhardware
Für variationale Quantensimulationen müssen die Zahl benötigter Messungen, die Schaltungstiefe und die Empfindlichkeit gegenüber Rauschen reduziert werden. Gleichzeitig müssen Variationsansätze ausreichend ausdrucksstark bleiben.
Die zentrale Aufgabe besteht damit weniger darin, ein weiteres Variationsprinzip zu finden, sondern darin, seine Gleichungen unter realistischen Hardwarebedingungen effizient auszuwerten.
Fazit
Das Time-Dependent Variational Principle ist ein grundlegendes Werkzeug zur Approximation zeitabhängiger Quantendynamik. Seine Kernidee ist klar: Die exakte Schrödinger-Bewegung wird auf den Tangentialraum einer kontrollierbaren Variationsmannigfaltigkeit projiziert.
Dadurch wird ein unbeherrschbar großes Quantenproblem auf eine reduzierte Dynamik weniger effektiver Freiheitsgrade übertragen. Die Qualität des Ergebnisses hängt unmittelbar davon ab, wie gut der gewählte Variationsraum die tatsächlich entstehenden Quantenzustände darstellen kann.
In der Vielteilchenphysik ist die Kombination aus TDVP und Matrix Product States besonders leistungsfähig. One-Site-TDVP bietet eine klar definierte Bewegung bei fester Bond-Dimension und günstige Erhaltungseigenschaften. Two-Site-TDVP ermöglicht dagegen eine adaptive Vergrößerung des Zustandsraums und kann neu entstehende Verschränkung besser aufnehmen.
Die entscheidenden Fehlerquellen sind klar voneinander zu unterscheiden: Projektionsfehler durch einen unzureichenden Variationsraum, Integrationsfehler durch endliche Zeitschritte, Trunkierungsfehler bei Zustandskompression und numerische Fehler durch schlecht konditionierte Gleichungssysteme.
TDVP löst die exponentielle Komplexität der Quantenmechanik nicht grundsätzlich. Starkes Verschränkungswachstum kann auch TDVP-basierte Tensor-Netzwerksimulationen unpraktikabel machen. Das Verfahren nutzt vielmehr die physikalische Struktur jener Systeme aus, deren relevante Zustände sich innerhalb kompakter Variationsmannigfaltigkeiten bewegen.
Seine Bedeutung reicht inzwischen deutlich über klassische Tensor-Netzwerkmethoden hinaus. TDVP wird auf neuronale Quantenzustände, Gaußsche Zustände und parametrisierte Quantenschaltungen übertragen. In Variational Quantum Simulation bildet es einen systematischen Ansatz, um kontinuierliche Quantendynamik auf einer begrenzten Quantenschaltung nachzubilden.
Damit ist das Time-Dependent Variational Principle nicht nur eine numerische Methode, sondern ein allgemeines Konzept zur kontrollierten Reduktion von Quantendynamik. Es verbindet die fundamentale Schrödinger-Gleichung mit praktisch berechenbaren Modellen und bleibt deshalb ein wichtiges Werkzeug für Vielteilchenphysik, Quanteninformation und zukünftige Quantentechnologien.
Mit freundlichen Grüßen
Anhang
Wissenschaftliche Zeitschriften und Artikel
Die wissenschaftliche Literatur zum Time-Dependent Variational Principle (TDVP) reicht von den grundlegenden zeitabhängigen Variationsprinzipien über die geometrische Beschreibung von Variationsmannigfaltigkeiten bis zu modernen Algorithmen für Matrix Product States und variationale Quantensimulationen. Für eine wissenschaftliche Abhandlung sollten insbesondere Primärarbeiten berücksichtigt werden, in denen die mathematischen Grundlagen, die Tangentialraumprojektion und die heute gebräuchlichen TDVP-Verfahren entwickelt wurden.
Grundlegende Primärliteratur zu zeitabhängigen Variationsprinzipien
- A. D. McLachlan: A Variational Solution of the Time-Dependent Schrödinger Equation, Molecular Physics 8, 39–44, 1964.
