Optimización de la renormalización numérica utilizando información cuántica: aplicación a modelos de una impureza interactuante.
El DMRG es un método numérico que sirve para calcular propiedades de sistemas de muchas partículas interactuantes. Se basa en la renormalización del espacio de Hilbert utilizando los estados mas relevantes de la matriz densidad reducida. Su eficiencia depende de que el estrelazamiento entre las p...
Guardado en:
Autor principal: | |
---|---|
Formato: | Tesis NonPeerReviewed |
Lenguaje: | Español |
Publicado: |
2017
|
Materias: | |
Acceso en línea: | http://ricabib.cab.cnea.gov.ar/695/1/Flores_Marozzi.pdf |
Aporte de: |
Sumario: | El DMRG es un método numérico que sirve para calcular propiedades de sistemas de
muchas partículas interactuantes. Se basa en la renormalización del espacio de Hilbert
utilizando los estados mas relevantes de la matriz densidad reducida. Su eficiencia depende
de que el estrelazamiento entre las partes del sistema sea pequeño. El objetivo de
este trabajo es optimizar el DMRG utilizando técnicas de información cuántica. Esto
se logra mediante el cambio de representación al espacio de los Orbitales Naturales.
Esta base es interesante porque minimiza la entropía de sitio en la red. Por este motivo
es apropiada para la ejecución del DMRG.
Se utilizó como objeto de estudio el modelo de una impureza de Anderson unidimensional.
Se estudiaron propiedades estáticas y dinámicas con el fin de evaluar si el
cambio de representación al espacio de los Orbitales Naturales reduce el costo computacional
del DMRG. Se vio que el método propuesto reduce el uso de memoria y el
tiempo de ejecucion en todos los casos estudiados.
Estos resultados son alentadores porque indican que el espacio de los Orbitales
Naturales podría utilizarse para el estudio de sistemas mas complejos en los que el
DMRG tradicional consume muchos recursos computacionales. Ejemplos de estos casos
son: sistemas de mas de una impureza, Hamiltonianos con interacciones de largo alcance
y sistemas en mas de una dimensión.
|
---|