Time-Evolving Block Decimation, kurz TEBD, ist ein numerisches Verfahren zur Simulation der zeitlichen Entwicklung quantenmechanischer Vielteilchensysteme. Die Methode gehört zur Familie der Tensor-Netzwerk-Verfahren und ist besonders für eindimensionale Quantensysteme geeignet, deren Verschränkung begrenzt bleibt. Ihr entscheidender Vorteil besteht darin, dass der vollständige Hilbertraum eines Vielteilchensystems nicht explizit gespeichert werden muss. Stattdessen wird der Quantenzustand als Matrix Product State, kurz MPS, dargestellt und während der Zeitentwicklung kontrolliert komprimiert.

Das Grundproblem ist schnell formuliert: Besitzt jeder Gitterplatz eines Quantensystems eine lokale Hilbertraumdimension von \(d\) und besteht das System aus \(N\) Gitterplätzen, dann hat der gesamte Hilbertraum die Dimension

\(d^N\)

Diese exponentielle Skalierung macht eine direkte Speicherung des vollständigen Zustands bereits für vergleichsweise kleine Systeme unpraktikabel. TEBD nutzt dagegen die Tatsache aus, dass physikalisch relevante Zustände eindimensionaler Systeme häufig wesentlich weniger Information enthalten, als es die formale Größe des vollständigen Hilbertraums vermuten lässt.

Die Methode wurde insbesondere durch die Arbeiten von Guifré Vidal zu Beginn der 2000er-Jahre bekannt. Vidal zeigte, dass sich schwach verschränkte Quantenzustände effizient durch Tensor-Netzwerke darstellen und ihre zeitliche Entwicklung mit lokalen Operationen simulieren lässt. Aus dieser Idee entwickelte sich TEBD zu einem grundlegenden Werkzeug der numerischen Quantenphysik.

Ziel und Einsatzgebiet

TEBD wird vor allem eingesetzt, wenn die Dynamik eindimensionaler Vielteilchensysteme untersucht werden soll. Typische Beispiele sind Spin-Ketten, das Bose-Hubbard-Modell, Fermionenmodelle und Systeme ultrakalter Atome in optischen Gittern. Besonders wichtig ist die Methode bei sogenannten Quantum Quenches, bei denen ein System zunächst in einem bestimmten Zustand vorbereitet und anschließend durch eine plötzliche Änderung eines Parameters aus dem Gleichgewicht gebracht wird.

TEBD kann sowohl reale als auch imaginäre Zeitentwicklung durchführen. Reale Zeitentwicklung beschreibt die tatsächliche Dynamik eines Quantensystems. Imaginäre Zeitentwicklung wird dagegen vor allem eingesetzt, um Grundzustände oder thermische Zustände zu bestimmen.

Die Leistungsfähigkeit von TEBD beruht auf drei zentralen mathematischen Werkzeugen: Matrix Product States, der Suzuki-Trotter-Zerlegung des Zeitentwicklungsoperators und der Singularwertzerlegung. Diese drei Komponenten bilden zusammen den Kern des Algorithmus.

Quantenmechanische Grundlagen

Zeitentwicklung eines Quantenzustands

Die zeitliche Entwicklung eines geschlossenen Quantensystems wird durch die zeitabhängige Schrödinger-Gleichung beschrieben:

\(i\hbar\frac{\partial}{\partial t}|\psi(t)\rangle = H|\psi(t)\rangle\)

Dabei bezeichnet \(H\) den Hamiltonoperator des Systems und \(|\psi(t)\rangle\) den Quantenzustand zum Zeitpunkt \(t\). Ist der Hamiltonoperator zeitunabhängig, lautet die formale Lösung

\(|\psi(t)\rangle = \exp\left(-\frac{iHt}{\hbar}\right)|\psi(0)\rangle\)

Der Zeitentwicklungsoperator ist somit

\(U(t)=\exp\left(-\frac{iHt}{\hbar}\right)\)

Für kleine Systeme kann diese Exponentialfunktion prinzipiell direkt ausgewertet werden. Bei Vielteilchensystemen wird dies jedoch sehr schnell unmöglich, weil die Dimension des Hamiltonoperators exponentiell mit der Systemgröße wächst.

Lokale Hamiltonoperatoren

TEBD nutzt aus, dass viele physikalisch relevante eindimensionale Modelle lokale Wechselwirkungen besitzen. Ein Hamiltonoperator kann beispielsweise in lokale Terme zerlegt werden:

\(H=\sum_{j=1}^{N-1}h_{j,j+1}\)

Jeder Term \(h_{j,j+1}\) wirkt lediglich auf zwei benachbarte Gitterplätze. Diese Lokalität ist entscheidend, weil die Zeitentwicklung dadurch als Folge kleiner Zwei-Gitterplatz-Operationen behandelt werden kann.

Ein typisches Beispiel ist eine Spin-Kette, bei der benachbarte Spins miteinander wechselwirken. Auch das eindimensionale Bose-Hubbard-Modell besitzt lokale Terme für Teilchenbewegung und lokale Wechselwirkung. TEBD ist deshalb nicht auf ein einzelnes physikalisches Modell beschränkt, sondern auf eine ganze Klasse lokaler eindimensionaler Hamiltonoperatoren anwendbar.

Verschränkung als entscheidende Größe

Die eigentliche Schwierigkeit eines Quantenvielteilchenproblems wird nicht allein durch die Zahl der Freiheitsgrade bestimmt. Entscheidend ist, wie stark verschiedene Teile des Systems miteinander verschränkt sind.

Teilt man das System in zwei Bereiche, kann der Gesamtzustand mit einer Schmidt-Zerlegung geschrieben werden:

\(|\psi\rangle=\sum_{\alpha=1}^{r}\lambda_{\alpha}|\alpha_A\rangle|\alpha_B\rangle\)

Die Zahlen \(\lambda_{\alpha}\) sind die Schmidt-Koeffizienten und \(r\) ist der Schmidt-Rang. Die Normierung verlangt

\(\sum_{\alpha}\lambda_{\alpha}^2=1\)

Die Verschränkungsentropie lautet

\(S=-\sum_{\alpha}\lambda_{\alpha}^2\log\left(\lambda_{\alpha}^2\right)\)

Sind nur wenige Schmidt-Koeffizienten bedeutend, kann der Quantenzustand stark komprimiert werden. Genau darauf basiert die Effizienz von Matrix Product States und damit auch von TEBD.

Matrix Product States als Grundlage von TEBD

Darstellung eines Vielteilchenzustands

Ein allgemeiner Zustand einer eindimensionalen Kette kann in einer lokalen Basis geschrieben werden als

\(|\psi\rangle=\sum_{s_1,\ldots,s_N}c_{s_1\ldots s_N}|s_1,\ldots,s_N\rangle\)

Der Koeffiziententensor \(c_{s_1\ldots s_N}\) enthält im allgemeinen Fall exponentiell viele Einträge. Ein Matrix Product State zerlegt diesen großen Tensor in eine Kette kleinerer Tensoren:

\(c_{s_1\ldots s_N}=A^{[1]s_1}A^{[2]s_2}\cdots A^{[N]s_N}\)

Die Matrizen beziehungsweise Tensoren sind über sogenannte virtuelle Indizes miteinander verbunden. Die Dimension dieser Verbindungen wird Bond Dimension genannt und üblicherweise mit \(\chi\) bezeichnet.

Bedeutung der Bond Dimension

Die Bond Dimension bestimmt, wie viel Verschränkung ein Matrix Product State darstellen kann. Für eine gegebene Trennstelle gilt näherungsweise die grundlegende Grenze

\(S\leq\log\chi\)

Eine kleine Bond Dimension erlaubt daher nur begrenzte Verschränkung. Das ist jedoch für viele eindimensionale Grundzustände ausreichend. Besonders lokale Hamiltonoperatoren mit einer Energielücke führen häufig zu Grundzuständen, deren Verschränkungsstruktur durch ein sogenanntes Area Law begrenzt ist.

Ein MPS mit moderater Bond Dimension kann solche Zustände deshalb sehr präzise darstellen, obwohl der vollständige Hilbertraum enorm groß ist.

Während einer TEBD-Simulation kann die erforderliche Bond Dimension allerdings wachsen. Dies geschieht insbesondere bei realer Zeitentwicklung nach einem starken Quantum Quench. Der Algorithmus muss dann entweder die Bond Dimension erhöhen oder weniger wichtige Zustandsanteile entfernen.

Kanonische Form

Matrix Product States können in kanonische Formen gebracht werden. Dabei werden die Tensoren so normiert und angeordnet, dass die Schmidt-Koeffizienten an bestimmten Bindungen direkt zugänglich sind. Diese Form ist für TEBD besonders praktisch, da nach der Anwendung eines lokalen Gates unmittelbar entschieden werden kann, welche Singularwerte wichtig sind und welche verworfen werden können.

Die kanonische Darstellung verbessert außerdem die numerische Stabilität. Normen, Erwartungswerte und Trunkierungsfehler lassen sich dadurch effizient berechnen.

Die Suzuki-Trotter-Zerlegung

Warum der Zeitentwicklungsoperator zerlegt werden muss

Selbst wenn der Hamiltonoperator aus lokalen Termen besteht, ist die Exponentialfunktion des gesamten Hamiltonoperators nicht einfach das Produkt der Exponentialfunktionen seiner Einzelteile. Der Grund liegt darin, dass benachbarte lokale Terme im Allgemeinen nicht miteinander kommutieren.