- Eine der grundlegenden Arbeiten zum zeitabhängigen Variationsprinzip. McLachlan formuliert die Approximation der Schrödinger-Dynamik als Minimierung des momentanen Fehlers der Bewegungsgleichung. Die Arbeit ist besonders relevant für die Darstellung des McLachlan-Prinzips und für den Vergleich mit der Dirac-Frenkel-Formulierung.
- J. Broeckhove, L. Lathouwers, E. Kesteloot, P. Van Leuven: On the Equivalence of Time-Dependent Variational Principles, Chemical Physics Letters 149, 547–550, 1988.
- Diese Arbeit untersucht systematisch das Verhältnis zwischen dem McLachlan-Prinzip, dem Dirac-Frenkel-Prinzip und weiteren Formulierungen des zeitabhängigen Variationsprinzips. Sie ist besonders geeignet, um in einer wissenschaftlichen Abhandlung deutlich zu machen, unter welchen mathematischen Voraussetzungen unterschiedliche TDVP-Formulierungen äquivalent sind und wann diese Äquivalenz nicht vorausgesetzt werden darf.
Primärliteratur zu TDVP und Matrix Product States
- J. Haegeman, J. I. Cirac, T. J. Osborne, I. Pižorn, H. Verschelde, F. Verstraete: Time-Dependent Variational Principle for Quantum Lattices, Physical Review Letters 107, 070601, 2011.
- Eine zentrale Primärarbeit für die moderne Anwendung des TDVP auf Matrix Product States. Die Autoren formulieren die reale und imaginäre Zeitentwicklung als Projektion auf den Tangentialraum der MPS-Mannigfaltigkeit. Für eine Abhandlung über TDVP ist diese Publikation wesentlich, insbesondere für Tangentialraumprojektion, Erhaltungsgrößen und die Abgrenzung gegenüber Trotter-basierten Verfahren.
- URL: https://journals.aps.org/...
- arXiv: https://arxiv.org/...
- DOI: https://doi.org/...
- Eine zentrale Primärarbeit für die moderne Anwendung des TDVP auf Matrix Product States. Die Autoren formulieren die reale und imaginäre Zeitentwicklung als Projektion auf den Tangentialraum der MPS-Mannigfaltigkeit. Für eine Abhandlung über TDVP ist diese Publikation wesentlich, insbesondere für Tangentialraumprojektion, Erhaltungsgrößen und die Abgrenzung gegenüber Trotter-basierten Verfahren.
- J. Haegeman, T. J. Osborne, F. Verstraete: Post-Matrix Product State Methods: To Tangent Space and Beyond, Physical Review B 88, 075133, 2013.
- Diese Spezialarbeit entwickelt den Tangentialraum von Matrix Product States detailliert und zeigt dessen Bedeutung für Zeitentwicklung, Anregungszustände und Spektralfunktionen. Sie eignet sich besonders als Quelle für den mathematischen Abschnitt einer TDVP-Abhandlung, in dem Tangentialvektoren, Gauge-Freiheiten und projektierte Dynamik erläutert werden.
- URL: https://journals.aps.org/...
- arXiv: https://arxiv.org/...
- DOI: https://doi.org/...
- Diese Spezialarbeit entwickelt den Tangentialraum von Matrix Product States detailliert und zeigt dessen Bedeutung für Zeitentwicklung, Anregungszustände und Spektralfunktionen. Sie eignet sich besonders als Quelle für den mathematischen Abschnitt einer TDVP-Abhandlung, in dem Tangentialvektoren, Gauge-Freiheiten und projektierte Dynamik erläutert werden.
- J. Haegeman, M. Mariën, T. J. Osborne, F. Verstraete: Geometry of Matrix Product States: Metric, Parallel Transport, and Curvature, Journal of Mathematical Physics 55, 021902, 2014.
