玻尔百科众多相互作用粒子组成的量子世界遵循着极其复杂的规律。描述哪怕是数量不多的量子比特（qubit）的集体状态，所需要的参数数量也可能超过宇宙中原子的总数——这个问题被称为“维度灾难”。这种指数级的壁垒似乎使得完全理解大多数量子材料和分子变得不可能。然而，大自然提供了一个漏洞：物理上相关的状态，特别是低能基态，并非这个巨大空间中的随机向量。它们拥有一种特殊的结构，受纠缠的局域性支配。
本文探讨了矩阵乘积态（MPS），这是一个旨在利用这种隐藏结构的强大理论和计算框架。我们将探究这种表示方法如何驯服指数级的“猛兽”，为量子世界中一个特殊而广阔的角落提供一种高效的语言。本文将这个主题分为两个关键部分。首先，“原理与机制”一章将深入探讨 MPS 的机理，解释其工作原理、键维数在捕捉纠缠中的作用，以及为什么它对遵循“面积定律”的系统如此有效。接下来，“应用与跨学科联系”一章将展示 MPS 的深远影响，从解释材料中的奇异磁性、作为量子计算机的资源，到为量子化学中革命性的 DMRG 算法提供动力。
好了，我们已经了解了矩阵乘积态这一思考量子系统的新概念。但它究竟是什么呢？这种看起来奇怪的矩阵乘积是如何描述量子粒子间错综复杂的“舞蹈”的？为什么我们应该相信它比旧方法更好呢？要回答这些问题，我们需要打开“引擎盖”，看看内部的“发动机”。我们将看到，MPS 不仅仅是一个数学技巧；它是关于量子世界中纠缠结构的深刻论断。它是一个建立在深刻物理原理之上的工具，理解它本身就是一段美妙的旅程。
让我们从一个可怕的想法开始。想象你有一个由 100 个量子比特（“qubit”）组成的链。每个量子比特可以处于 或 状态，或它们的任意组合。要描述全部 100 个量子比特的集体状态，你需要为每一种可能的构型写下一个系数。这就是 种构型——一个比可观测宇宙中原子数量还大的数字！这就是“维度灾难”。在任何可以想象的计算机上存储这些数字都是完全不可能的。那么，我们注定要失败吗？我们是否永远无法指望理解超过几十个粒子的系统？
事实证明，大自然通常比数学家更“仁慈”。现实世界中出现的大多数状态——特别是物理系统的低能基态——并非这个巨大希尔伯特空间中的随机、泛泛的向量。它们具有结构。它们是特殊的。矩阵乘积态就是一种发现并利用该结构的方法。
其核心思想是分解。我们不再使用一个具有指数级数量分量的巨大张量 ，而是将其表示为一个由许多更小、可控的张量组成的长链，每个粒子对应一个张量。这就像试图理解一个非常长而复杂的句子。你不会试图一次性掌握全部内容，而是一个词一个词地阅读。MPS 张量就是这些“词”，而连接它们的“语法规则”就是我们接下来要探讨的内容。
为了讨论这些张量链，使用一种简单的图形语言会非常有帮助。想象每个张量都是一个小机器、一个节点或一个“齿轮”。张量的每个索引都是一个连接点，一个从它伸出的“轴”或“腿”。
未与其他任何东西连接的腿代表一个物理索引。这对应于该位置上粒子的实际物理自由度——对于一个量子比特，这条腿可以处于 或 状态。我们可以将这些看作是我们机器的“输出”。
连接两个张量的腿代表一个虚拟索引或一个键。这是一个纯粹的数学构造，用于将张量粘合在一起。它表示一个“缩并”，本质上是对该索引所有可能值的求和。这些键是我们机器内部的“传动轴”，将信息从一个位置传递到下一个位置。
对于一个由 个粒子组成的一维链，MPS 图非常简洁优美：它就是一条由 个张量组成的线。中间的每个张量都有一个伸出的物理腿和两个连接其邻居的虚拟腿。两端的张量是特殊的；它们只有一个邻居，所以它们有一个物理腿和一个虚拟腿。描述该状态所需的总参数数量现在由这些小张量的大小决定，其标度大致为 ，其中 是物理腿的维数， 是虚拟腿的维数。我们不再是指数标度，而是随系统大小 呈线性标度。我们似乎已经驯服了这只“猛兽”！
但是等等，这个“虚拟腿的维数”，我们称之为 的数字，是什么？这个键维数是 MPS 中最重要的参数。它告诉你连接张量的辅助空间的“大小”。你可以把它看作是键的信息承载能力。如果 ，“传动轴”就非常简单，只能传递一条信息。如果 ，它就是一个复杂得多的连接。
真正的魔力在于，这个纯数学参数具有深刻的物理意义：它量化了纠缠。