Für zwei Operatoren \(A\) und \(B\) gilt im Allgemeinen

\(\exp(A+B)\neq\exp(A)\exp(B)\)

Die Suzuki-Trotter-Zerlegung liefert eine systematische Näherung, um die globale Zeitentwicklung dennoch durch lokale Operationen zu ersetzen.

Gerade und ungerade Bindungen

Für eine eindimensionale Kette mit Nächster-Nachbar-Wechselwirkungen kann der Hamiltonoperator in zwei Gruppen aufgeteilt werden:

\(H=H_{\mathrm{even}}+H_{\mathrm{odd}}\)

Die eine Gruppe enthält beispielsweise die Bindungen zwischen den Gitterplätzen zwei und drei, vier und fünf sowie sechs und sieben. Die andere Gruppe enthält die Bindungen zwischen eins und zwei, drei und vier sowie fünf und sechs.

Innerhalb jeder Gruppe wirken die Terme auf unterschiedliche Gitterplätze und kommutieren daher miteinander. Dadurch können ihre Exponentialfunktionen als unabhängige lokale Zwei-Site-Gates berechnet werden.

Trotter-Zerlegung erster Ordnung

Für einen kleinen Zeitschritt \(\Delta t\) lautet die Trotter-Zerlegung erster Ordnung

\(\exp\left(-\frac{i(H_{\mathrm{even}}+H_{\mathrm{odd}})\Delta t}{\hbar}\right)\approx\exp\left(-\frac{iH_{\mathrm{even}}\Delta t}{\hbar}\right)\exp\left(-\frac{iH_{\mathrm{odd}}\Delta t}{\hbar}\right)\)

Der Fehler pro Schritt beginnt hierbei in zweiter Ordnung des Zeitschritts.

Trotter-Zerlegung zweiter Ordnung

In praktischen TEBD-Simulationen wird häufig eine symmetrische Zerlegung zweiter Ordnung verwendet:

\(\exp\left(-\frac{iH\Delta t}{\hbar}\right)\approx\exp\left(-\frac{iH_{\mathrm{even}}\Delta t}{2\hbar}\right)\exp\left(-\frac{iH_{\mathrm{odd}}\Delta t}{\hbar}\right)\exp\left(-\frac{iH_{\mathrm{even}}\Delta t}{2\hbar}\right)\)

Sie ist bei gleichem Zeitschritt erheblich genauer als die Zerlegung erster Ordnung. Der globale Fehler skaliert bei einer Trotter-Zerlegung zweiter Ordnung typischerweise quadratisch mit dem Zeitschritt.

Eine Verkleinerung des Zeitschritts verbessert die Genauigkeit, erhöht jedoch gleichzeitig die Anzahl der erforderlichen TEBD-Schritte. Die Wahl von \(\Delta t\) ist deshalb ein Kompromiss zwischen Rechenaufwand und gewünschter Präzision.

Der TEBD-Algorithmus im Detail

Initialisierung

Eine TEBD-Simulation beginnt mit einem Anfangszustand in MPS-Darstellung. Dabei kann es sich um einen einfachen Produktzustand, einen zuvor berechneten Grundzustand oder einen beliebigen anderen geeigneten Matrix Product State handeln.

Anschließend wird der Hamiltonoperator definiert und in lokale Terme zerlegt. Aus diesen Termen werden die lokalen Zeitentwicklungsoperatoren berechnet. Für einen lokalen Hamiltonterm lautet ein solches Gate beispielsweise

\(U_{j,j+1}=\exp\left(-\frac{i h_{j,j+1}\Delta t}{\hbar}\right)\)

Diese Gates wirken jeweils nur auf zwei benachbarte Gitterplätze.

Anwendung eines Zwei-Site-Gates

Für einen TEBD-Schritt werden zunächst die beiden MPS-Tensoren der betroffenen Gitterplätze gemeinsam betrachtet. Aus ihnen und den dazwischenliegenden Schmidt-Koeffizienten wird ein gemeinsamer Zwei-Site-Tensor konstruiert.

Auf diesen Tensor wird das lokale Zeitentwicklungs-Gate angewendet. Dadurch verändert sich der Quantenzustand auf den beiden Gitterplätzen und normalerweise auch die Verschränkung zwischen ihnen.

Nach dieser Operation kann der gemeinsame Tensor nicht einfach unverändert in die ursprüngliche MPS-Struktur zurückgeschrieben werden. Er muss erneut in zwei Tensoren zerlegt werden. Genau hier kommt die Singularwertzerlegung ins Spiel.

Singularwertzerlegung

Eine Matrix \(M\) kann durch Singularwertzerlegung dargestellt werden als

\(M=U\Sigma V^{\dagger}\)

Die Diagonalmatrix \(\Sigma\) enthält die Singularwerte. Im TEBD-Kontext entsprechen diese eng den Schmidt-Koeffizienten an der betrachteten Bindung.

Nach der Gate-Anwendung wird der Zwei-Site-Tensor zunächst geeignet als Matrix interpretiert. Anschließend wird eine Singularwertzerlegung durchgeführt. Die resultierenden Faktoren werden wieder auf die beiden MPS-Tensoren verteilt.

Ohne weitere Maßnahmen könnte die Bond Dimension bei jeder Gate-Anwendung wachsen. Nach vielen Schritten würde damit auch der Speicher- und Rechenaufwand außer Kontrolle geraten. Deshalb folgt eine Trunkierung.

Trunkierung

Die Singularwerte werden typischerweise nach ihrer Größe sortiert. Kleine Singularwerte tragen nur wenig zur Norm des Zustands bei und können entfernt werden. Behält man nur die größten \(\chi_{\max}\) Singularwerte, bleibt die Bond Dimension begrenzt.

Eine wichtige Fehlergröße ist das verworfene Gewicht:

\(\epsilon_{\mathrm{trunc}}=\sum_{\alpha>\chi_{\max}}s_{\alpha}^2\)

Dabei sind \(s_{\alpha}\) die verworfenen Singularwerte.

Je kleiner dieses Gewicht ist, desto weniger Information wurde bei der Kompression entfernt. Eine sinnvolle TEBD-Simulation überwacht diesen Wert während der gesamten Zeitentwicklung.

Ein vollständiger Sweep

Nach der Aktualisierung einer Bindung wird das nächste Zwei-Site-Gate angewendet. Zunächst werden beispielsweise alle geraden Bindungen verarbeitet, danach alle ungeraden. Bei einer Suzuki-Trotter-Zerlegung zweiter Ordnung folgt die durch die Zerlegung vorgegebene symmetrische Reihenfolge.

Nach Abschluss dieser Operationen wurde das System um einen Zeitschritt weiterentwickelt. Der gesamte Ablauf wird anschließend wiederholt:

  1. Lokales Gate auf zwei benachbarte Gitterplätze anwenden.
  2. Gemeinsamen Tensor bilden.
  3. Gate mit dem Tensor kontrahieren.
  4. Tensor als Matrix umformen.
  5. Singularwertzerlegung durchführen.
  6. Unbedeutende Singularwerte entfernen.
  7. MPS-Tensoren aktualisieren.
  8. Mit der nächsten Bindung fortfahren.

Die Stärke von TEBD liegt darin, dass niemals der komplette Zeitentwicklungsoperator des Vielteilchensystems konstruiert werden muss. Die globale Dynamik entsteht durch eine kontrollierte Folge lokaler Operationen.

Reale und imaginäre Zeitentwicklung

Reale Zeit

Bei realer Zeitentwicklung wird der Faktor

\(\exp\left(-\frac{iH\Delta t}{\hbar}\right)\)

verwendet. Diese Entwicklung ist unitär, solange keine Trunkierungen oder anderen Näherungen vorgenommen werden. Sie beschreibt beispielsweise die Bewegung von Anregungen, die Ausbreitung von Korrelationen oder die Relaxation eines Quantensystems nach einer plötzlichen Parameteränderung.

TEBD erlaubt dabei einen direkten Blick auf die Dynamik. Nach jedem Zeitschritt können lokale Observablen, Korrelationsfunktionen und Verschränkungsmaße berechnet werden.

Imaginäre Zeit

Für die Bestimmung eines Grundzustands wird die reale Zeit durch imaginäre Zeit ersetzt. Der Entwicklungsoperator besitzt dann die Form

\(\exp(-H\tau)\)

Betrachtet man einen Anfangszustand in der Energieeigenbasis,

\(|\psi(0)\rangle=\sum_n c_n|E_n\rangle\)

dann ergibt die imaginäre Zeitentwicklung

\(|\psi(\tau)\rangle=\sum_n c_n\exp(-E_n\tau)|E_n\rangle\)

Zustände mit höherer Energie werden exponentiell stärker unterdrückt als der Grundzustand. Nach ausreichend großer imaginärer Zeit dominiert daher der niedrigste Energiezustand, sofern der Anfangszustand einen nichtverschwindenden Überlapp mit ihm besitzt.

Da die imaginäre Zeitentwicklung nicht unitär ist, muss der Zustand regelmäßig normalisiert werden.

