量子科技中心_量科网

该团队开发了TTNOpt，这是一个利用树张量网络（TTNs）进行量子自旋系统和高维数据分析的软件包。TTNOpt通过根据目标张量的纠缠模式局部优化网络结构，提供了高效且强大的TTN计算功能。对于量子自旋系统，TTNOpt能够搜索具有双线性自旋相互作用和磁场的哈密顿量的基态，并计算这些态的物理性质，包括变分能量、二分纠缠熵（EE）、单点期望值以及两点关联函数。此外，如果哈密顿量守恒总磁化强度，TTNOpt还可以在指定子空间内寻找最低能量态。对于高维数据分析，TTNOpt通过优化张量和网络，将复杂张量分解为最大化与原始张量保真度的TTN态。当输入为TTN时，TTNOpt基于纠缠熵重建网络，而无需参考原始态的保真度。研究团队展示了TTNOpt的三个应用示例：（1）对系统规模为256的分层链模型进行基态搜索。基态的纠缠模式在树结构中得以体现，TTNOpt成功识别了该树结构。（2）对表示三变量函数的224维量子张量进行分解，其中每个变量具有弱比特相关性。优化后的TTN显示其结构将变量彼此隔离。（3）重建表示16变量正态分布的矩阵乘积网络，该分布具有树状相关结构。TTNOpt能够揭示协方差矩阵的隐藏相关结构。