要理解这一点，让我们在位置 和 之间将链切成两半。连接这两个位置的键的维数是 。事实证明，任何由这样一个 MPS 表示的状态都可以写成跨越这个切口的至多 个乘积态的和。这直接意味着，施密特秩（Schmidt rank）——描述跨越切口所需纠缠对数量的真正度量——最多为 。
这给了我们一个惊人的洞见：一个具有有限键维数 的 MPS 是对纠缠量有限的状态的一种表示。测量纠缠量的纠缠熵也是有界的：它不能大于 。
让我们看两个极端的例子。
首先，考虑一个简单的、非纠缠的乘积态，比如一个交替自旋链 。如果我们在任何地方切断这条链，左半部分都完全独立于右半部分。施密特秩为 1。我们只需要一项来描述跨越切口的状态。你可能会猜到，这个状态可以由一个键维数最小的 MPS 完美表示，即 。此时的“张量”只是数字！
现在，考虑著名的 GHZ 态， 。这个状态是高度纠缠的。如果你测量第一个自旋为 0，你立刻就知道所有其他自旋都为 0。如果你在任何地方切断这条链，你会发现左半部分处于“全 0”和“全 1”的叠加态，与右半部分完美关联。施密特秩为 2。因此，要表示这个状态，你需要至少为 的键维数。任何更小的 根本没有能力承载这么多的纠缠。对于一些更复杂的状态，所需的键维数可能更大。
所以，键维数 就像一个旋钮。通过调高它，我们可以容纳越来越多的纠缠。坏消息是，一个真正随机、泛泛的状态，其纠缠会随着子系统的体积增长。要表示这样一个状态，所需的键维数必须随系统大小指数增长，，我们就又回到了起点。
那么，如果 MPS 不能描述泛泛的状态，为什么它们如此备受推崇呢？因为大多数物理上现实的哈密顿量的基态不是泛泛的。它们遵循一个惊人的规则，称为纠缠的面积定律。
面积定律指出，对于一个具有局域相互作用的有能隙系统，其基态中一个子系统与其周围环境之间的纠缠，与该子系统的体积无关，而是与其边界的大小——即其“面积”——成正比。想想看：在一维链中，如果你把它切成左右两部分，边界是什么？它只是一个点！因此，一维的面积定律预测，纠缠不应随着子系统的增大而增长，而应饱和到一个恒定值。
这就是秘密所在。因为这些物理上相关的状态中的纠缠是恒定的，所以无论链有多长，它们都可以用一个小的、恒定的键维数 的 MPS 来精确表示！这就是为什么 MPS 在模拟一维有能隙量子系统中堪称王者。即使对于具有长程库仑相互作用的分子，其有能隙的绝缘性质也会导致有效的屏蔽效应，使基态关联变得局域，面积定律仍然成立。
当然，这种效率是微妙的。它依赖于以一种反映粒子空间局域性的方式对粒子进行排序。如果你随机打乱粒子的顺序，MPS 链中的一个局域切口现在对应于真实空间中一个边界巨大的高度非局域切口，纠缠会急剧增加，需要更大的键维数。对于其他拓扑结构，如支链分子，简单的线性 MPS 可能效率低下，而一个反映分子几何结构的树张量网络态（TTNS）可能是更好的选择。而对于无能隙的金属系统，纠缠随系统大小对数增长，这需要键维数多项式增长，使得 MPS 效率较低但仍然可行。
拥有这种紧凑的表示很棒，但我们如何使用它呢？我们如何计算能量或关联函数之类的东西？在这里，另一套优雅的机制发挥了作用：正则形式。
一个状态的 MPS 表示不是唯一的。例如，你可以在任何键上插入一个可逆矩阵 及其逆矩阵 ，这会修改相邻的两个张量，但保持整体物理状态不变。这是一种“规范自由度”。我们可以利用这种自由度，将 MPS 转换成一种特殊的、性质良好的形式。
通过仔细选择我们的矩阵，我们可以安排它，使得当我们“折叠”用于计算范数 的张量网络图时，其大部分会直接坍缩。在一个以位置 为“正交中心”的混合正则形式中， 左边的所有张量与其共轭缩并后都抵消为单位矩阵，右边的所有张量也是如此。
这带来一个惊人的结果。如果你想计算一个只作用于位置 附近的局域算符的期望值，你不需要缩并整个长度为 的链。左边和右边的“环境”直接消失了！计算变成了一个纯粹的局域计算，只涉及算符作用的那些张量。其计算成本与总系统大小无关，标度大约为 。这是效率上惊人的提升。
为了理解无限系统的性质，我们引入了转移矩阵，它是描述状态如何从一个位置传播到下一个位置的基本构件。整个系统的性质被编码在该矩阵的本征谱中。例如，位置 和位置 处的算符之间的两点关联函数取决于转移矩阵的 次方。如果转移矩阵的谱存在能隙——意味着其最大本征值是唯一的且与其他本征值分离——那么关联将随距离 指数衰减。