Praktische Konvergenz

Für präzise Grundzustandsberechnungen wird der imaginäre Zeitschritt häufig schrittweise verkleinert. Große Schritte führen zunächst schnell in die Nähe des Grundzustands. Kleinere Schritte reduzieren anschließend den Trotter-Fehler.

Grundzustände lassen sich allerdings auch mit klassischen DMRG-Verfahren sehr effizient bestimmen. TEBD ist deshalb nicht automatisch die bevorzugte Methode für jede statische Aufgabe. Seine besondere Stärke liegt in der zeitabhängigen Dynamik.

Quantum Quenches und Nichtgleichgewichtsdynamik

Grundidee eines Quantum Quench

Ein Quantum Quench ist eine plötzliche Änderung eines Parameters des Hamiltonoperators. Das System befindet sich zunächst in einem Zustand, der beispielsweise dem Grundzustand des ursprünglichen Hamiltonoperators entspricht. Zum Zeitpunkt null wird der Hamiltonoperator verändert. Der bisherige Zustand ist anschließend im Allgemeinen kein Eigenzustand des neuen Hamiltonoperators mehr und beginnt sich nichttrivial zu entwickeln.

TEBD ist für solche Fragestellungen besonders geeignet, weil die Methode die reale Zeitentwicklung direkt berechnet.

Ausbreitung von Korrelationen

Nach einem lokalen oder globalen Quench breiten sich Informationen und Korrelationen durch das System aus. In lokalen Quantensystemen geschieht dies nicht beliebig schnell. Die Dynamik zeigt häufig eine lichtkegelartige Struktur, die eng mit Lieb-Robinson-Grenzen verbunden ist.

TEBD kann diese Ausbreitung räumlich und zeitlich verfolgen. Beobachtet werden können etwa lokale Magnetisierungen, Teilchendichten oder Zweipunkt-Korrelationsfunktionen.

Eine typische Korrelationsfunktion besitzt die Form

\(C_{ij}(t)=\langle\psi(t)|O_iO_j|\psi(t)\rangle\)

Solche Größen zeigen, wann Veränderungen an einem Ort messbare Auswirkungen an einem entfernten Gitterplatz erzeugen.

Relaxation und Thermalisierung

Eine zentrale Frage der Nichtgleichgewichtsphysik lautet, unter welchen Bedingungen ein isoliertes Quantensystem langfristig Eigenschaften eines thermischen Zustands annimmt. TEBD ermöglicht es, diese Entwicklung in geeigneten eindimensionalen Modellen numerisch zu untersuchen.

Besonders interessant ist der Unterschied zwischen integrablen und nichtintegrablen Systemen. Integrable Modelle besitzen viele Erhaltungsgrößen und können ein anderes Langzeitverhalten zeigen als generische nichtintegrable Systeme.

Die erreichbaren Simulationszeiten werden allerdings häufig durch das Wachstum der Verschränkung begrenzt. Genau diese Einschränkung ist eine fundamentale Grenze des TEBD-Verfahrens.

Observablen und physikalische Auswertung

Lokale Erwartungswerte

Eine TEBD-Simulation liefert nicht nur den zeitabhängigen MPS, sondern ermöglicht auch die effiziente Berechnung physikalischer Observablen. Für einen Operator \(O\) lautet der Erwartungswert

\(\langle O\rangle=\langle\psi|O|\psi\rangle\)

Lokale Operatoren können beispielsweise Magnetisierung, Besetzungszahl oder lokale Energie beschreiben.

Da der Zustand als Tensor-Netzwerk vorliegt, wird der Erwartungswert durch Tensor-Kontraktionen berechnet. Bei einem korrekt kanonisierten MPS ist dies wesentlich effizienter als eine Berechnung im vollständigen Hilbertraum.

Korrelationsfunktionen

Zweipunkt-Korrelationsfunktionen zeigen Zusammenhänge zwischen verschiedenen Positionen im System:

\(C_{ij}=\langle O_iO_j\rangle-\langle O_i\rangle\langle O_j\rangle\)

Die räumliche und zeitliche Struktur solcher Funktionen liefert Informationen über Quantenphasen, Anregungen, Informationsausbreitung und Relaxation.

Verschränkungsentropie und Entanglement Spectrum

Da bei TEBD im Rahmen der Singularwertzerlegung ohnehin Schmidt-Koeffizienten bestimmt werden, ist die Verschränkungsentropie direkt zugänglich. Sie ist nicht nur eine physikalische Observable, sondern gleichzeitig ein wichtiges Diagnosewerkzeug für die Qualität und zukünftige Berechenbarkeit einer Simulation.

Steigt die Verschränkungsentropie stark an, wird eine größere Bond Dimension erforderlich. Die zeitliche Entwicklung der Verschränkung zeigt deshalb unmittelbar, warum eine TEBD-Simulation zunehmend aufwendiger wird.

Auch das Spektrum der Schmidt-Werte selbst, häufig als Entanglement Spectrum bezeichnet, kann zusätzliche Informationen über die Struktur des Quantenzustands enthalten.

Numerische Fehler und Konvergenz

Trotter-Fehler

Die Suzuki-Trotter-Zerlegung ist eine Näherung. Solange die Teiloperatoren des Hamiltonoperators nicht vollständig miteinander kommutieren, entsteht ein systematischer Fehler.

Bei einer Zerlegung erster Ordnung besitzt der Fehler eines einzelnen Schrittes Beiträge der Größenordnung

\(O(\Delta t^2)\)

und der akkumulierte globale Fehler verhält sich typischerweise wie

\(O(\Delta t)\)

Bei einer symmetrischen Zerlegung zweiter Ordnung ist der lokale Fehler typischerweise

\(O(\Delta t^3)\)

und der globale Fehler

\(O(\Delta t^2)\)

Eine wichtige Kontrolle besteht deshalb darin, dieselbe Simulation mit mehreren Zeitschritten durchzuführen. Bleiben die relevanten Observablen bei einer Verkleinerung des Zeitschritts stabil, spricht dies für eine ausreichende Trotter-Konvergenz.

Trunkierungsfehler

Der zweite zentrale Fehler entsteht durch die Begrenzung der Bond Dimension. Werden kleine Singularwerte verworfen, wird der Zustand verändert. Dieser Fehler ist kein Nebeneffekt der Suzuki-Trotter-Zerlegung, sondern eine unabhängige Approximation.

Ein kleiner Trotter-Zeitschritt garantiert daher nicht automatisch eine präzise Simulation. Wenn die Bond Dimension zu klein gewählt wurde, kann der Trunkierungsfehler dominieren.

Umgekehrt bringt eine extrem große Bond Dimension wenig, wenn der Trotter-Schritt zu groß ist. Beide Fehlerquellen müssen gemeinsam kontrolliert werden.

Rundungsfehler und numerische Stabilität

Zusätzlich treten die üblichen Fehler numerischer Gleitkommaberechnungen auf. Bei langen Simulationen und sehr großen Tensoren können diese Effekte relevant werden. Eine gute Kanonisierung des MPS, stabile SVD-Routinen und regelmäßige Kontrollen der Norm helfen, numerische Probleme frühzeitig zu erkennen.

Bei unitärer Zeitentwicklung sollte im Idealfall gelten

\(\langle\psi(t)|\psi(t)\rangle=1\)

Stärkere Abweichungen können auf Rundungsprobleme, fehlerhafte Implementierungen oder erhebliche Trunkierungseffekte hinweisen.

Energieerhaltung als Test

Für einen zeitunabhängigen Hamiltonoperator sollte bei exakter unitärer Zeitentwicklung auch die Energie konstant bleiben:

\(E(t)=\langle\psi(t)|H|\psi(t)\rangle\)

Eine zunehmende Energiedrift kann daher als Diagnosegröße dienen. Allerdings muss berücksichtigt werden, dass sowohl die Trotter-Zerlegung als auch die Trunkierung kleine Verletzungen der exakten Energieerhaltung verursachen können.

Systematische Konvergenztests

Eine zuverlässige TEBD-Studie sollte mindestens zwei unabhängige Konvergenzparameter überprüfen: den Zeitschritt und die Bond Dimension. Typischerweise werden mehrere Simulationen mit kleineren Zeitschritten und größeren maximalen Bond Dimensions durchgeführt.

Entscheidend ist nicht, ob ein einzelner technischer Fehlerindikator klein erscheint, sondern ob die physikalischen Ergebnisse stabil bleiben. Dazu gehören beispielsweise Korrelationsfunktionen, Entanglement Entropy, Energien und lokale Observablen.

Rechenaufwand und fundamentale Grenzen

Skalierung mit der Bond Dimension

Die kostenintensivste Operation eines typischen TEBD-Schritts ist die Zerlegung des nach einer Zwei-Site-Operation entstandenen Tensors. Unter üblichen Voraussetzungen skaliert der Aufwand ungefähr kubisch mit der Bond Dimension. Eine typische Abschätzung für die lokale Operation lautet

\(O(d^3\chi^3)\)

wobei \(d\) die lokale Hilbertraumdimension und \(\chi\) eine typische Bond Dimension bezeichnet. Die genaue Skalierung hängt von Implementierung, Symmetrien und Tensorformen ab.

Der entscheidende Punkt ist die starke Abhängigkeit von der Bond Dimension. Eine Verdopplung der erforderlichen Bond Dimension kann den Rechenaufwand erheblich erhöhen.

