Density Matrix Renormalization Group

Praca zaliczeniowa do wykładu Computational Materials Science

Agnieszka Werpachowska

Friday 25 May, 2007

Spis treści
1 Wstęp 1

2 Algorytm DMRG 2
2.1 RG i problem cząstki w nieskończonym pudle potencjału . . . . . . . . . . . . 2
2.2 Density Matrix Formulation for Quantum Renormalization Groups . . . . . . 3
2.3 Dokładność metody . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.4 Kiedy stosować DMRG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

3 Wyniki numeryczne dla łańcucha Heisenberga 8

3.1 Przerwa energetyczna Haldane’a . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.2 Średnie namagnesowanie w modelu z rozszczepieniem Zeemana . . . . . . . . 10

4 Podsumowanie 11

1 Wstęp
W 1959 roku Richard Feynman w jednym ze swoich słynnych wykładów w Caltechu podzie-
lił się ze słuchaczami wówczas kontrowersyjnym, aczkolwiek bardzo cennym spostrzeżeniem:
„There’s plenty of room at the bottom”. Wywód o możliwości przesunięcia granic miniaturyza-
cji do skali pojedynczych atomów sprowokował rozwój nowego trendu w technologii i naukach
stosowanych – nanotechnologii. Pełny kwantowomechaniczny opis nanostruktur okazał się być
jednak nie lada problemem: liczba stanów układów rośnie wykładniczo z ich rozmiarem, przez
co nawet najlepsze komputery osiagają kres swoich możliwości już dla garstki atomów. Jak
więc opisać badane próbki: kryształy, które składają się z co najmniej 1026 jąder i elektronów?
Właśnie w tym celu została opracowana Density Matrix Renormalization Group (DMRG).
Metody renormalizacyjne, z których wywodzi się DMRG, opierają się na spostrzeżeniu,
że przy opisie poszczególnych właściwości układu możemy pominąć część informacji nie zmie-
niając znacząco wyniku i dzięki temu przeprowadzać obliczenia dla większych układów przy
tych samych ograniczeniach na pamięć operacyjną komputera. Kiedy więc opisujemy układ o
n stanach, możemy zachować tylko m ≪ n „najważniejszych”. Szukając na przykład energii
stanu podstawowego, wybierzemy m stanów odpowiadających najniższym energiom własnym

1
hamiltonianu, jak zaproponował K.G. Wilson [13]. Jednak, jak pokażę w następnym rozdzia-
le, takie rozwiązanie zawodzi, gdy chcemy opisywać układy silnie oddziałujące. Wtedy należy
użyć zaproponowanej w 1992 roku przez S. White’a metody DMRG [9, 10].
DMRG weszła do powszechnego użycia i jest intensywnie rozwijana i modyfikowana na
potrzeby wielu różnych dziedzin. Przy jej pomocy można opisywać zarówno układy bozonów,
fermionów, jak i molekuł, tworzących łańcuchy bądź drabinki, z nieporządkiem, domieszka-
mi [5] czy w polu magnetycznym [8], w sieci prostej i odwrotnej [6]. Rozwijane są algorytmy
dla układów wielowymiarowych, uwzględniające temperaturę, czy też umożliwiające badanie
dynamicznych własności układów. Ta modyfikowalność metody czyni ją niezwykle użytecz-
nym narzędziem zarówno w fizyce klasycznej i kwantowej, w chemii kwantowej, w teorii pola,
czy w modelach stochastycznych stosowanych w różnych dziedzinach badań.
W tym referacie przedstawię podstawowy algorytm DMRG oraz zobrazuję jej możliwości
i precyzję na przykładzie modelu Heisenberga.

2 Algorytm DMRG
2.1 RG i problem cząstki w nieskończonym pudle potencjału
Aby lepiej wyjaśnić zasadę działania DMRG, opiszę najpierw problem numeryczny, który
był pierwszym krokiem do jej stworzenia. Początkowo z opisem kwantowomechanicznym na-
nostruktur radziła sobie wspomniana we wstępie Renormalization Group (RG) Wilsona. W
swojej pracy, Wilson zastosował tę metodę do znalezienia energii stanu podstawowego hamil-
tonianu typu Kondo stosując następujący algorytm:

1. Blok A o długości N (łańcuch złożony z N atomów) opisujemy hamiltonianem ĤA

działającym w M -wymiarowej przestrzeni Hilberta.

