Численное аналитическое продолжение функции Грина

Недавно мне довелось услышать о возможности делать численное аналитическое продолжение . Это звучит привлекательно для вездесущего я ю н ю + я 0 + процедура, с помощью которой мы переходим от функций Мацубары Грина к запаздывающим.

Поэтому мой вопрос касается любой информации о таких алгоритмах численного аналитического продолжения. Как это делается? Или, по крайней мере, где я могу найти его подробное описание? Заранее спасибо!

Чтобы быть более конкретным, в моей задаче я могу оценить корреляционную функцию Мацубары на ряде частот Мацубары Бозе. Я хочу найти способ получить аналитическое продолжение, т. е. корреляционную функцию в терминах реальной энергии/частоты. Есть ли какой-нибудь общепринятый простой рецепт для этого?

Вы можете добавить ссылку или ссылку на это, это звучит интересно?
Можете ли вы более конкретно указать, что вы на самом деле хотите лечить? В противном случае вы получите тот же список методов, который вы найдете в публикации, которую я вам дал: «Аппроксимации Паде, разложение по сингулярным числам, стохастическая регуляризация и схемы выборки». Я предполагаю, что никто не собирается/не может подробно остановиться на них всех.
@FitzgeraldCreen Большое спасибо за ваш ответ! Достаточно ли специфична эта версия?
Когда у вас есть численное выражение без статистических ошибок, например, из какой-то схемы возмущений, где вам нужно только численно вычислить интеграл или сумму импульсов, вы должны сначала попробовать Паде (широко распространенный, простой и ошибочный рецепт :). Уже существуют реализации этого, например, в библиотеке TRIQS. Установка TRIQS — это хлопотно, но как только вы это сделаете, вы сможете легко использовать его реализацию Pade. Ознакомьтесь с документацией: ipht.cea.fr/triqs/reference/python/green/block/…

Ответы (1)

Существует множество вариантов этой задачи, но позвольте мне прежде всего подчеркнуть, что это чрезвычайно сложный и трудный вопрос, который до сих пор является предметом текущих исследований, потому что аналитическое продолжение является некорректно поставленной задачей !

1) «аналитическое» аналитическое продолжение может быть выполнено, когда функция ф ( я ю ) рассматриваемой является рациональной функцией я ю . Так

ф ( я ю ) "=" 1 я ю
можно продолжить на комплексную плоскость я ю г е С пока
ф ( я ю ) "=" е я ю β я ю
не является рациональной функцией я ю и делать замену здесь - ошибка. Вместо этого нужно сначала оценить экспоненту и найти е я ю β "=" ± 1 в зависимости от статистики.

2) Непосредственно из этого правила замены следует разложение функции в конечный ряд Лорана

ф ( г ) "=" н "=" м 1 м 2 а н г н , м 1 , м 2 е Z
где коэффициенты могут быть рассчитаны по числовым значениям, известным на м 2 м 1 Энергии Мацубары.

3) Одним из старейших методов численного аналитического продолжения является приближение Паде. Рассматриваемая функция разлагается в непрерывную дробь

ф ( г ) "=" б 0 + а 1 г 1 а 2 г 1 а 3 г 1 . . . .
Коэффициенты можно вычислить из таблицы Паде, см. http://en.wikipedia.org/wiki/Pad%C3%A9_table .

Метод 1) является точным и отличным от почти тривиальных расчетов, не имеющих большого практического значения. 2) и 3) страдают от эффектов отсечения из-за ограниченного количества доступных точек Мацубары, в которых значение функции также может иметь числовую ошибку, как в случае данных расчетов квантового Монте-Карло. Но на самом деле аналитическое продолжение очень изменчиво в отношении эффектов отсечки и шумов . Здесь необходимо учитывать физические соображения .