Wachstum der Verschränkung

Die fundamentale Grenze von TEBD entsteht bei Zuständen, deren Verschränkung stark wächst. Nach einem globalen Quantum Quench steigt die Verschränkungsentropie in vielen Systemen über längere Zeit ungefähr linear an.

Da ein MPS für eine gegebene Verschränkungsentropie eine entsprechend große Bond Dimension benötigt, kann die erforderliche Bond Dimension näherungsweise exponentiell mit der Simulationszeit wachsen.

Damit wird eine zunächst einfache Simulation irgendwann praktisch unberechenbar. Dieses Problem lässt sich nicht vollständig durch schnellere Computer beseitigen. Es ist eine Konsequenz der Informationsstruktur des Quantenzustands.

Warum TEBD für Grundzustände so gut funktioniert

Viele eindimensionale Grundzustände lokaler Hamiltonoperatoren besitzen nur moderate Verschränkung. Dadurch reichen relativ kleine Bond Dimensions aus. TEBD und verwandte MPS-Methoden sind deshalb in einer Dimension besonders erfolgreich.

Bei hochangeregten Zuständen und starker Nichtgleichgewichtsdynamik kann sich die Situation grundlegend ändern. Ein Zustand kann physikalisch vollkommen regulär sein und dennoch eine so komplexe Verschränkungsstruktur entwickeln, dass seine MPS-Darstellung numerisch extrem teuer wird.

Endliche und unendliche Systeme

Finite TEBD

Die direkte Form von TEBD behandelt eine Kette mit endlich vielen Gitterplätzen. Offene Randbedingungen sind besonders einfach, weil ein Matrix Product State dann eine lineare Tensorstruktur besitzt.

Periodische Randbedingungen sind ebenfalls möglich, erhöhen jedoch den numerischen Aufwand. Viele praktische Berechnungen verwenden deshalb offene Ketten und wählen die Systemgröße groß genug, damit Randeffekte im interessierenden Zeitbereich keine wesentliche Rolle spielen.

Infinite TEBD

Für translationsinvariante Systeme existiert eine Variante, die als infinite TEBD oder iTEBD bezeichnet wird. Statt eine sehr lange endliche Kette zu speichern, wird direkt der thermodynamische Grenzfall behandelt.

Dazu wird angenommen, dass sich die Tensorstruktur nach einer kleinen Einheitszelle wiederholt. Beispielsweise können zwei unterschiedliche Tensoren abwechselnd die gesamte unendliche Kette repräsentieren.

iTEBD ist besonders leistungsfähig für homogene Systeme und erlaubt Untersuchungen ohne endliche Randbedingungen. Gleichzeitig setzt die Methode voraus, dass eine geeignete translationsinvariante Struktur des Zustands existiert oder mit einer ausreichend großen Einheitszelle dargestellt werden kann.

Symmetrien und Effizienzsteigerungen

Nutzung von Erhaltungsgrößen

Viele Quantensysteme besitzen Symmetrien. Beispiele sind Teilchenzahlerhaltung oder Erhaltung einer Magnetisierungskomponente. Solche Symmetrien können direkt in die Tensorstruktur eingebaut werden.

Statt dichte Tensoren zu speichern, entstehen blockstrukturierte Tensoren. Tensoroperationen müssen dann nur innerhalb der erlaubten Symmetriesektoren durchgeführt werden.

Dies reduziert sowohl den Speicherbedarf als auch den Rechenaufwand erheblich. Gleichzeitig verhindert die explizite Symmetriebehandlung, dass numerische Rundungsfehler den Zustand unbeabsichtigt in physikalisch verbotene Sektoren verschieben.

Adaptive Bond Dimension

Eine feste Bond Dimension ist nicht immer optimal. In schwach verschränkten Bereichen werden möglicherweise unnötig viele Zustände gespeichert, während in stark verschränkten Bereichen mehr Zustände erforderlich wären.

Moderne Implementierungen verwenden daher häufig eine adaptive Trunkierungsstrategie. Dabei wird eine maximale Bond Dimension mit einem tolerierten Trunkierungsfehler kombiniert. Der Algorithmus behält so viele Singularwerte wie erforderlich, überschreitet aber eine vorgegebene Obergrenze nicht.

Damit passt sich der Rechenaufwand teilweise an die tatsächliche Komplexität des Quantenzustands an.

Typische physikalische Modelle

Ising-Modell im transversalen Feld

Ein klassisches Testmodell für TEBD ist das eindimensionale Ising-Modell im transversalen Feld. Eine häufig verwendete Form des Hamiltonoperators lautet

\(H=-J\sum_j\sigma_j^z\sigma_{j+1}^z-h\sum_j\sigma_j^x\)

Das Modell ist einfach genug, um grundlegende Eigenschaften der Quantenkritikalität zu untersuchen, besitzt aber gleichzeitig eine nichttriviale Dynamik. TEBD kann beispielsweise eingesetzt werden, um einen Quench des transversalen Feldes und die anschließende Entwicklung von Magnetisierung und Korrelationen zu simulieren.

Heisenberg- und XXZ-Ketten

Spin-Ketten mit Heisenberg-Wechselwirkung sind ebenfalls zentrale Anwendungsfälle. Eine XXZ-Kette kann beispielsweise durch

\(H=J\sum_j\left(S_j^xS_{j+1}^x+S_j^yS_{j+1}^y+\Delta S_j^zS_{j+1}^z\right)\)

beschrieben werden.

Der Parameter \(\Delta\) steuert die Anisotropie. Durch Variation dieses Parameters lassen sich verschiedene Quantenphasen und dynamische Regime untersuchen.

Bose-Hubbard-Modell

Ein wichtiges Modell für ultrakalte bosonische Atome in optischen Gittern ist das Bose-Hubbard-Modell:

\(H=-J\sum_j\left(b_j^{\dagger}b_{j+1}+b_{j+1}^{\dagger}b_j\right)+\frac{U}{2}\sum_j n_j(n_j-1)\)

Der erste Term beschreibt das Tunneln von Teilchen zwischen benachbarten Gitterplätzen, der zweite die lokale Wechselwirkung mehrerer Teilchen auf demselben Platz.

Im Gegensatz zu Spin-ein-halb-Systemen besitzt ein bosonischer Gitterplatz formal eine unbegrenzte lokale Hilbertraumdimension. In einer numerischen TEBD-Simulation muss die maximal erlaubte Besetzungszahl deshalb abgeschnitten werden. Auch diese lokale Trunkierung muss auf Konvergenz überprüft werden.

Fermionische Systeme

Auch Fermionenmodelle können mit Matrix Product States und TEBD behandelt werden. Dabei müssen die fermionischen Antikommutationsregeln korrekt berücksichtigt werden. In eindimensionalen Systemen kann dies unter anderem über geeignete Transformationen oder explizit fermionische Tensor-Netzwerke erfolgen.

Das Fermi-Hubbard-Modell gehört zu den wichtigsten Beispielen. Je nach Modell und gewählter Darstellung können jedoch größere lokale Hilberträume und zusätzliche Symmetriestrukturen den Rechenaufwand erhöhen.

TEBD bei endlichen Temperaturen

Von reinen Zuständen zu Dichtematrizen

Ein reiner Quantenzustand wird durch einen Zustandsvektor beschrieben. Ein thermischer Zustand benötigt dagegen eine Dichtematrix. Im thermischen Gleichgewicht lautet sie

\(\rho=\frac{\exp(-\beta H)}{Z}\)

mit

\(Z=\mathrm{Tr}\left[\exp(-\beta H)\right]\)

und

\(\beta=\frac{1}{k_B T}\)

Eine direkte Speicherung der Dichtematrix ist noch aufwendiger als die Speicherung eines Zustandsvektors. Tensor-Netzwerk-Verfahren verwenden deshalb spezielle Darstellungen.

Purification

Eine verbreitete Strategie ist die Purification. Dabei wird der physikalische Hilbertraum um Hilfsfreiheitsgrade erweitert. Die gemischte Dichtematrix wird als reduzierter Zustand eines reinen Zustands in diesem vergrößerten Hilbertraum dargestellt.

Ausgehend von unendlich hoher Temperatur kann durch imaginäre Zeitentwicklung schrittweise ein Zustand bei endlicher Temperatur erzeugt werden. Formal spielt dabei der Faktor

\(\exp\left(-\frac{\beta H}{2}\right)\)

eine zentrale Rolle.

Die Methode erlaubt thermische Erwartungswerte mit MPS-Techniken zu berechnen. Der zusätzliche Hilfsraum und das Wachstum der erforderlichen Bond Dimension erhöhen jedoch den Rechenaufwand.

Offene Quantensysteme und nichtunitäre Dynamik

Von der Schrödinger-Gleichung zur Mastergleichung

Reale Quantensysteme sind häufig nicht vollständig von ihrer Umgebung isoliert. Energieverlust, Dekohärenz und externe Störungen können dann nicht allein durch einen unitären Zeitentwicklungsoperator beschrieben werden.

Eine verbreitete Beschreibung ist die Lindblad-Mastergleichung:

\(\frac{d\rho}{dt}=-\frac{i}{\hbar}[H,\rho]+\sum_k\left(L_k\rho L_k^{\dagger}-\frac{1}{2}L_k^{\dagger}L_k\rho-\frac{1}{2}\rho L_k^{\dagger}L_k\right)\)

Die Operatoren \(L_k\) beschreiben dissipative Prozesse.