著名的 AKLT 态提供了一个完美的例证。它的转移矩阵有一个简并的次大本征值 。这一个数字告诉了我们一切！它意味着自旋-自旋关联函数的行为是 。衰减是指数式的，关联长度为 ，而负号告诉我们关联是反铁磁性的，其符号在不同位置之间交替变化。这是 MPS 表示的抽象代数与可测量的物理学之间一个真正美妙的联系。
最后，我们可以通过引入物理对称性使这一形式体系更加强大。如果我们的系统有一个守恒量，比如总粒子数（一个 对称性），我们可以构造我们的 MPS 张量以遵循这个对称性。虚拟键本身可以用电荷扇区来标记，张量会变成块对角形式，只允许保持电荷守恒的跃迁：。这不仅使计算更有效率，而且还基于纠缠和对称结构为量子态提供了更深层次的分类。
总之，矩阵乘积态远不止是一种压缩算法。它是一套关于一维纠缠的物理理论。它提供了一种语言、一套工具和一个指导原则——面积定律——它们共同让我们能够驯服量子世界的指数复杂性，并提取其美丽、隐藏的结构。
我们现在已经学习了矩阵乘积态的语法。我们可以组装张量，连接键，并理解键维数的关键作用。但一种语言不仅仅是它的语法；它在于它能讲述的故事，它能创造的诗篇。在本章中，我们将从具体机制中退后一步，倾听 MPS 告诉我们的关于量子世界的故事。我们将发现，这不仅仅是一个巧妙的数学压缩方案。它是关于物理现实结构的深刻论断。事实证明，大自然的基态并非任意复杂。它们占据了巨大希尔伯特空间中一个微小而特殊的角落，这个角落的特点是具有一种特殊的、局域的纠缠结构。MPS 语言正是为这个角落而生，它使我们能够描述、模拟和理解那些否则将遥不可及的系统。
我们的旅程始于凝聚态物理领域，探索量子磁体这个奇特而美丽的世界。想象一维原子链，每个原子都像一个微小的量子磁体，或称“自旋”。在低温下它们如何排列？是全部朝上？还是交替排列？答案往往远为精妙，且具有深刻的量子力学特性。
一个经典且富有启发性的例子是 Affleck-Kennedy-Lieb-Tasaki (AKLT) 模型的基态，这是一个由自旋-1 粒子组成的链。其物理图像非常优美：每个自旋-1 粒子被想象成由两个更小的自旋- 粒子组成。这些自旋- 粒子中的每一个都与来自相邻格点的伙伴形成一个最大纠缠的“单重态”对，就像一排手拉手的舞者。这个被称为价键固体的优雅物理图像，不仅仅是一个卡通画。它有一个精确的数学对应物，即一个键维数仅为 2 的简单矩阵乘积态。MPS 张量直接编码了将配对的自旋- 投影到物理的自旋-1 上的规则。
这种形式体系不仅是描述性的，也是预测性的。MPS 表示为我们提供了一个称为转移矩阵的强大工具。通过分析其本征值，我们可以直接计算无限长链的物理性质。例如，第二大本征值精确地告诉我们两个遥远自旋之间的关联如何随着它们间距的增加而衰减。这使我们能够计算系统的关联长度，这是一个表征其物理状态的基本量。因此，MPS 的抽象机制产生了材料的、可触摸、可测量的性质，将一个优美的物理直觉转化为严谨的定量科学。
同样一个描述晶体磁性的工具，也可以用来设计量子计算机的资源。在量子信息领域，某些高度纠缠的态是基本的构建模块。
一个典型的例子是一维簇态。这是一个由许多量子比特组成的特殊状态，可作为基于测量的量子计算的通用资源。在这种计算模型中，计算是通过对该状态进行一系列局域测量来推进的，而不是通过一系列量子门。人们可能认为，这样一个建立在精巧的纠缠操作网络上的状态会很复杂，难以描述。然而，它的本质可以被一个最小键维数仅为 2 的 MPS 完美捕捉。MPS 描述的简洁性使得模拟和理解这些计算资源变得更加容易管理。
或许更引人注目的是，考虑一维环面码的基态，它等价于著名的 Greenberger-Horne-Zeilinger (GHZ) 态。在 GHZ 态中，一长串量子比特被锁定在“全自旋向上”和“全自旋向下”的叠加态中。这是非局域纠缠的缩影——第一个量子比特与最后一个相关联，无论它们相距多远。常识可能会认为描述这样的状态会极其复杂。然而，其精确的 MPS 描述却惊人地简单，同样只需要键维数为 2。这揭示了一个深刻的真理：MPS 键维数不是衡量纠缠“分布范围”的度量，而是衡量有多少纠缠穿过任何给定切口的度量。对于 GHZ 态，如果你将链切成两半，你只剩下两种可能性（一侧全向上与另一侧全向上，或一侧全向下与另一侧全向下），这对应于施密特秩为 2。MPS 形式体系对这种潜在的简洁性极其敏感。