2. Tworzymy blok AA o długości 2N opisany hamiltonianem ĤAA składającym się z dwóch

hamiltonianów blokowych ĤA i oddziaływania międzyblokowego, gdzie dim ĤAA = M 2 .

3. Diagonalizujemy ĤAA i wybieramy M najmniejszych wartości własnych.

4. Rzutujemy ĤAA na podprzestrzeń przestrzeni Hilberta rozpiętą na wybranych w po-

przednim punkcie M wektorach, skąd dostajemy ĤAA
tr .

5. Iterujemy procedurę od punktu 2, za każdym razem za stary hamiltonian ĤA podsta-

wiając ĤAA
tr , aż do osiągnięcia docelowego rozmiaru badanego układu.

Co jednak stanie się, kiedy w opisany sposób będziemy chcieli badać system ze zdefinio-
wanymi warunkami brzegowymi? Taką sytuację obrazuje problem cząstki w nieskończonym
pudle potencjału, przy pomocy którego White i Noack [12] znaleźli słaby punkt RG. Poniższy
rysunek przedstawia próbę rekonstrukcji funkcji falowej stanu podstawowego układu (kolor
niebieski) z funkcji stanów podstawowych bloków A (kolor pomarańczowy).

2
 1

0.8

0.6

0.4

0.2

0
0 0.2 0.4 0.6 0.8 1

Funkcja falowa stanu podstawowego badanego układu znika na brzegach. Takie same warunki
brzegowe dziedziczy każdy blok A, przez co w kolejnych iteracjach węzły występują w centrach
bloków AA. W konsekwencji, funkcja falowa stanu podstawowego zeruje się w środku ukła-
du, gdzie powinna osiągać maksymalną amplitudę. Przyczyną tego błędu jest konstruowanie
układu z izolowanych bloków, nie zawierających żadnych informacji o pozostałej części ukła-
du. Badacze rozwiązali ten problem kilkakrotnie diagonalizując ĤAA dla różnych kombinacji
warunków brzegowych (Dirichleta i Neumanna), za każdym razem wybierając po kilka stanów
o najniższej energii własnej, z których budowali bazę do kolejnej iteracji. Tym sposobem upo-
rano się z dwiema ówczesnymi bolączkami RG, z tight binding lattice (TBL, w ciągłej granicy
jest to właśnie cząstka w nieskończonym pudle potencjału) i z lokalizacją Andersona. Nadal
nie udawało się uzyskać poprawnych rozwiązań dla układów oddziałujących. White był już
jednak blisko sformułowania DMRG, którą w swojej pracy z 1992 roku [9] skromnie nazwał
uogólnieniem metody Wilsona.

2.2 Density Matrix Formulation for Quantum Renormalization Groups

Opublikowana pod tym tytułem metoda White’a opiera się na spostrzeżeniu, że zamiast
odwzorowywać oddziaływania między blokami kombinując różne warunki brzegowe, można
zanurzyć cały blok A w pewnym środowisku oddającym granicę termodynamiczną układu.
Szczegółową procedurę opiszę na przykładzie modelu Heisenberga:

Jij (Ŝix Ŝjx + Ŝiy Ŝjy + Ŝiz Ŝjz ) ,

X
Ĥ = (1)
{ij}

gdzie J to energia oddziaływania między spinami.

1. Konstruujemy układ i w wyobraźni dzielimy go na blok o długości N − 1 i jeden spin,

tak aby stany układu zapisać jako:

|φk,a i = |φk i ⊗ |ai ,

gdzie |ai jest stanem własnym operatora spinu Ŝ z w bazie kanonicznej. Stany te rozpi-
nają (2S + 1)N -wymiarową przestrzeń Hilberta.

3
 Hamiltonian układu Ĥ (0) ma wyrazy macierzowe:
(0)
Hka;k′ a′ = hφk,a |Ĥ (0) |φk′ a′ i .

2. Tworzymy lustrzane odbicie układu, czyli środowisko, symulując w ten sposób granicę
termodynamiczną układu. Całość stanowi superblok o długości 2N .
Ŝ2
Ĥ0 Ĥ0

Hamiltonian superbloku składa się z hamiltonianów układu i środowiska oraz członu

oddziaływania między nimi:

Ĥ (1) = Ĥ (0) + Ŝ2 + Ĥ (0)

w bazie |φk ⊗ a ⊗ b ⊗ φ̌l i, gdzie φ̌l to lustrzane odbicie φl .