Tensor-Netzwerk-Erweiterungen

TEBD-Ideen können auch auf solche Probleme übertragen werden. Statt eines reinen MPS kann beispielsweise eine Dichtematrix als Matrix Product Operator beziehungsweise Matrix Product Density Operator dargestellt werden.

Die lokale Struktur der Dynamik erlaubt weiterhin eine Zerlegung in kleine Evolutionsschritte. Allerdings wächst nun nicht nur die Zustandsverschränkung, sondern eine entsprechende Komplexität im Operatorraum. Dadurch können offene Systeme numerisch noch anspruchsvoller werden.

Alternative Ansätze verwenden stochastische Quantentrajektorien. Dabei werden viele reine Zustände simuliert und anschließend statistisch gemittelt. Welche Methode effizienter ist, hängt stark vom betrachteten Problem ab.

Vergleich mit DMRG, tDMRG und TDVP

TEBD und DMRG

Die Density Matrix Renormalization Group wurde ursprünglich zur präzisen Bestimmung von Grundzuständen eindimensionaler Quantensysteme entwickelt. Moderne DMRG lässt sich vollständig in der Sprache von Matrix Product States verstehen.

TEBD und DMRG nutzen somit dieselbe grundlegende Zustandsdarstellung, verfolgen jedoch unterschiedliche algorithmische Strategien. DMRG optimiert MPS-Tensoren variational, während TEBD eine approximierte Zeitentwicklung durch lokale Gates ausführt.

Für reine Grundzustandsprobleme ist DMRG häufig die effizientere Wahl. Für explizite zeitabhängige lokale Dynamik bietet TEBD dagegen einen sehr transparenten und direkten Ansatz.

TEBD und tDMRG

Der Begriff time-dependent DMRG, kurz tDMRG, wird in der Literatur nicht immer vollkommen einheitlich verwendet. Viele tDMRG-Verfahren arbeiten ebenfalls mit Matrix Product States und nutzen Zeitentwicklungsstrategien, die eng mit TEBD verwandt sind.

In der praktischen Forschung überschneiden sich die Begriffe daher teilweise. Entscheidend ist weniger die Bezeichnung als die verwendete Zeitintegrationsmethode, die Behandlung der Bond Dimension und das Trunkierungsschema.

Time-Dependent Variational Principle

Das Time-Dependent Variational Principle, kurz TDVP, verfolgt einen anderen Ansatz. Statt die Zeitentwicklung zuerst per Trotter-Zerlegung zu approximieren, wird die Schrödinger-Dynamik auf die Mannigfaltigkeit der Matrix Product States projiziert.

Vereinfacht ausgedrückt wird versucht, innerhalb des gewählten MPS-Raums der exakten Zeitentwicklung möglichst genau zu folgen.

Ein Vorteil bestimmter TDVP-Varianten besteht darin, dass Erhaltungsgrößen wie Energie unter geeigneten Voraussetzungen sehr präzise behandelt werden können. TEBD besitzt dagegen eine einfache lokale Gate-Struktur und ist für Nächster-Nachbar-Hamiltonoperatoren besonders intuitiv und effizient.

Keines der Verfahren ist grundsätzlich für jede Situation überlegen. Die Wahl hängt von Hamiltonoperator, Verschränkungsentwicklung, gewünschter Genauigkeit und den relevanten Erhaltungsgrößen ab.

Krylov-Verfahren

Eine weitere Möglichkeit zur Zeitentwicklung besteht in Krylov-Unterraumverfahren. Dabei wird die Wirkung der Matrixexponentialfunktion auf einen Zustand in einem kleinen, speziell konstruierten Unterraum approximiert.

Krylov-Methoden können sehr genau sein und benötigen nicht zwangsläufig eine Suzuki-Trotter-Zerlegung. Im Tensor-Netzwerk-Kontext entstehen jedoch andere Herausforderungen bei der Darstellung und Kompression der resultierenden Zustände.

Langreichweitige Wechselwirkungen

Problem der lokalen Gate-Struktur

Die klassische TEBD-Struktur ist optimal für Nächster-Nachbar-Wechselwirkungen. Wirkt ein Hamiltonterm dagegen zwischen weit voneinander entfernten Gitterplätzen, lässt er sich nicht unmittelbar als lokales Gate auf zwei benachbarte MPS-Tensoren anwenden.

Eine Möglichkeit besteht in Swap-Gates. Dabei werden Freiheitsgrade innerhalb der MPS-Kette vorübergehend vertauscht, bis die miteinander wechselwirkenden Gitterplätze nebeneinanderliegen. Nach der Operation werden die Vertauschungen rückgängig gemacht.

Diese Strategie ist korrekt, kann aber den Rechenaufwand deutlich erhöhen.

Matrix Product Operators

Langreichweitige Hamiltonoperatoren können häufig effizient als Matrix Product Operators dargestellt werden. Dann kommen Zeitentwicklungsverfahren zum Einsatz, die direkt auf dieser MPO-Struktur arbeiten.

Damit verschwimmt die Grenze zwischen klassischem TEBD und allgemeineren MPS-Zeitentwicklungsverfahren. Für moderne Berechnungen ist daher entscheidend, die Methode an die Struktur des Hamiltonoperators anzupassen, statt TEBD schematisch auf jedes Problem anzuwenden.

Praktische Implementierung

Datenstrukturen

Eine effiziente TEBD-Implementierung benötigt leistungsfähige Tensoroperationen. Besonders wichtig sind Tensor-Kontraktionen, Matrixzerlegungen und Umformungen großer Datenblöcke.

Die Reihenfolge von Tensor-Kontraktionen beeinflusst den Rechenaufwand erheblich. Eine mathematisch äquivalente Operation kann je nach Kontraktionsreihenfolge unterschiedlich viel Speicher und Rechenzeit benötigen.

Singularwertzerlegung als Engpass

Da nach nahezu jeder Zwei-Site-Operation eine Singularwertzerlegung durchgeführt wird, gehört sie zu den zentralen Rechenoperationen von TEBD. Hochoptimierte lineare Algebra ist deshalb entscheidend für die Geschwindigkeit.

Bei sehr großen Bond Dimensions kann es sinnvoll sein, nur einen Teil des Singulärwertspektrums zu berechnen. Ob dies tatsächlich effizienter ist, hängt jedoch von Matrixgröße, gewünschter Genauigkeit und verfügbarer numerischer Bibliothek ab.

CPU und GPU

Tensoroperationen eignen sich grundsätzlich für parallele Rechenarchitekturen. Moderne TEBD-Implementierungen können daher von Mehrkernprozessoren und Grafikprozessoren profitieren.

Eine GPU beseitigt jedoch nicht das fundamentale Problem des Verschränkungswachstums. Sie kann die Operationen für eine gegebene Bond Dimension beschleunigen, ändert aber nicht die Tatsache, dass die benötigte Zustandsdarstellung selbst exponentiell schwieriger werden kann.

Softwarebibliotheken

Für praktische Berechnungen existieren etablierte Tensor-Netzwerk-Bibliotheken. Zu den bekannten Werkzeugen gehören ITensor und TeNPy. Sie stellen Funktionen für Matrix Product States, Matrix Product Operators, Kanonisierung, Trunkierung, Symmetrien und Zeitentwicklung bereit.

Der Einsatz einer Bibliothek reduziert das Risiko grundlegender Implementierungsfehler. Für wissenschaftliche Arbeiten bleiben Konvergenztests und ein Verständnis der verwendeten Algorithmen dennoch unverzichtbar. Eine Bibliothek kann mathematische Entscheidungen automatisieren, aber nicht beurteilen, ob ein erhaltenes Resultat physikalisch ausreichend konvergiert ist.

Stärken von TEBD

Effiziente Nutzung physikalischer Struktur

Der wichtigste Vorteil von TEBD ist die konsequente Nutzung der lokalen Struktur eines Quantensystems. Statt einen exponentiell großen Zustandsvektor zu entwickeln, werden nur die tatsächlich benötigten Tensoren aktualisiert.

Für schwach und moderat verschränkte Zustände ermöglicht dies Simulationen, die mit exakter Diagonalisierung nicht erreichbar wären.

Direkte Kontrolle der Approximation

TEBD besitzt klar identifizierbare numerische Fehlerquellen. Der Trotter-Fehler kann durch Variation des Zeitschritts untersucht werden. Der Trunkierungsfehler kann über verworfene Singularwerte und Bond-Dimension-Konvergenz kontrolliert werden.

Diese Transparenz ist wissenschaftlich wertvoll. Ein Ergebnis kann systematisch auf numerische Stabilität überprüft werden.

Flexible Beobachtung der Dynamik

Da zu jedem Simulationszeitpunkt ein vollständiger Matrix Product State vorliegt, können zahlreiche Größen ausgewertet werden. Dazu gehören lokale Dichten, Magnetisierungen, Korrelationsfunktionen, Energie, Verschränkungsentropie und Entanglement Spectrum.

TEBD ist damit nicht nur ein Verfahren zur Berechnung eines Endzustands, sondern ein Werkzeug zur detaillierten Untersuchung des gesamten dynamischen Prozesses.