描述已知状态是一回事，但我们如何发现新分子或新材料的未知基态呢？我们需要一种方法来模拟动力学，使系统向其最低能量状态演化，或者观察它如何响应刺激。这正是 MPS 框架真正发挥作用的地方。
正如量子态可以由 MPS 表示一样，量子算符——如决定系统能量的哈密顿量——可以由矩阵乘积算符 (MPO) 表示。将 MPO 应用于 MPS 是张量网络世界中的一个基本操作。结果是一个新的 MPS，其键维数通常更大，这反映了该操作增加了状态的复杂性或纠缠。
这种机制是强大模拟算法的核心。一种特别优雅的技术是虚时演化。想象一下，从一个简单、易于构造的状态开始，这个状态只是真实基态的一个粗略猜测。我们可以通过重复应用虚时间演化算符 的一个小编步，来对该状态进行计算上的“冷却”。每一次由 MPO 表示的应用，都会投影掉高能分量并提纯状态，使其越来越接近哈密顿量 的真实基态。在每一步之后，我们可以使用奇异值分解将结果状态“压缩”回一个具有可控键维数的高效 MPS，只保留波函数中最重要的部分。这种应用算符和压缩的迭代过程，是我们拥有的用于一维系统的最强大数值方法的核心，其中最著名的是密度矩阵重整化群 (DMRG) 算法。
或许这些思想最引人注目的影响是在量子化学领域。该领域的核心挑战是求解分子的薛定谔方程。困难在于，在可用轨道中排列电子的可能方式数量——即所谓的全组态相互作用 (FCI) 空间的大小——随着分子的大小指数增长。即使对于中等大小的系统，构型数量也可能超过可观测宇宙中的原子总数。
几十年来，这堵“指数墙”似乎不可逾越。突破来自于这样的认识：来自凝聚态物理的 DMRG 算法，其本质上是对分子基态的最佳 MPS 近似进行变分搜索。这是革命性的。MPS 参数化不再处理随轨道数 指数增长的参数数量，而是在固定键维数 的情况下仅随 线性增长。指数级的“猛兽”被驯服了。
为什么这会奏效？因为，就像量子磁体一样，分子的真实基态并非巨大希尔伯特空间中的随机向量。它们是高度结构化的物理状态，其纠缠虽然复杂却是有限的。具有有限键维数的 MPS 提供了一类非常适合捕捉这种物理结构的变分状态。即使对于像 H₂ 这样的简单分子，FCI 状态也可以翻译成 MPS 语言。模拟的艺术不仅在于选择足够大的键维数，还在于巧妙地沿着 MPS 的一维链排列分子轨道，以确保最强纠缠的轨道是近邻。这最大限度地减少了 MPS 中必须长距离传递的纠缠量，从而在给定的计算成本下获得更准确的表示。
一位大师级工匠不仅知道工具能做什么，也知道它不能做什么。MPS 的局限性与其成功同样富有启发性。MPS 的威力根植于一维纠缠的“面积定律”：对于一个有能隙的系统，链的两半之间的纠缠熵是恒定的，与链的长度无关。一个切口只是一个点。
但在二维空间中会发生什么？一个切口不再是一个点，而是一条线。二维系统基态的纠缠熵预计不是与子区域的体积成正比，而是与其边界的面积（在二维中即长度）成正比。如果我们试图通过在晶格中蜿蜒穿行的方式，强行用一个本质上是一维对象的 MPS 来描述一个二维系统，我们就会遇到灾难。在二维系统宽度方向上的一个切口，会迫使与宽度 成正比的纠缠量通过 MPS 链中的单个虚拟键。为了处理这个问题，所需的键维数 必须随宽度指数增长，。这个曾经如此高效的方法，由于其成本随系统宽度呈指数增长而陷入停滞。
然而，这个局限性并非失败，而是一个深刻的路标。它告诉我们，我们张量网络拟设的底层几何结构必须与物理系统中纠缠的几何结构相匹配。这一洞见催生了一整套张量网络方法的发展。对于二维系统，我们现在使用投影纠缠对态 (PEPS)，它们从一开始就建立在二维网格上。对于具有长程关联的一维临界系统，我们使用多尺度纠缠重整化拟设 (MERA)，它被设计用来捕捉其特有的对数纠缠标度。从不起眼的 MPS 开始的发现之旅仍在继续，我们正在开发一种日益丰富的语言来描述量子世界错综复杂的织锦。