- Diese Arbeit liefert den geometrischen Unterbau für die MPS-Mannigfaltigkeit. Behandelt werden unter anderem Metrik, Parameterredundanzen, Faserbündelstruktur, Tangentialräume und Krümmung. Für eine vertiefte wissenschaftliche Darstellung des TDVP ist sie besonders wertvoll, weil die Projektion der Schrödinger-Dynamik nur vor dem Hintergrund dieser geometrischen Struktur vollständig verständlich wird.
- arXiv: https://arxiv.org/...
- DOI: https://doi.org/...
- Diese Arbeit liefert den geometrischen Unterbau für die MPS-Mannigfaltigkeit. Behandelt werden unter anderem Metrik, Parameterredundanzen, Faserbündelstruktur, Tangentialräume und Krümmung. Für eine vertiefte wissenschaftliche Darstellung des TDVP ist sie besonders wertvoll, weil die Projektion der Schrödinger-Dynamik nur vor dem Hintergrund dieser geometrischen Struktur vollständig verständlich wird.
Projektor-Splitting und numerische Zeitintegration
- C. Lubich, I. V. Oseledets, B. Vandereycken: Time Integration of Tensor Trains, SIAM Journal on Numerical Analysis 53, 917–941, 2015.
- Die Arbeit entwickelt einen robusten Projektor-Splitting-Integrator für Tensor-Train- beziehungsweise Matrix-Product-State-Mannigfaltigkeiten. Sie stellt eine wichtige mathematisch-numerische Grundlage für moderne TDVP-Integratoren dar und ist insbesondere für die Erklärung der Zerlegung des Tangentialraumprojektors und stabiler Sweep-Verfahren relevant.
- URL: https://epubs.siam.org/...
- arXiv: https://arxiv.org/...
- DOI: https://doi.org/...
- Die Arbeit entwickelt einen robusten Projektor-Splitting-Integrator für Tensor-Train- beziehungsweise Matrix-Product-State-Mannigfaltigkeiten. Sie stellt eine wichtige mathematisch-numerische Grundlage für moderne TDVP-Integratoren dar und ist insbesondere für die Erklärung der Zerlegung des Tangentialraumprojektors und stabiler Sweep-Verfahren relevant.
- J. Haegeman, C. Lubich, I. Oseledets, B. Vandereycken, F. Verstraete: Unifying Time Evolution and Optimization with Matrix Product States, Physical Review B 94, 165116, 2016.
- Diese Publikation gehört zu den wichtigsten Arbeiten für praktische MPS-TDVP-Verfahren. Sie verbindet Zeitentwicklung und Optimierung in einem gemeinsamen Rahmen und führt ein Projektor-Splitting-Verfahren ein, das auch für Hamiltonoperatoren mit langreichweitigen Wechselwirkungen geeignet ist. Die Arbeit ist besonders relevant für One-Site-TDVP, Sweep-Algorithmen, Stabilität und den Vergleich mit DMRG und TEBD.
- URL: https://journals.aps.org/...
- arXiv: https://arxiv.org/...
- DOI: https://doi.org/...
- Diese Publikation gehört zu den wichtigsten Arbeiten für praktische MPS-TDVP-Verfahren. Sie verbindet Zeitentwicklung und Optimierung in einem gemeinsamen Rahmen und führt ein Projektor-Splitting-Verfahren ein, das auch für Hamiltonoperatoren mit langreichweitigen Wechselwirkungen geeignet ist. Die Arbeit ist besonders relevant für One-Site-TDVP, Sweep-Algorithmen, Stabilität und den Vergleich mit DMRG und TEBD.
Vergleich moderner Zeitentwicklungsverfahren
- S. Paeckel et al.: Time-Evolution Methods for Matrix-Product States, Annals of Physics 411, 167998, 2019.
- Eine umfangreiche Vergleichs- und Übersichtsarbeit zu modernen MPS-Zeitentwicklungsverfahren. Behandelt werden unter anderem TEBD, Krylov-Verfahren sowie One-Site- und Two-Site-TDVP. Für die Abhandlung eignet sich die Quelle besonders zur sachlichen Gegenüberstellung von Fehlerarten, Rechenaufwand, Trunkierung, Zeitschrittwahl und Einsatzgebieten verschiedener Algorithmen.