Grenzen und typische Fehlinterpretationen

TEBD ist kein universeller Ersatz für exponentielle Quantensimulation

Die Effizienz von TEBD bedeutet nicht, dass beliebige Quantensysteme effizient auf klassischen Computern simuliert werden können. Die Methode funktioniert genau deshalb so gut, weil bestimmte Zustände eine besondere, komprimierbare Verschränkungsstruktur besitzen.

Geht diese Struktur verloren, wächst auch der Aufwand von TEBD stark an.

Eine große Bond Dimension garantiert keine korrekte Rechnung

Eine sehr große maximale Bond Dimension behebt weder einen zu großen Trotter-Zeitschritt noch eine fehlerhafte Hamiltonoperator-Darstellung. Ebenso kann eine kleine angezeigte Trunkierungsgröße täuschen, wenn relevante physikalische Größen noch nicht konvergiert sind.

Numerische Zuverlässigkeit entsteht erst durch unabhängige Kontrollen.

Kleine Zeitschritte sind nicht automatisch optimal

Wird der Zeitschritt extrem klein gewählt, steigt die Anzahl der Gate-Anwendungen. Damit wächst auch die Zahl der Trunkierungen. In manchen Situationen kann eine unnötig starke Verringerung des Trotter-Fehlers deshalb zu zusätzlichem Rechenaufwand führen, ohne die gesamte Simulation entsprechend zu verbessern.

Die optimale Parameterwahl hängt vom Zusammenspiel zwischen Trotter- und Trunkierungsfehler ab.

Zweidimensionale Systeme

Ein zweidimensionales Gitter kann prinzipiell in eine eindimensionale MPS-Kette umgeordnet werden. Dadurch entstehen jedoch viele effektive langreichweitige Wechselwirkungen, und die erforderliche Bond Dimension steigt meist stark an.

Für echte zweidimensionale Tensor-Netzwerke wurden deshalb andere Ansätze wie Projected Entangled Pair States entwickelt. Deren Kontraktion ist allerdings wesentlich schwieriger als bei eindimensionalen Matrix Product States.

Bedeutung für die Quantentechnologie

Klassische Simulation von Quantensystemen

TEBD ist zunächst ein klassischer Algorithmus. Er läuft auf herkömmlichen Computern und simuliert Quantensysteme durch eine komprimierte mathematische Darstellung. Seine Bedeutung für die Quantentechnologie ergibt sich daraus, dass reale Quantenplattformen verstanden, entworfen und überprüft werden müssen.

Experimente mit ultrakalten Atomen, Ionenketten oder anderen kontrollierten Vielteilchensystemen können mit Tensor-Netzwerk-Simulationen verglichen werden. Solange das betrachtete System in einem für MPS zugänglichen Regime liegt, liefert TEBD eine wertvolle klassische Referenz.

Benchmarking von Quantensimulatoren

Ein Quantenprozessor oder analoger Quantensimulator benötigt verlässliche Vergleichswerte. Für eindimensionale Systeme kann TEBD solche Referenzdaten bereitstellen.

Stimmen experimentelle Messungen innerhalb kontrollierter Fehlergrenzen mit einer TEBD-Rechnung überein, erhöht dies das Vertrauen in die korrekte Realisierung des gewünschten Hamiltonoperators und der vorgesehenen Dynamik.

Wächst die Verschränkung so stark, dass TEBD nicht mehr zuverlässig skalieren kann, wird der direkte klassische Vergleich schwieriger. Gerade dieser Übergang ist für die Untersuchung der Leistungsgrenzen klassischer und quantenmechanischer Simulationsmethoden von besonderem Interesse.

Verhältnis zu Quantencomputern

Tensor-Netzwerk-Methoden und Quantencomputer sind keine einfachen Gegensätze. Vielmehr ergänzen sie sich. Klassische MPS-Verfahren können Schaltkreise mit begrenzter Verschränkung effizient simulieren und damit bei der Entwicklung und Validierung von Quantenalgorithmen helfen.

Gleichzeitig zeigen ihre Grenzen, welche Quantenzustände für klassische Verfahren besonders anspruchsvoll sind. TEBD liefert dadurch nicht nur Simulationsergebnisse, sondern auch Einsichten darüber, welche Form quantenmechanischer Komplexität klassische Rechner tatsächlich überfordert.

Weiterentwicklungen und zukünftige Perspektiven

Adaptive Algorithmen

Moderne Zeitentwicklungsverfahren versuchen, Bond Dimension, Zeitschritt und Trunkierung dynamisch an das jeweilige Problem anzupassen. Statt während der gesamten Simulation dieselben Parameter zu verwenden, reagiert der Algorithmus auf die aktuelle Verschränkungsstruktur und die beobachteten Fehlergrößen.

Eine solche Adaptivität kann Rechenzeit sparen und gleichzeitig die Genauigkeit verbessern.

Hardwarebeschleunigung

Fortschritte bei GPU-Systemen, paralleler linearer Algebra und spezialisierten Tensor-Bibliotheken ermöglichen zunehmend größere Bond Dimensions. Auch verteilte Rechenverfahren können die praktische Reichweite von Tensor-Netzwerk-Simulationen erhöhen.

Die zentrale theoretische Grenze bleibt jedoch bestehen: Wenn die für eine genaue Darstellung erforderliche Bond Dimension exponentiell wächst, verschiebt bessere Hardware lediglich den erreichbaren Zeitpunkt.

Tensor-Netzwerke und Machine Learning

Tensor-Netzwerke werden zunehmend mit Methoden des maschinellen Lernens verbunden. Automatische Differenzierung ermöglicht beispielsweise die Optimierung komplexer Tensorstrukturen mit Techniken, die ursprünglich aus neuronalen Netzen stammen.

Umgekehrt werden MPS und andere Tensor-Netzwerke selbst als Modelle für maschinelles Lernen untersucht. Die mathematische Verbindung entsteht dadurch, dass sowohl Tensor-Netzwerke als auch viele Lernmodelle hochdimensionale Funktionen durch strukturierte Faktorisierungen darstellen.

Hybride klassische und quantenmechanische Verfahren

Langfristig könnten Tensor-Netzwerke eine wichtige Rolle in hybriden Simulationsstrategien spielen. Teile eines Problems, die klassisch effizient behandelbar sind, können auf klassischen Rechnern berechnet werden, während besonders schwer darstellbare Komponenten auf Quantenhardware ausgelagert werden.

Ob solche Kombinationen einen praktischen Vorteil erzielen, hängt von Hardware, Fehlerraten, Datenübertragung und der Struktur des jeweiligen Problems ab. TEBD bleibt hierbei vor allem als präzise klassische Referenzmethode relevant.

Fazit

Time-Evolving Block Decimation ist eines der grundlegenden Verfahren zur Simulation zeitabhängiger eindimensionaler Quantenvielteilchensysteme. Der Algorithmus kombiniert die komprimierte Darstellung eines Quantenzustands durch Matrix Product States mit einer lokalen Zerlegung des Zeitentwicklungsoperators und einer kontrollierten Reduktion der entstehenden Tensoren.

Die Suzuki-Trotter-Zerlegung ersetzt die globale Zeitentwicklung durch eine Folge lokaler Gates. Nach jeder lokalen Operation wird der betroffene Teil des Matrix Product State durch Singularwertzerlegung erneut faktorisiert. Kleine Singularwerte können verworfen werden, sodass die Bond Dimension kontrollierbar bleibt.

Genau diese Trunkierung macht große Simulationen möglich. Gleichzeitig definiert sie zusammen mit dem Trotter-Fehler die zentrale numerische Approximation des Verfahrens.

Die eigentliche physikalische Grenze von TEBD liegt jedoch tiefer. Entscheidend ist die Entwicklung der Verschränkung. Solange ein Zustand mit moderater Bond Dimension beschrieben werden kann, ist TEBD ausgesprochen leistungsfähig. Wächst die Verschränkung dagegen stark an, steigt die erforderliche Bond Dimension und damit der Rechenaufwand rapide.

TEBD ist deshalb kein allgemeines Mittel zur effizienten Simulation beliebiger Quantensysteme. Es ist ein präzises Werkzeug für eine klar definierte Klasse von Problemen. Gerade diese Spezialisierung macht die Methode so wertvoll. Für eindimensionale Systeme, Quantum Quenches, die Dynamik von Spin-Ketten, ultrakalte Atome und zahlreiche weitere Vielteilchenprobleme liefert sie eine direkte Verbindung zwischen mathematischer Tensorstruktur und physikalischer Zeitentwicklung.

Auch Jahrzehnte nach ihrer Einführung bleibt TEBD ein zentraler Bestandteil moderner Tensor-Netzwerk-Methoden. Viele neuere Verfahren bauen auf denselben grundlegenden Ideen auf oder werden mit TEBD verglichen. Damit ist die Methode nicht nur ein numerisches Werkzeug, sondern ein wichtiger Schlüssel zum Verständnis dessen, warum bestimmte komplexe Quantensysteme klassisch berechenbar bleiben und andere die Grenzen klassischer Simulation erreichen.