3. Diagonalizujemy Ĥ (1) i wybieramy interesujące nas stany, na przykład stan podstawo-

wy |Ψ0 i i pierwszy stan wzbudzony |Ψ1 i, z których różnicy energii obliczymy przerwę
energetyczną Haldane’a (spingap, Haldane gap) [4].
4. Stan fizyczny superbloku |Ψi możemy zapisać jako:
X
|Ψi = ckak′ a′ |φk,a i ⊗ |φ̌k′ ,a′ i ,
k,a;k ′ ,a′

gdzie sumowanie po k i a oznacza sumowanie po pełnej bazie układu, a k′ i a′ po bazie

środowiska, |φk,a i = |φk i ⊗ |ai i |φ̌k′ ,a′ i = |a′ i ⊗ |φ̌k′ i to odpowiednio stany układu i
środowiska.
Tworzymy macierz gęstości tego stanu:

ckak′ a′ c⋆lbl′ b′ |φk,a i ⊗ |φ̌k′ ,a′ ihφl,b | ⊗ hφ̌l′ ,b′ | ,

X X
|ΨihΨ| =
k,a;k ′ ,a′ l,b;l′ ,b′

Jeżeli superblok jest w stanie czystym |Ψi (całe rozumowanie można łatwo uogólnić na
stany mieszane), to możemy wyśladować macierz |ΨihΨ| po stanach środowiska i otrzy-
mać następującą zredukowaną macierz gęstości ρ̂, która opisuje stan fizyczny układu:
X
ρ̂ = ρkalb |φk,a ihφl,b | ,
k,a;l,b

gdzie ρkalb = k ′ ,a′ ckak ′ a′ clbk ′ a′ ,

⋆ ρkalb = ρ⋆lbka i k,a ρkaka = 1.
P P

Teraz kwantowomechaniczną wartość średnią dowolnego operatora  działającego na

układ możemy znaleźć jako:

c⋆kalb ck′ a′ l′ b′ hφk,a |hφl,b |A|φk′ ,a′ i|φl′ ,b′ i

X X
hΨ|A|Ψi =
k,a,k ′ ,a′ l,b,l′ ,b′

c⋆kalb ck′ a′ lb =
X X X
= Akak′ a′ Akak′ a′ ρk′ a′ ka .
k,a,k ′ ,a′ lb k,a,k ′ ,a′

4
 5. Zanim zrobimy kolejny krok, zauważmy, że ρ̂ ma (2S + 1)N wektorów własnych i nie-
ujemnych wartości własnych danych równaniem ρ̂|v α i = wα |v α i, α wα = 1. Rozpisując
P

operator  w bazie {v α } otrzymujemy:

wα hv α |A|v α i .
X
hΨ|A|Ψi =
α

Łatwo zauważyć, że jeśli któraś z wartości własnych wα wynosi 0, to pominięcie od-

powiadającego jej stanu |v α i nie zmieni wyniku. Jeśli więc uwzględnimy tylko wektory
własne odpowiadające największym wartościom własnym, czyli te stany, które wystą-
pią z największym prawdopodobieństwem, to pozbędziemy się numerycznego problemu
związanego z rozrastającą się bazą hamiltonianu układu. Kosztem będzie niewielki błąd
wynikający z pominięcia wektorów własnych odpowiadających najmniejszym warto-
ściom własnym:
2

δ = |Ψi − |Ψ̃i ,

gdzie
aαlb |v α i ⊗ |φ̌lb i , α = 1, . . . , m < (2S + 1)N
X
|Ψ̃i =
α,l,b

oznacza otrzymany w wyniku przybliżenia stan. Jest on kombinacją najlepszych możli-

wych stanów superbloku |v α i ⊗ |φ̌lb i z wagami aαlb .
Powyższe rozumowanie można uzasadnić matematycznie. Zapiszmy najpierw badane
wielkości w nowej bazie:
aα |v α i|uα i , aα |uα i =
X X
|Ψ̃i = aαlb |φ̌lb i ,
α l,b

m
!2
α α
X X
δA = Ψkalb − aα vka ulb , (2)
k,a;l,b α=1

gdzie k, a indeksują wektory bazowe układu, a l, b środowiska. Wielkość δA przypomi-