- URL: https://www.sciencedirect.com/...
- arXiv: https://arxiv.org/...
- DOI: https://doi.org/...
- Eine umfangreiche Vergleichs- und Übersichtsarbeit zu modernen MPS-Zeitentwicklungsverfahren. Behandelt werden unter anderem TEBD, Krylov-Verfahren sowie One-Site- und Two-Site-TDVP. Für die Abhandlung eignet sich die Quelle besonders zur sachlichen Gegenüberstellung von Fehlerarten, Rechenaufwand, Trunkierung, Zeitschrittwahl und Einsatzgebieten verschiedener Algorithmen.
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.
- Eine grundlegende Übersichtsarbeit zu DMRG und Matrix Product States. Sie bietet die notwendige Hintergrundliteratur zu kanonischen MPS-Formen, Schmidt-Zerlegung, Bond-Dimension, Kompression und zeitabhängigen Verfahren. Für eine TDVP-Abhandlung eignet sie sich besonders als Referenz für die MPS-Grundlagen, auf denen die spätere Tangentialraumkonstruktion aufbaut.
- URL: https://www.sciencedirect.com/...
- arXiv: https://arxiv.org/...
- DOI: https://doi.org/...
- Eine grundlegende Übersichtsarbeit zu DMRG und Matrix Product States. Sie bietet die notwendige Hintergrundliteratur zu kanonischen MPS-Formen, Schmidt-Zerlegung, Bond-Dimension, Kompression und zeitabhängigen Verfahren. Für eine TDVP-Abhandlung eignet sie sich besonders als Referenz für die MPS-Grundlagen, auf denen die spätere Tangentialraumkonstruktion aufbaut.
- R. Orús: A Practical Introduction to Tensor Networks: Matrix Product States and Projected Entangled Pair States, Annals of Physics 349, 117–158, 2014.
- Diese Übersichtsarbeit bietet einen zugänglichen, zugleich fachlich fundierten Einstieg in MPS, PEPS und die numerische Verwendung von Tensor-Netzwerken. Sie eignet sich als Hintergrundquelle für Leser, die zunächst die Struktur der verwendeten Variationsmannigfaltigkeiten verstehen müssen, bevor TDVP im Detail behandelt wird.
- URL: https://www.sciencedirect.com/...
- arXiv: https://arxiv.org/...
- DOI: https://doi.org/...
- Diese Übersichtsarbeit bietet einen zugänglichen, zugleich fachlich fundierten Einstieg in MPS, PEPS und die numerische Verwendung von Tensor-Netzwerken. Sie eignet sich als Hintergrundquelle für Leser, die zunächst die Struktur der verwendeten Variationsmannigfaltigkeiten verstehen müssen, bevor TDVP im Detail behandelt wird.
TDVP und variationale Quantensimulation
- Y. Li, S. C. Benjamin: Efficient Variational Quantum Simulator Incorporating Active Error Minimization, Physical Review X 7, 021050, 2017.
- Diese Arbeit überträgt variationale Zeitentwicklungsansätze auf hybride quantenklassische Systeme. Sie ist besonders relevant für den Abschnitt über Variational Quantum Simulation und zeigt, wie zeitabhängige Variationsparameter auf einem Quantenprozessor gemeinsam mit klassischer Verarbeitung verwendet werden können.
- URL: https://journals.aps.org/...
- arXiv: https://arxiv.org/...
- DOI: https://doi.org/...
- Diese Arbeit überträgt variationale Zeitentwicklungsansätze auf hybride quantenklassische Systeme. Sie ist besonders relevant für den Abschnitt über Variational Quantum Simulation und zeigt, wie zeitabhängige Variationsparameter auf einem Quantenprozessor gemeinsam mit klassischer Verarbeitung verwendet werden können.
- X. Yuan, S. Endo, Q. Zhao, Y. Li, S. C. Benjamin: Theory of Variational Quantum Simulation, Quantum 3, 191, 2019.