Mit freundlichen Grüßen Jörg-Owe Schneppat

Anhang

Wissenschaftliche Zeitschriften und Artikel

Die wissenschaftliche Literatur zu Time-Evolving Block Decimation (TEBD) verbindet mehrere eng zusammenhängende Forschungsgebiete: die zeitabhängige Simulation eindimensionaler Quantenvielteilchensysteme, Matrix Product States (MPS), Density Matrix Renormalization Group (DMRG), Tensor-Netzwerke, Verschränkung sowie Suzuki-Trotter-Produktformeln. Für eine wissenschaftliche Abhandlung sollten die ursprünglichen TEBD-Arbeiten klar von späteren Übersichtsartikeln und methodischen Weiterentwicklungen unterschieden werden.

Grundlegende Primärliteratur zu Time-Evolving Block Decimation

  • Guifré Vidal: Efficient Simulation of One-Dimensional Quantum Many-Body Systems, Physical Review Letters 93, 040502, 2004.
    • Diese Arbeit gehört zur unmittelbaren Primärliteratur von TEBD. Vidal beschreibt ein numerisches Verfahren zur Simulation der Zeitentwicklung eindimensionaler Quantenvielteilchensysteme mit lokalen Wechselwirkungen und stellt den Zusammenhang zwischen effizienter Simulation und begrenzter Verschränkung heraus. Für eine Abhandlung eignet sich die Veröffentlichung als Hauptquelle für Ursprung, Grundprinzip, lokale Zeitentwicklung, Trunkierung und die fundamentale Abhängigkeit der Methode von der Verschränkungsstruktur.
  • Guifré Vidal: Classical Simulation of Infinite-Size Quantum Lattice Systems in One Spatial Dimension, Physical Review Letters 98, 070201, 2007.
    • Diese Primärarbeit führt die TEBD-Idee auf translationsinvariante Systeme im thermodynamischen Limes aus und bildet die Grundlage des als iTEBD bekannten Verfahrens. Sie ist besonders relevant für den Abschnitt über unendliche Ketten, wiederholte Einheitszellen sowie die Berechnung von Grundzuständen und Zeitentwicklung ohne endliche Randbedingungen.
  • Guifré Vidal: Efficient Classical Simulation of Slightly Entangled Quantum Computations, Physical Review Letters 91, 147902, 2003.
    • Diese Arbeit ist ein wichtiger konzeptioneller Vorläufer von TEBD. Sie zeigt, weshalb begrenzte Verschränkung eine effiziente klassische Simulation bestimmter Quantensysteme ermöglicht. Für die Abhandlung ist sie besonders geeignet, um den Zusammenhang zwischen Schmidt-Zerlegung, Bond Dimension, Verschränkung und klassischem Rechenaufwand theoretisch zu motivieren.

TEBD, DMRG und zeitabhängige Matrix Product States

  • Andrew J. Daley, Corinna Kollath, Ulrich Schollwöck, Guifré Vidal: Time-dependent density-matrix renormalization-group using adaptive effective Hilbert spaces, Journal of Statistical Mechanics: Theory and Experiment 2004, P04005, 2004.
    • Die Arbeit übersetzt den TEBD-Algorithmus explizit in die Sprache von Matrix Product States und DMRG. Sie ist deshalb eine der wichtigsten Quellen für die Verbindung zwischen TEBD und zeitabhängiger DMRG. Besonders nützlich ist sie für Abschnitte über adaptive Hilberträume, Trunkierung, Symmetrien sowie die praktische Umsetzung einer zeitabhängigen MPS-Simulation.
  • Steven R. White, Adrian E. Feiguin: Real-Time Evolution Using the Density Matrix Renormalization Group, Physical Review Letters 93, 076401, 2004.
    • Diese Primärarbeit ist für die parallele Entwicklung zeitabhängiger DMRG-Verfahren von zentraler Bedeutung. Sie ergänzt die TEBD-Literatur um eine DMRG-orientierte Perspektive auf Echtzeitentwicklung, Nichtgleichgewichtsdynamik, Transport und zeitabhängige Korrelationsfunktionen. In einer Abhandlung eignet sie sich insbesondere für den Vergleich von TEBD und tDMRG.
  • Ulrich Schollwöck: The density-matrix renormalization group in the age of matrix product states, Annals of Physics 326, 96–192, 2011.
    • Dieser umfangreiche Übersichtsartikel gehört zur Standardliteratur über DMRG und Matrix Product States. Er erklärt die MPS-Struktur moderner DMRG-Verfahren, kanonische Formen, Schmidt-Zerlegung, Trunkierung, Observablen und zeitabhängige Verfahren. Für die TEBD-Abhandlung ist er besonders wertvoll, um die mathematischen und algorithmischen Grundlagen ausführlicher zu belegen als dies in den ursprünglichen TEBD-Publikationen möglich ist.

Moderne Zeitentwicklungsverfahren und methodische Vergleiche

  • Sebastian Paeckel, Thomas Köhler, Andreas Swoboda, Salvatore R. Manmana, Ulrich Schollwöck, Claudius Hubig: Time-evolution methods for matrix-product states, Annals of Physics 411, 167998, 2019.
    • Diese Übersichtsarbeit ist eine der wichtigsten modernen Quellen zur MPS-Zeitentwicklung. Sie behandelt und vergleicht TEBD, MPO-basierte Methoden, Krylov-Verfahren sowie ein- und zweistellige TDVP-Algorithmen. Besonders wertvoll sind die systematische Fehleranalyse und die Gegenüberstellung verschiedener Methoden. Für eine aktuelle wissenschaftliche Einordnung von TEBD sollte diese Quelle neben der ursprünglichen Vidal-Arbeit eine zentrale Rolle spielen.
  • Jutho Haegeman, Christian Lubich, Ivan Oseledets, Bart Vandereycken, Frank Verstraete: Unifying time evolution and optimization with matrix product states, Physical Review B 94, 165116, 2016.
    • Die Arbeit entwickelt eine wichtige moderne Alternative zur Trotter-basierten TEBD-Zeitentwicklung auf Grundlage des Time-Dependent Variational Principle. Sie eignet sich hervorragend für einen fachlich fundierten Vergleich zwischen TEBD und TDVP sowie zur Diskussion von langreichweitigen Hamiltonoperatoren, Energieerhaltung und variationaler Zeitentwicklung innerhalb der MPS-Mannigfaltigkeit.
  • Román Orús: A Practical Introduction to Tensor Networks: Matrix Product States and Projected Entangled Pair States, Annals of Physics 349, 117–158, 2014.
    • Dieser didaktisch ausgerichtete Übersichtsartikel vermittelt die Grundlagen von Tensor-Netzwerken, Matrix Product States und PEPS und verbindet die theoretische Struktur mit numerischen Anwendungen. Er ist besonders geeignet, um die Einführung in Tensoren, Bond Dimension, Tensor-Kontraktionen und die Stellung von TEBD innerhalb der Tensor-Netzwerk-Methoden verständlich zu untermauern.
  • Frank Verstraete, Valentin Murg, J. Ignacio Cirac: Matrix product states, projected entangled pair states, and variational renormalization group methods for quantum spin systems, Advances in Physics 57, 143–224, 2008.
    • Diese Übersichtsarbeit ordnet Matrix Product States und höherdimensionale Tensor-Netzwerke in den größeren Zusammenhang variationaler Renormierungsverfahren ein. Für TEBD ist sie insbesondere als Hintergrundquelle zu MPS, PEPS, Verschränkung und der Rolle von Tensor-Netzwerken bei stark korrelierten Quantensystemen relevant.

Hintergrundliteratur zu Verschränkung und effizienter MPS-Darstellung

  • Jens Eisert, Marcus Cramer, Martin B. Plenio: Colloquium: Area laws for the entanglement entropy, Reviews of Modern Physics 82, 277–306, 2010.
    • Diese Übersichtsarbeit behandelt Area Laws für Verschränkungsentropie und deren Bedeutung für die effiziente numerische Beschreibung von Vielteilchensystemen. Sie liefert den theoretischen Hintergrund dafür, weshalb MPS bei vielen eindimensionalen Grundzuständen so effizient funktionieren und weshalb starkes Verschränkungswachstum die erreichbare TEBD-Simulationszeit begrenzt.

Mathematische Grundlagen der Suzuki-Trotter-Zerlegung

  • Hale F. Trotter: On the Product of Semi-Groups of Operators, Proceedings of the American Mathematical Society 10, 545–551, 1959.
    • Die Arbeit enthält die mathematische Grundlage der Trotter-Produktformel. Für TEBD ist sie relevant, weil die lokale Zerlegung des Zeitentwicklungsoperators letztlich auf solchen Produktformeln beruht. Sie sollte vor allem dann zitiert werden, wenn die mathematische Herkunft der Trotter-Zerlegung ausdrücklich erläutert wird.
  • Masuo Suzuki: Generalized Trotter's formula and systematic approximants of exponential operators and inner derivations with applications to many-body problems, Communications in Mathematical Physics 51, 183–190, 1976.
    • Suzuki erweitert die Trotter-Produktformel zu systematischen Approximationen von Operator-Exponentialfunktionen. Diese Arbeit bildet einen wesentlichen mathematischen Hintergrund der heute in TEBD verwendeten Suzuki-Trotter-Zerlegungen unterschiedlicher Ordnung. Sie ist besonders für die Diskussion von Trotter-Fehlern und höheren Zerlegungsordnungen relevant.
  • Masuo Suzuki: Construction of higher order symplectic integrators, Physics Letters A 150, 262–268, 1990.
    • Diese Arbeit behandelt systematische Konstruktionen höherer symmetrischer Produktformeln. Sie ist für eine TEBD-Abhandlung vor allem dann nützlich, wenn über die gebräuchliche Zerlegung zweiter Ordnung hinaus höhere Suzuki-Trotter-Ordnungen und deren Verhältnis zwischen Genauigkeit und Rechenaufwand behandelt werden.