na teraz błąd aproksymacji w metodzie najmniejszych kwadratów, i podobnie naszym
zadaniem jest go zminimalizować.
W tym celu skorzystamy z rozkładu według wartości osobliwych1 , na mocy którego stan
|Ψi superbloku możemy przedstawić w postaci:
Ψ = V DU † ,
gdzie macierz unitarna V i diagonalna dodatnio określona macierz D mają wymiar
S × S, a U jest macierzą unitarną o wymiarze E × S (S – wymiar układu, E – wymiar
środowiska, u nas S = E).
Stąd:
|ΨihΨ| = V DU † U DV † = V D 2 V †
hΨ||Ψi = U DV † V DU † = U D2 U † .
1
Rozkład według wartości osobliwych, rozkład według wartości szczególnych, dekompozycja głównych
składowych, dekompozycja na wartości singularne, dekompozycja SVD, rozkład SVD, algorytm SVD (SVD -
z ang. Singular Value Decomposition) to rozkład macierzy (dekompozycja) na wartości osobliwe (szczególne).
Jest to metoda matematyczna stosowana m.in. w analizie statystycznej służąca do redukcji wymiaru macierzy.
(źródło: Wikipedia). W zasadzie, jest to twierdzenie spektralne.

5
 I dalej, układając równania własne dla V i U otrzymujemy:

|ΨihΨ|V = V D 2 V † V = V D 2
hΨ||ΨiU = U D 2 U † U = U D2 .

Widzimy, że aby zminimalizować δA dane równaniem (2) dla zadanego m, należy za

kolejne aα wybrać największe elementy diagonalne D, a za |uα i i |v α i odpowiadające
im kolumny macierzy U i V .
Na diagonali macierzy D leżą kwadraty wartości własnych |ΨihΨ| i hΨ||Ψi, a kolumny
macierzy V i U są odpowiadającymi im stanami własnymi. Oznacza to, że zastoso-
wany rozkład według wartości osobliwych jest diagonalizacją ρ̂: kolumny macierzy U i
V zawierają stany własne odpowiednio ρ̂ układu i ρ̂ środowiska. A zatem, najbardziej
prawdopodobne stany ρ̂, które powinniśmy zostawić po obcięciu bazy to te odpowiada-
jące m największym wartościom własnym ρ̂, co kończy dowód.
Podsumowując, w tym kroku algorytmu wybieramy m stanów własnych macierzy ρ̂
odpowiadających najwększym wartościom własnym. Stanowią one nową bazę układu
(bloku o długości N ):
|φ′n i =
X
cn,ka |φk,a i . (3)
ka

Warto dodać, że jeśli obliczamy kilka stanów superbloku |Ψi, to za ρ̂ podstawiamy

średnią ich zredukowanych macierzy gęstości (przy obliczaniu różnicy energii poziomu
podstawowego i pierwszego wzbudzonego, będzie to średnia ρ̂ stanu podstawowego i ρ̂
pierwszego stanu wzbudzonego).

6. Zwiększamy układ o jeden spin:

′ (0)
Ĥ = Ĥ (0) + Ŝ2 ,

gdzie Ĥ (0) to hamiltonian starego układu a Ŝ2 to człon oddziaływania łączący dodany
spin ze starym układem.
Ŝ2
Ĥ0

Baza nowego układu to iloczyn tensorowy bazy (3) otrzymanej w poprzednim punkcie
i bazy kanonicznej dodanego spinu:

|φ′n,b i = |φ′n i ⊗ |bi =

X
cn,ka |φk i ⊗ |ai ⊗ |bi .
ka

6
 ′
Wyrazy macierzowe hamiltonianu H (0) to:
′ (0) ′ (0)
Hnb;n′ b′ = hφ′n ⊗ b|Ĥ |φ′n′ ⊗ b′ i
= hφ′n |Ĥ (0) |φ′n′ ihb|b′ i + hφ′n ⊗ b|Ŝ2 |φ′n′ ⊗ b′ i
c⋆n,ka cn′ ,k′ a′ hφk ⊗ a|Ĥ (0) |φk′ ⊗ a′ iδbb′
X
=
k,a,k ′ ,a′

c⋆n,ka cn′ ,k′ a′ hφk ⊗ a ⊗ b|Ŝ2 |φk′ ⊗ a′ ⊗ b′ i

X
+
k,a,k ′ ,a′

c⋆n,ka cn′ ,k′ a′ hφk ⊗ a|Ĥ (0) |φk′ ⊗ a′ iδbb′

X
=
k,a,k ′ ,a′

c⋆n,ka cn′ ,k′ a′ δkk′ h⊗a ⊗ b|Ŝ2 | ⊗ a′ ⊗ b′ i .

