TensorFlow 上的 TensorNetwork：量子临界晶格模型的纠缠重整化

我们使用 TensorNetwork [1, 2]，这是一种最近开发的 API，用于使用 TensorFlow [3] 等加速后端执行张量网络收缩，以实现多尺度纠缠重归一化 Ansatz (MERA) 的优化算法。 我们使用 MERA 在临界状态下逼近无限一维横向场 Ising 模型的基态波函数，并从优化的 ansatz 中提取保形数据。 比较 CPU 与 GPU 上优化的运行时间，我们报告了在 GPU 上运行时优化算法的速度非常显着，高达 200 倍。我们使用了 TensorNetwork，这是一个带有 TensorFlow 后端的张量收缩 API，来实现 Ref 的尺度不变 MERA 优化算法。 [33, 34]。 作为基准，我们使用该算法在热力学极限下逼近临界横向场 Ising 模型的基态，使用键维数高达 χ = 16 的 MERA。从优化的 MERA 中，我们计算了最低的 12 个 Ising 模型的缩放维度与理论预测值非常吻合。 在 GPU 上运行时，我们观察到与 1 个 CPU 核心相比，速度提高了 200 倍，与 32 个 CPU 相比，速度提高了 6 倍。