Bücher und Monographien

Bücher und Monographien ersetzen bei TEBD nicht die Primärliteratur, sind jedoch für die systematische Herleitung der physikalischen Grundlagen besonders wertvoll. Sie liefern den notwendigen Kontext zu Quantenvielteilchensystemen, eindimensionaler Physik, Quanteninformation, Verschränkung, DMRG und Quantenphasenübergängen.

Monographien zu DMRG und eindimensionalen Quantensystemen

  • Ingo Peschel, Matthias Kaulke, Xiaoqun Wang, Karen Hallberg (Hrsg.): Density-Matrix Renormalization – A New Numerical Method in Physics, Lecture Notes in Physics 528, Springer, 1999.
    • Der Band gehört zur grundlegenden Buchliteratur über DMRG und dokumentiert die theoretischen Grundlagen sowie frühe Anwendungen der Methode. Obwohl TEBD erst später entwickelt wurde, bietet das Werk wichtigen historischen und methodischen Hintergrund für die Entstehung der MPS- und DMRG-basierten Zeitentwicklungsverfahren.
  • Thierry Giamarchi: Quantum Physics in One Dimension, Oxford University Press, 2004.
    • Dieses Standardwerk behandelt die besondere Physik eindimensionaler korrelierter Quantensysteme. Es eignet sich als Hintergrundliteratur für Spin-Ketten, eindimensionale Fermionen, Korrelationen und kollektive Phänomene. Für TEBD liefert es vor allem den physikalischen Kontext der Systeme, auf die die Methode typischerweise angewendet wird.
  • Henrik Bruus, Karsten Flensberg: Many-Body Quantum Theory in Condensed Matter Physics: An Introduction, Oxford University Press, 2004.
    • Das Buch vermittelt die Grundlagen der Quantenvielteilchentheorie einschließlich Zeitabhängigkeit, Vielteilchenzuständen und eindimensionalen Systemen. Es ist keine TEBD-Spezialliteratur, eignet sich aber als solide Hintergrundquelle für die physikalischen Konzepte, auf denen die mit TEBD simulierten Modelle beruhen.

Standardwerke zur Quanteninformation und Verschränkung

  • Michael A. Nielsen, Isaac L. Chuang: Quantum Computation and Quantum Information, 10th Anniversary Edition, Cambridge University Press, 2010.
    • Das Standardwerk zur Quanteninformation ist insbesondere für Schmidt-Zerlegung, Dichtematrizen, Verschränkung, Quantenoperationen und Informationsmaße relevant. Diese Konzepte erklären, weshalb die Verschränkungsstruktur über die Effizienz eines Matrix Product State und damit einer TEBD-Simulation entscheidet.

Hintergrundliteratur zu Quantenphasen und kritischen Systemen

  • Subir Sachdev: Quantum Phase Transitions, 2. Auflage, Cambridge University Press, 2011.
    • Dieses Standardwerk bietet den physikalischen Hintergrund für Quantenphasenübergänge, kritische Systeme, Quantenmagnetismus und Vielteilchenverschränkung. Für eine TEBD-Abhandlung ist es besonders nützlich, wenn Quenches über kritische Punkte, kritische Spinmodelle oder die Schwierigkeiten stark korrelierter Zustände diskutiert werden.

Online-Ressourcen und Datenbanken

Online-Ressourcen sind für TEBD aus zwei Gründen wichtig: Sie ermöglichen die gezielte Recherche nach Primärliteratur und stellen zugleich aktuelle Dokumentationen für praktische Tensor-Netzwerk-Simulationen bereit. Für eine wissenschaftliche Abhandlung sollte zwischen bibliografischen Recherchewerkzeugen und technischen Lern- beziehungsweise Software-Ressourcen unterschieden werden.

Wissenschaftliche Recherche und bibliografische Datenbanken

  • arXiv: Frei zugängliches Preprint-Archiv für Physik, Mathematik und verwandte Fachgebiete.
    • arXiv enthält zahlreiche grundlegende und aktuelle Arbeiten zu TEBD, Matrix Product States, DMRG, Tensor-Netzwerken und Nichtgleichgewichtsdynamik. Die Plattform ist besonders nützlich, um frei verfügbare Fassungen veröffentlichter Arbeiten sowie neue methodische Entwicklungen zu recherchieren. Bei der Zitierung sollte nach Möglichkeit zusätzlich die begutachtete Journal-Version verwendet werden.
  • Crossref Metadata Search: Bibliografische Recherche nach DOI, Autor, Titel und Publikationsdaten.
    • Crossref ist besonders hilfreich, um DOI-Angaben, Publikationstitel, Autoren und bibliografische Metadaten zu überprüfen. Für einen wissenschaftlichen TEBD-Anhang eignet sich die Datenbank daher vor allem zur Validierung von Quellenangaben und zur Vermeidung fehlerhafter DOI- oder Journalinformationen.

Fachjournale und Verlage

  • American Physical Society: Physical Review Journals.
    • Die Zeitschriften der American Physical Society enthalten mehrere der grundlegenden Veröffentlichungen zu TEBD, zeitabhängiger DMRG, Matrix Product States und verwandten Verfahren. Physical Review Letters, Physical Review B und Reviews of Modern Physics sind für das Thema besonders relevant.
  • Elsevier: Annals of Physics.
    • Annals of Physics enthält mehrere umfangreiche und methodisch wichtige Übersichtsarbeiten über Matrix Product States, Tensor-Netzwerke und Zeitentwicklungsverfahren. Für TEBD ist die Zeitschrift insbesondere aufgrund der Arbeiten von Schollwöck, Orús sowie Paeckel und Koautoren von hoher Bedeutung.
  • IOP Publishing: Journal of Statistical Mechanics: Theory and Experiment.
    • Das Journal veröffentlicht Arbeiten zu statistischer Physik, Quanten-Vielteilchensystemen, Nichtgleichgewichtsdynamik und numerischen Verfahren. Für TEBD ist insbesondere die Arbeit von Daley, Kollath, Schollwöck und Vidal zur Verbindung von TEBD und zeitabhängiger DMRG relevant.

Lern- und Forschungsplattformen

  • TensorNetwork.org: Offene Fachressource zu Tensor-Netzwerken, MPS, MPO und Zeitentwicklungsalgorithmen.
    • Die Plattform bietet strukturierte Einführungen in Matrix Product States, Tensor-Kontraktionen und Zeitentwicklungsalgorithmen. Im Bereich MPS werden unter anderem Trotter-Gate-Zeitentwicklung, TEBD, MPO-basierte Verfahren, TDVP und Krylov-Methoden eingeordnet. Sie eignet sich als ergänzende Lernressource und als Orientierung für algorithmische Zusammenhänge, sollte jedoch Primärliteratur nicht ersetzen.
  • TeNPy: Tensor Network Python – TEBD-Dokumentation.
    • TeNPy ist eine auf Tensor-Netzwerke spezialisierte Python-Bibliothek für stark korrelierte Quantensysteme. Die TEBD-Dokumentation beschreibt die praktische Implementierung der Trotter-Zerlegung, die Aufteilung in gerade und ungerade Bindungen, Zeitentwicklungsparameter sowie verschiedene TEBD-Engines. Sie ist besonders hilfreich, wenn die Abhandlung einen praxisnahen Abschnitt zur numerischen Implementierung enthält.
  • ITensorMPS.jl: Dokumentation für Matrix Product States und Matrix Product Operators.
    • ITensor stellt leistungsfähige Datenstrukturen und Algorithmen für MPS, MPO, DMRG und Tensor-Kontraktionen zur Verfügung. Die aktuelle MPS-Dokumentation ist besonders nützlich für kanonische Formen, Orthogonalitätszentren, Bond Dimensions, Quantenzahlen und praktische Tensoroperationen. Sie eignet sich als technische Ergänzung zu den theoretischen Quellen.
  • ITensor: Tutorials zu Matrix Product States und Tensor-Netzwerken.
    • Die ITensor-Tutorials erläutern zahlreiche praktische Grundlagen, darunter MPS-Darstellungen, Tensorzerlegungen, Observablen und numerische Kosten von Tensor-Kontraktionen. Für eine wissenschaftliche Abhandlung sind sie keine Ersatzquelle für peer-reviewte Literatur, können jedoch bei der technischen Überprüfung und beim Verständnis konkreter Implementierungsschritte sehr hilfreich sein.
Plasmon-Exziton-Polaritonen (PEPs)

Plasmon-Exziton-Polaritonen (PEPs)

...

CNOT-Gatter (Controlled-X / Controlled-NOT)

CNOT-Gatter (Controlled-X / Controlled-NOT)

...

Quantum Singular Value Estimation (QSVE)

Quantum Singular Value Estimation (QSVE)

...

Kationen

Kationen

...

Zeeman-Effekt

Zeeman-Effekt

...

Quantum Sensing for Biophysics and Bioengineering (QuBBE)

Quantum Sensing for Biophysics and Bioengineering (QuBBE)

...