X
+
k,a,k ′ ,a′

7. Powtarzamy od kroku 2, w każdej pętli zmieniając stary układ na ten otrzymany w

poprzednim punkcie:

−→

2.3 Dokładność metody

Na podstawie punktu 5 przedstawionego w poprzednim podrozdziale algorytmu możemy wnio-
skować o stosowalności DMRG. Skoro wybieramy stany własne ρ̂ odpowiadające jej najwięk-
szym wartościom własnym, to dobrze jest, gdy różnice wartości własnych są znaczne. Jako-
ściową ocenę wyników metody daje suma wartości własnych m najlepszych wektorów. Jest
ona mniejsza od 1 o błąd obcięcia δA wynikający z nieuwzględnienia wektorów odpowiada-
jących najmniejszym wartościom własnym. Rzeczywisty błąd metody jest z reguły większy
od błędu obcięcia: podobny błąd pochodzi od środowiska, jest błąd diagonalizacji macierzy i
inne błędy numeryczne, na które czułe sa metody iteracyjne.

2.4 Kiedy stosować DMRG

Zazwyczaj, gdy oddziaływania Coulombowskie są silnie ekranowane przez jądro i elektrony,
zwykliśmy stosować przybliżenie jednoelektronowe. Metoda ta jednak nie działa w silnie sko-
relowanych układach, jak choćby tych, w których badamy fale spinowe. Ponadto, założenie
o silnym ekranowaniu potencjału Coulombowskiego jest właściwe, gdy elektrony są zdelo-
kalizowane w paśmie. Tymczasem powłoki walencyjne metali przejściowych i ziem rzadkich
zawierają elektrony typu d i f . Lokalizacja sugeruje użycie modelu ciasnego wiązania, jednak
ten nie nadaje się do badania efektów wielociałowych. Nawet jedna z najbardziej znanych i
efektywnych metod, kwantowe Monte Carlo, stosowana do fermionów boryka się z tzw. nega-
tive sign problem, jak również nie jest w stanie osiągnąć dobrej dokładności dla dużych sys-
temów i nie należy do szybkich metod. Metody pola średniego zaniedbują korelacje wyższego
rzędu. Silne oddziaływania wykluczają też użycie metod perturbacyjnych, i tylko dla szcze-
gólnych przypadków jesteśmy w stanie podać przybliżone analityczne rozwiązania budując
prosty model uwzględniający zaledwie badany efekt. Nawet wtedy dobrze jest zweryfikować
takie przybliżenia wynikami numerycznymi. We wszystkich tych przypadkach sprawdza się
DMRG.

7
3 Wyniki numeryczne dla łańcucha Heisenberga
Pozornie proste modele łańcuchów i drabinek spinowych opisują nietrywialną fizykę niskowy-
miarowych struktur magnetycznych, nadprzewodników wysokotemperaturowych, polimerów
czy zimnych atomów. Do takich należy model Heisenberga, na którym White wypróbował po
raz pierwszy DMRG [11].
W tym rozdziale pokażę wyniki numeryczne algorytmu DMRG napisanego w programie
Matlab (kod w załączniku DMRG Mfiles.zip) zastosowanego do antyferromagnetycznego łań-
cucha spinów (1) w polu magnetycznym (co wymaga trywialnej modyfikacji algorytmu) lub
bez pola.
Oszacuję energię stanu podstawowego, przerwę energetyczną Haldane’a, czyli różnicę ener-
gii stanu podstawowego i pierwszego wzbudzonego, oraz średnie namagnesowanie na kierunku
z w obecności pola magnetycznego dla wartości spinów S = 1/2 i S = 1. Przy prezentacji
wyników układemnazywam największy otrzymany superblok. Przyjmuję układ jednostek, w
którym J = 1, µB = 1 i h̄ = 1.

