量子科技中心_量科网

张量网络方法，特别是基于矩阵乘积态（MPS）的技术，为量子多体系统模拟提供了强大框架。这些方法中持续存在的计算挑战在于键合维度chi的选择——该参数控制着计算精度与成本之间的权衡。固定键合维度策略要么在低纠缠区域浪费资源，要么在高纠缠区域损失精度。该工作提出了一种自适应键合维度管理框架，通过结合冯·诺依曼熵反馈与比例-积分-微分（PID）控制器，在模拟过程中动态调整每个键的chi值。指数移动平均（EMA）滤波器可稳定熵测量值以应对瞬态波动，而预测性调度模块则通过熵趋势预判未来键合维度需求。基于单键粒度的资源分配确保计算资源集中于纠缠度最大的区域。该框架通过CuPy和cuSOLVER后端集成GPU加速的奇异值分解（SVD），在孤立矩阵分解场景中（基于NVIDIA A100-SXM4-40GB GPU，CuPy 13.4.1与CUDA 12.8平台测得），相较于CPU版NumPy实现，当chi=256时单次SVD加速达4.1倍，chi=2048时达7.1倍。在自旋1/2反铁磁海森堡链上的系统级测试表明，相比固定chi模拟，总DMRG耗时减少2.7倍，能量精度与Bethe ansatz解的误差保持在0.1%以内。与密度矩阵重整化群（DMRG）算法集成后，在chi=128条件下各向同性海森堡模型的单点基态能量收敛至E/N = -0.4432。通过与亚马逊云服务（AWS）Braket SV1态矢量模拟器的对比验证，小型系统的计算结果误差保持在2-5%范围内。