Чтобы справиться с отсечкой, можно аппроксимировать хвост (большой я ю или соответственно г расширение) функции с аналитической формой, которую часто можно точно вычислить из проблемы многих тел или общих физических потребностей, например, одночастичная функция Грина фермионной системы всегда имеет вид 1 г + а 1 г 2 + . . . . Хвост можно использовать для вычисления произвольного числа коэффициентов разложения, но имейте в виду, что интересный низкоэнергетический спектр вашей системы сильно зависит от малых энергий Мацубары и в меньшей степени от хвоста, поэтому от вычисления большого количества коэффициентов из хвоста человек почти ничего не выигрывает. Обработка статистического шума еще более деликатна, чем отсечка, и именно поэтому многие люди вообще стараются избегать расчетов по оси Мацубары .

4) Известным методом для зашумленных данных является метод максимальной энтропии, о котором вы можете узнать больше здесь http://arxiv.org/pdf/1001.4351v1.pdf , где вы также найдете ссылки на альтернативные методы.

Справочник по конденсированным веществам аналитического продолжения с Паде: H. Vidberg and J. Serene, J. Low Temp. физ. 29, 179192 (1977).
Большое спасибо за хороший ответ! Является ли вход этих методов, скажем, Паде или максимальная энтропия, расчетными данными ф ( т ) или ф ( я ю н ) ? т это мнимое время.
Все, что я здесь написал, относится к частотам. Для Pade, я думаю, вы должны придерживаться частоты, насчет MaxEnt я не уверен.
Извините, что комментирую старый пост, но почему замена в экспоненте является ошибкой? Разве экспонента не имеет всюду сходящегося ряда Тейлора, и, следовательно, отношение является рациональной функцией?
Это означало бы, что экспоненциальную функцию также можно рассматривать как многочлен, а это не так, потому что ряд Тейлора имеет бесконечно много членов. Правило замены работает только для конечных многочленов, но я, честно говоря, не настолько математик, чтобы объяснить, почему. Пример с экспонентой показывает, что вообще неправильно производить замену нерациональной функции.
Привет @FitzgeraldCreen, я действительно проработал несколько ссылок на формализм максимальной энтропии, и одна вещь, которую все, кажется, упускают из виду, - это то, почему проблема продолжения выполняется с использованием функции Грина / отклика мнимого времени, а не Мацубара-частота. В своем ответе вы, кажется, делаете больше заявлений по этому поводу, чем кто-либо другой (даже больше, чем основополагающие статьи, которые я пытался читать, например, Джаррелл, Скалапино, Чайка и т. Д.), Но мне интересно, можете ли вы уточнить немного больше. по этому поводу или, возможно, предложите несколько ссылок, где это ясно объяснено
Просто для ясности: во всех этих статьях проблема аналитического продолжения часто представляется как некоторая проблема обращения G=KA, т.е. мы хотим решить для некоторого A=(K^-1)G. Теперь на мнимой оси времени K ~ e ^ (-ωτ) имеет некоторое экспоненциальное подавление на больших частотах, поэтому вышеуказанная проблема обращения плохо определена. Мой вопрос в том, почему мы не можем просто работать с осью мнимых частот, где ядро ​​(K^-1)~(iωn-ω), кажется, ведет себя гораздо лучше?
Я рад, что вы нашли мой первоначальный ответ полезным, но я не комментировал продолжение из воображаемых времен и мало что знаю об этом. Мое лучшее предположение состоит в том, что можно также сделать продолжение от частот, но, по крайней мере, формально требуется бесконечно много, и возникнет проблема с отсечкой. Поскольку мы часто получаем данные о мнимом времени прямо из решателя CTQMC, можно избежать проблемы отсечения, выполняя продолжение с мнимых времен. Я был бы удивлен, если бы изменение частотной основы помогло с плохим поведением ядра.
@Wai-Ga D Ho: Для получения дополнительной информации я могу обратиться только к литературе по AC, которая увеличивается с каждым месяцем. Вы наверняка знаете статью Sandvik о MaxEnt. В последнее время достигнут большой прогресс в уменьшении ошибки MC и улучшении AC, известного как «промежуточное представление» авторами Otsuki, Shinaoka и другими.