3.1 Przerwa energetyczna Haldane’a

Pierwszym rozwiązaniem modelu Heisenberga był ansatz Bethe’go dla jednowymiarowego an-
tyferromagnetycznego łańcucha spinów S = 1/2 [2]. Dowiódł on, że dla jednowymiarowego
przypadku nie występuje dalekozasięgowe oddziaływanie ani przerwa energetyczna. Otrzyma-
ne widmo wzbudzeń [3] przypominało kształtem klasyczną zależność dyspersyjną fal spino-
wych i na tej podstawie wyciągnięto „naukowy” wniosek, że modele Heisenberga dla większych
wartości S zbiegają do klasycznego przypadku. Dlatego też duże zaskoczenie wywołała praca
Haldane’a [4], który pokazał, że podczas gdy spiny połówkowe zachowują właściwości modelu
S = 1/2, spiny o wartościach całkowitych mają zupełnie inną fizykę, m.in. mają jednoznacz-
nie określony stan podstawowy i istnieje duża przerwa energetyczna pomiędzy poziomem
podstawowym i wzbudzonymi (przerwa energetyczna Haldane’a). Ponieważ dowód teorii Hal-
dane’a opierał się na nieliniowej teorii pola i topologii, został uznany za niejasny, a teoria
sprowadzona do rangi naukowej sugestii. Udało się przeprowadzić inny dowód znikania prze-
rwy Haldane’a dla spinów połówkowych (twierdzenie Lieba-Shultza-Mattisa,[1]), natomiast
dla spinów całkowitych jej istnienie potwierdzają tylko rezultaty numeryczne. Ze względu na
słabą zbieżność, przekonujące wyniki uzyskano dopiero przy pomocy DMRG.
Otrzymane przeze mnie wyniki dla antyferromagnetycznych łańcuchów Heisenberga (B =
0) pokazały, że dla wartości spinu S = 1/2 przerwa energetyczna znika:

8
 0.025

0.02 S = 1/2
0.015
[J]
H
∆

0.01

∆H → 0
0.005

0
0 500 1000 1500 2000
liczba spinów w ukladzie, N

Natomiast dla spinu całkowitego S = 1 jej wartość wynosi ∆H = 0.4125, co dosyć dobrze
pokrywa się z wynikami otrzymanymi przez innych autorów (0.41050(2) [11]), jak na wynik
otrzymany w ciągu 1 doby obliczeń.

0.5

0.45

0.4

0.35
∆H = 0.4125
0.3
∆H [J]

0.25

0.2

0.15

0.1

0.05 S=1
0
0 1000 2000 3000 4000 5000
liczba spinów w ukladzie, N
Podobnie otrzymana wartość energii stanu podstawowego E0 = −1.4012 (na spin) nie
odbiega znacznie od tej podawanej w literaturze (-1.401484038971(4) [11]). Na poniższym
rysunku widać zbieżność energii stanu podstawowego E0 i pierwszego wzbudzonego E1 :

9
 −1.38
E0/N
E /N
1

−1.385

−1.39
E0/N i E1/N

−1.395

E0 = 1.4012
−1.4

−1.405
0 1000 2000 3000 4000 5000
liczba spinów w ukladzie, N

3.2 Średnie namagnesowanie w modelu z rozszczepieniem Zeemana

Po włączeniu pola magnetycznego B = 1 układ magnesuje się na kierunku pola i możemy
oszacować wartość oczekiwaną średniej magnetyzacji układu w stanie podstawowym:
PN z
hΨ0 | i=1 Ŝi |Ψ0 i
hS z i = .
N
Dla modelu S = 1/2:

10
 0

−0.05
z
−0.1
〈 S 〉 = −0.1213
〈S 〉
z

−0.15
0

−0.05
−0.2 −0.1

〈 Sz 〉
−0.15

−0.25 −0.2

−0.25

−0.3
−0.3
−0.35
0 50 100 150 200 250 300 350 400
N
−0.35
0 0.5 1 1.5 2
4
liczba spinów w ukladzie, N x 10

Dla modelu S = 1:
−0.14

−0.16

〈 Sz 〉 = −0.1546
−0.18
〈 Sz 〉

−0.2

−0.22

−0.24
S=1
−0.26
0 100 200 300 400 500 600
liczba spinów w ukladzie, N

4 Podsumowanie
Sprawozdanie zawiera opis podstawego algorytmu DMRG w formie łatwej do zaimplemento-
wania w programie Matlab. Z tego względu może się on różnić od tych spotykanych w literatu-

