행렬곱 상태 기반 최적 정확도 란초스 알고리즘

초록

본 논문은 MPS 표현에서 발생하는 트렁케이션 오류를 극복하기 위해 수정된 두꺼운 블록 란초스(MTBL) 방법을 제안한다. Ritz 벡터와 그 잔차를 이용한 블록 재시작으로 독립적인 보정 방향을 복원하고, shift‑and‑invert 변환을 결합해 저에너지부터 높은 에너지까지 다중 고유 상태를 직접 타깃한다. 1‑차원 페르미‑허버드와 외부장 Heisenberg 모델에 대한 수치 실험에서, 주어진 결합 차원(M) 한계 내에서 가능한 최상의 정확도를 달성했으며, 120‑site Heisenberg 체에도 확장성을 보였다.

상세 분석

본 연구는 텐서 네트워크, 특히 행렬곱 상태(MPS)와 행렬곱 연산자(MPO) 프레임워크 내에서 란초스 알고리즘을 구현할 때 발생하는 두 가지 주요 문제—벡터 정규직교성 상실과 Krylov 공간의 발산—에 초점을 맞춘다. 기존의 세 항 재귀식은 MPS 트렁케이션으로 인해 정확히 유지되지 못해, 각 Ritz 쌍마다 서로 다른 잔차 벡터가 생성된다. 따라서 전통적인 Thick‑Restart Lanczos(TRL) 방식은 하나의 잔차 벡터(|q_k⟩)가 모든 Ritz 쌍에 대한 보정 정보를 전달한다는 가정이 깨져, 재시작 후 수렴이 급격히 저하된다. 이를 해결하기 위해 저자들은 Modified Thick‑Block Lanczos(MTBL)를 설계하였다. 핵심 아이디어는 (i) 현재까지 얻은 t개의 Ritz 벡터 {|ϕ_i⟩}와 각각의 잔차 |r_i⟩=H|ϕ_i⟩−θ_i|ϕ_i⟩를 블록으로 모아 새로운 시작 공간을 구성하고, (ii) 이 블록을 정규화·압축하면서 기존 MPS 차원을 유지하는 것이다. 이렇게 하면 각 Ritz 쌍에 대해 독립적인 보정 방향이 제공되어, 트렁케이션 오류가 누적되는 현상을 크게 억제한다. 또한, 잔차를 직접 사용함으로써 재시작 단계에서 발생하는 정규직교성 손실을 최소화하고, 재오쏘리제이션 비용을 크게 낮춘다.

추가적으로, 저자들은 shift‑and‑invert(SI) 변환을 MTBL에 결합하였다. SI는 (H−σI)^{-1} 연산을 통해 스펙트럼을 뒤집어 원하는 고유값 근처를 확대한다. 이때 σ는 목표 에너지에 가까운 시프트 파라미터이며, MPO 형태로 구현된 역연산은 사전 계산된 근사 역연산자와 Krylov 서브스페이스 재구성을 통해 효율적으로 수행된다. 결과적으로, 낮은 에너지 상태를 먼저 구할 필요 없이 직접적으로 높은 excited state를 타깃할 수 있어, 누적 오류의 전파를 방지한다.

수치 실험에서는 반채워진 1‑D 페르미‑허버드 체인(L=30)과 외부장 Heisenberg XXZ 체인(L=40)을 대상으로 첫 5개의 고유 상태를 목표로 삼았다. 다양한 결합 차원 M(100~500)에서 MTBL은 기존 MPS‑Lanczos 구현이 보이는 고정된 오류 플레이트를 넘어, M에 의해 정해지는 이론적 최적 정확도(즉, MPS 근사 오차 한계)까지 수렴함을 확인했다. 특히, DMRG와 비교했을 때 동일한 M에 대해 MTBL이 더 높은 정확도를 보이며, 특히 근접 퇴화 상태에서 root‑flipping 문제가 전혀 발생하지 않았다. 마지막으로, L=120인 Heisenberg 체인에 적용한 결과, 메모리 사용량은 O(L·M^2) 수준을 유지하면서도 10^{-8} 수준의 에너지 오차를 달성, 알고리즘의 확장성을 입증하였다.

이러한 결과는 (1) MPS 트렁케이션에 의해 발생하는 Krylov 공간 왜곡을 블록 잔차 재시작으로 효과적으로 보정, (2) SI 변환을 통한 직접 excited‑state 타깃팅, (3) 기존 DMRG 대비 로컬 최소함정에 얽매이지 않는 전역적 스펙트럼 탐색 능력이라는 세 가지 핵심 장점을 제공한다는 점에서 의미가 크다. 향후 2‑D PEPS나 다중 오비탈 양자화학 문제에도 동일한 블록‑잔차 전략을 확장할 가능성이 기대된다.