- Eine zentrale theoretische Arbeit zur variationalen Quantensimulation auf Quantencomputern. Sie behandelt reale und imaginäre Zeitentwicklung sowie verschiedene Varianten zeitabhängiger Variationsprinzipien. Für eine TDVP-Abhandlung ist sie die wichtigste Verbindung zwischen klassischem TDVP und parametrisierten Quantenschaltungen auf Quantenhardware.
- URL: https://quantum-journal.org/...
- arXiv: https://arxiv.org/...
- DOI: https://doi.org/...
- Eine zentrale theoretische Arbeit zur variationalen Quantensimulation auf Quantencomputern. Sie behandelt reale und imaginäre Zeitentwicklung sowie verschiedene Varianten zeitabhängiger Variationsprinzipien. Für eine TDVP-Abhandlung ist sie die wichtigste Verbindung zwischen klassischem TDVP und parametrisierten Quantenschaltungen auf Quantenhardware.
Bücher und Monographien
Bücher und Monographien sind besonders geeignet, um die mathematischen und physikalischen Grundlagen des TDVP zusammenhängend darzustellen. Während die Primärliteratur einzelne algorithmische oder theoretische Entwicklungen dokumentiert, liefern Monographien den notwendigen Rahmen zu Variationsrechnung, Geometrie von Quantenzuständen, Tensor-Netzwerken und Quanteninformation.
Grundlagenwerk zum Time-Dependent Variational Principle
- P. Kramer, M. Saraceno: Geometry of the Time-Dependent Variational Principle in Quantum Mechanics, Lecture Notes in Physics 140, Springer, 1981.
- Eine der wichtigsten Monographien zur geometrischen Struktur des TDVP. Das Werk behandelt das Variationsprinzip, symplektische Strukturen, Gruppenrepräsentationen und die Geometrie der zugrunde liegenden Zustandsmannigfaltigkeiten. Es eignet sich insbesondere für die theoretische Fundierung einer Abhandlung und für die Einordnung des TDVP als geometrisches dynamisches Prinzip.
Hintergrundliteratur zu Tensor-Netzwerken
- S. Montangero: Introduction to Tensor Network Methods: Numerical Simulations of Low-Dimensional Many-Body Quantum Systems, Springer, 2018.
- Die Monographie vermittelt die numerischen Grundlagen moderner Tensor-Netzwerkverfahren und behandelt insbesondere niedrigdimensionale Vielteilchensysteme. Sie ist eine geeignete Hintergrundquelle für Matrix Product States, Tensorzerlegungen, DMRG und zeitabhängige Simulationen und erleichtert damit das Verständnis der konkreten TDVP-Implementierung.
Standardwerke zur Quanteninformation
- M. A. Nielsen, I. L. Chuang: Quantum Computation and Quantum Information, 10th Anniversary Edition, Cambridge University Press, 2010.
- Das Standardwerk dient nicht als primäre TDVP-Quelle, liefert jedoch den notwendigen Hintergrund zu Quantenzuständen, unitärer Dynamik, Quantenschaltungen, Messungen und Quanteninformation. Es ist insbesondere für den Abschnitt über variationale Quantensimulation und TDVP-basierte Algorithmen auf Quantencomputern geeignet.
Online-Ressourcen und Datenbanken
Online-Ressourcen sind für das Thema TDVP vor allem als Recherchehilfe, zum Zugriff auf Preprints und zur Überprüfung praktischer Implementierungen wichtig. Sie sollten in einer wissenschaftlichen Abhandlung ergänzend zur peer-reviewten Literatur verwendet werden. Besonders nützlich sind etablierte Preprint-Archive, Fachjournal-Datenbanken und dokumentierte Tensor-Netzwerkbibliotheken.
Wissenschaftliche Literaturdatenbanken
- arXiv: Open-Access-Preprint-Archiv für Physik, Mathematik, Informatik und verwandte Fachgebiete.