11
rze pogrupowaniem poszczególnych kroków algorytmu, bądź ich teoretycznym uzasadnieniem.
Idea pozostaje jednak ta sama: do opisu stanu układu używamy jego zredukowanej macierzy
gęstości.
Przy pomocy zestawu funkcji napisanych w języku Matlab udało mi oszacować różne
wielkości dla jednowymiarowego antyferromagnetycznego łańcucha spinów Heisenberga. Z
zadowalającą dokładnością odtworzyłam znaną z literatury wartość przerwy energetycznej
Haldane’a i energię stanu podstawowego, co świadczy o poprawnej implementacji algorytmu.
Przykład miał na celu zobrazować szybkość i dokładność metody dla najprostszego przykładu
oddziałujących układów kwantowych, dla których zawodzą standardowe metody.
Liczba wymienionych we wstępie dziedzin, w których stosuje się i rozwija DMRG, ogrom
literatury na temat adaptowania metody do badań numerycznych układów będących najnow-
szymi osiągnięciami nanotechnologii (nanorurki, nanodruty, dynamiczne DMRG do badania
transportu przez kropki kwantowe) świadczy o niebywałej wszechstronności metody. Posłuży-
ła ona też do zbadania podstawowych własności układów o symetrii SO(3), wykazała istnienie
przerwy energetycznej Haldane’a uprzedzając dowód doświadczalny (np. [7]) i wciąż poszu-
kiwany przystępny dowód teoretyczny. Te wszystkie zastosowania czynią z niej bardzo ważne
narzędzie dla fizyki.

Literatura
[1] I. Affleck and E.H. Lieb, A proof of part of Haldane’s conjecture on spin chains, Lett.
Math. Phys. 12 (1986), 57–69.
[2] H.A. Bethe, Zur Theorie der Metalle: I. Eigenwerte und Eigenfunktionen der linearen
Atom Kette, Zeits. f. Physik 71 (1931), 205–226.
[3] J. des Cloizeaux and J.J. Pearson, Spin-wave spectrum of the antiferromagnetic linear
chain, Phys. Rev. 128 (1962), 2131–2135.
[4] F.D.M. Haldane, Nonlinear field theory of large-spin Heisenberg antiferromagnets: Se-
miclassically quantized solitons of the one-dimensional easy-axis Néel state, Phys. Rev.
Lett. 50 (1983), 1153–1156.
[5] Markus Laukamp, George Balster Martins, Claudio Gazza, André L. Malvezzi, Elbio
Dagotto, Patricia M. Hansen, Alfredo C. López, and José Riera, Enhancement of an-
tiferromagnetic correlations induced by nonmagnetic impurities: Origin and predictions
for NMR experiments, Phys. Rev. B 57 (1998), 10755–10769.
[6] S. Nishimoto, E. Jeckelmann, F. Gebhard, and R. Noack, Application of the density
matrix renormalization group in momentum space, Phys. Rev. B 65 (2002), 165114+.
[7] L. P. Regnault, I. Zaliznyak, J. P. Renard, and C. Vettier, Inelastic-neutron-scattering
study of the spin dynamics in the Haldane-gap system Ni(C2 H8 N2 )2 N O2 ClO4 , Phys.
Rev. B 50 (1994), 9174–9187.
[8] Erik S. Sørensen and Ian Affleck, Large-scale numerical evidence for Bose condensation in
the S=1 antiferromagnetic chain in a strong field, Phys. Rev. Lett. 71 (1993), 1633–1636.
[9] S.R. White, Density matrix formulation for quantum renormalization groups,
Phys.Rev.Lett. 69 (1992), 2863–2866.

12
[10] , Density-matrix algorithms for quantum renormalization groups, Phys.Rev.B 48
(1993), 10345–10356.

[11] S.R. White and D. Huse, Numerical renormalization-group study of low-lying eigenstates
of the antiferromagnetic S=1 Heisenberg chain, Phys. Rev. B 48 (1993), 3844–3852.

[12] S.R. White and R.M. Noack, Real-space quantum renormalization groups, Phys. Rev.
Lett. 68 (1992), 3487–3490.

[13] K.G. Wilson and J. Kogut, The renormalization group and the expansion, Physics Re-
ports 12 (1973), 75–200.

13