量子科技中心_量科网

近年来，人们对利用置信传播算法（一种最初用于图形模型统计推断的算法）进行近似但高效的张量网络收缩产生了日益浓厚的兴趣。本文详细阐述了如何将广义置信传播（GBP）——即信息在张量网络的重叠区域层次结构中传递——应用于张量网络的近似收缩并获得精确结果。原始置信传播算法是该方法的特例，对应于张量网络中一种极其简单的区域选择方案。研究团队针对一系列二维和三维、无限和有限张量网络实现了多种不同区域选择的GBP算法，通过数值方法求解相应定点方程，并在特定可处理案例中进行解析求解。研究案例包括：计算完全受抑伊辛模型的配分函数、三维冰模型基态简并度测定、变形AKLT量子态可观测量测算，以及随机生成张量网络态范数评估。