- arXiv enthält einen großen Teil der grundlegenden und aktuellen Literatur zu TDVP, Tensor-Netzwerken, Matrix Product States und variationaler Quantensimulation. Die Plattform eignet sich insbesondere zum Auffinden von Preprint-Versionen publizierter Artikel sowie für die Recherche aktueller Forschung, die noch nicht in einer endgültigen Journalfassung erschienen ist.
Fachjournale und Verlage
- American Physical Society: Physical Review Journals.
- Die APS veröffentlicht mehrere zentrale Arbeiten zu TDVP, Matrix Product States und Vielteilchenphysik in Physical Review Letters, Physical Review B und Physical Review X. Die Plattform eignet sich zur Überprüfung der endgültigen Journalfassungen, bibliografischer Angaben und DOI-Daten.
- Quantum: Open-Access-Fachjournal für Quantenwissenschaft und Quantentechnologie.
- Quantum publiziert peer-reviewte Arbeiten zu Quantenalgorithmen, variationaler Quantensimulation, Quanteninformation und verwandten Themen. Für den TDVP-Kontext ist das Journal insbesondere bei der Verbindung zu hybriden und variationalen Quantenalgorithmen relevant.
Lern- und Forschungsplattformen
- TeNPy: Tensor Network Python Library – TDVP-Dokumentation.
- TeNPy stellt eine konkrete Implementierung von Single-Site- und Two-Site-TDVP für endliche Matrix Product States bereit. Die Dokumentation ist besonders hilfreich, um theoretische Konzepte wie feste Bond-Dimension, adaptive Zwei-Site-Verfahren, Sweep-Strukturen und langreichweitige MPO-Hamiltonoperatoren mit einer praktischen Implementierung zu vergleichen. Sie sollte als Software- und Implementierungsquelle und nicht als Ersatz für die wissenschaftliche Primärliteratur verwendet werden.
- ITensor: Tensor-Network-Software und TDVP-Implementierung.
- ITensor gehört zu den etablierten Softwareumgebungen für Matrix Product States und Tensor-Netzwerke. Die öffentlich verfügbare TDVP-Implementierung bietet einen direkten Einblick in algorithmische Aspekte der Zeitentwicklung und eignet sich zur praktischen Ergänzung der theoretischen Literatur, insbesondere bei der Umsetzung von MPS- und MPO-basierten Berechnungen.
Vorlesungsnotizen und Monographie-nahe Ressourcen
- R. Orús: A Practical Introduction to Tensor Networks: Matrix Product States and Projected Entangled Pair States, arXiv.
- Die frei verfügbare Preprint-Fassung eignet sich als vertiefende Lernressource für MPS, PEPS und die numerischen Grundlagen von Tensor-Netzwerken. Sie kann genutzt werden, um Begriffe wie Bond-Dimension, Tensor-Kontraktion und kanonische MPS-Strukturen vor dem eigentlichen TDVP-Formalismus aufzubereiten.
- arXiv: https://arxiv.org/...
- Die frei verfügbare Preprint-Fassung eignet sich als vertiefende Lernressource für MPS, PEPS und die numerischen Grundlagen von Tensor-Netzwerken. Sie kann genutzt werden, um Begriffe wie Bond-Dimension, Tensor-Kontraktion und kanonische MPS-Strukturen vor dem eigentlichen TDVP-Formalismus aufzubereiten.
- U. Schollwöck: The Density-Matrix Renormalization Group in the Age of Matrix Product States, arXiv.
- Diese frei zugängliche Fassung der umfassenden MPS- und DMRG-Übersicht eignet sich besonders als vorbereitende Ressource für Leser, die die mathematische Struktur von Matrix Product States und die numerischen Verfahren verstehen möchten, auf denen MPS-TDVP aufbaut.
- arXiv: https://arxiv.org/...
- Diese frei zugängliche Fassung der umfassenden MPS- und DMRG-Übersicht eignet sich besonders als vorbereitende Ressource für Leser, die die mathematische Struktur von Matrix Product States und die numerischen Verfahren verstehen möchten, auf denen MPS-TDVP aufbaut.
