TENSO: 基于分层运动方程的高效树张量网络分解的数值精确开放量子动力学软件包

《Journal of Chemical Theory and Computation》：TENSO: Software Package for Numerically Exact Open Quantum Dynamics Based on Efficient Tree Tensor Network Decomposition of the Hierarchical Equations of Motion

　　

TENSO是一个多功能且强大的开源软件包，用于对浸入结构化热环境中的量子系统动力学进行数值精确模拟。它基于对分层运动方程（HEOM）的树张量网络分解，有效遏制了其因浴复杂度导致的维数灾难。因此，TENSO能够实现精确的非马尔可夫开放量子动力学模拟，即使是在化学和量子信息科学中典型的复杂环境下。TENSO允许系统具有时间依赖驱动和非对易涨落。更一般地，TENSO能够高效传播任何动力学生成器可表示为和积形式（SoP）方法的动力学，包括HEOM和多层多组态时间相关哈特里方法（ML-MCTDH）。TENSO支持使用任意阶的张量树和张量列进行模拟，并实现了耦合主方程的三种传播策略：两种固定秩方法（在动力学过程中保持恒定内存占用）和一种自适应秩方法（内存占用由目标计算误差控制）。与配套的理论和算法论文[ J. Chem. Phys. 2025, 163, 104109]不同，本文重点介绍TENSO的实际使用和应用，仅在必要时介绍底层理论概念。

**论文解读文章**

**研究背景与问题**

开放量子系统描述了与量子环境相互作用的系统，这种相互作用引入量子噪声或退相干，是自然界中常见过程（如退相、能量弛豫和热化）的根源，在化学、物理学和量子信息科学中至关重要。理解退相干机制对于设计量子环境以完成量子控制和化学控制任务必不可少。数值精确的量子主方程（QME）可用于模拟化学和量子信息科学中许多重要问题，且精度可保证。然而，传统方法（如基于Born-Markov近似的策略）仅适用于与快环境弱耦合、记忆时间短的系统，条件过于苛刻。分层运动方程（HEOM）是一种强大的数值精确方法，但主要挑战在于其计算代价随浴特征数K呈指数增长，限制了其在具有非结构化环境的简单模型问题中的应用，尤其当需要低温修正项时，现有能力不足以捕捉化学现实环境。

**研究内容与意义**

为缓解维数灾难，研究人员将HEOM与树张量网络（TTN）分解相结合，开发了TENSO软件包。TENSO基于HEOM的bexcitonic推广，将系统视为与一组虚构的玻色子准粒子（bexcitons）相互作用，并将辅助密度矩阵（ADMs）排列成扩展密度算子（EDO），通过TTN表示进行压缩，从而消除指数依赖，实现可控、可系统改进的近似。通过自旋玻色子模型、Fenna-Matthews-Olson（FMO）复合物和两量子比特纠缠猝死三个实例，展示了TENSO在处理结构化谱密度、非对易涨落、时间依赖哈密顿量、多浴耦合及量子信息问题中的通用性和效率。论文发表在《Journal of Chemical Theory and Computation》。

**关键技术方法**

TENSO的核心技术方法包括：（1）基于分层运动方程（HEOM）的bexcitonic推广，将浴相关性函数（BCF）分解为复指数特征，并构建扩展密度算子（EDO）；（2）采用树张量网络（TTN）分解（包括张量列TT和平衡二叉树BTT）对EDO进行压缩，消除维数灾难，通过奇异值分解（SVD）和分层Tucker分解（HTD）实现；（3）利用时间依赖变分原理（TDVP）推导TTN核心张量的运动方程，支持三种传播策略：固定秩的直接积分法（vmf）、固定秩的投影分裂法（ps1）和自适应秩的投影分裂法（ps2）。TENSO基于Python实现，依赖PyTorch、NumPy等库，支持CPU和GPU计算。

**研究结果**

**3.3 Example 1: Spin-Boson（自旋-玻色子模型）**
通过自旋-玻色子模型展示TENSO的基本用法。研究采用Drude-Lorentz（DL）和Brownian振荡器（BO）组合的结构化谱密度，比较了TT和BTT两种分解方案，结果一致（图1）。通过添加第二个非对易浴（σ_x耦合）展示了非对易涨落的影响，发现弛豫加速（图2）。通过引入π/2高斯脉冲模拟驱动动力学，实现了含噪Hadamard门（图3）。还展示了TENSO框架可扩展到ML-MCTDH方法（图4）。收敛性测试表明，BTT比TT对秩更不敏感，且层次深度不足会导致虚假振荡（图5）。

**3.4 Example 2: FMO Complex with a Structured Environment（FMO复合物）**
以三站点FMO复合物为例，展示TENSO处理多级系统与多结构化浴的能力。系统浴谱密度由六个欠阻尼Brownian项组成，分别模拟了300 K和77 K下的动力学，并与简单DL浴和仅包含三个低频Brownian峰的谱密度进行对比。结果表明，不同谱密度导致显著不同的布居动力学，且低温下差异更为明显（图6）。结构化谱密度下相干振荡较DL浴弱，体现了TENSO处理复杂环境（K=45个特征）的优势。

**3.5 Example 3: Entanglement Sudden Death（纠缠猝死）**
以一对初始最大纠缠态（|ψ₀? = (|01??|10?)/√2）的量子比特为例，研究纠缠衰减。每个量子比特与独立玻色子浴耦合，利用并发度（Concurrence）衡量纠缠。模拟发现，较低温度或较小重整化能λ会延长纠缠存活时间，而强耦合或高温加速纠缠猝死（图7）。TENSO能够系统研究结构化浴下纠缠动力学。

**总结与讨论**

论文结论部分（Section 8）翻译如下：
通过将分层运动方程与张量网络表示相结合，TENSO提供了一个高效且可系统改进的框架，缓解了传统HEOM模拟中固有的维数灾难。所得方法保留了HEOM的形式精确性，同时将其适用性扩展到复杂谱密度和任意哈密顿量，包括含时哈密顿量。通过一系列代表性实例（从结构化自旋-玻色子模型、驱动两能级系统到FMO复合物以及纠缠猝死场景），展示了TENSO的通用性。在每个案例中，TENSO均能以较低计算开销捕捉丰富的动力学行为，凸显了基于TTN传播方案的效率。TENSO的关键优势在于其模块化和可扩展的设计，既为非专业人士提供了易用性，又为高级用户提供了开发新方法的灵活性。通过使底层张量运算和图分解结构可供高级用户使用，TENSO不仅是一个强大的模拟工具，也是进一步方法开发的平台。它可轻松适配专用高效的关联函数分解方案（如ESPRIT和A4），以处理传统方案难以解决的低温情况。TENSO的HEOM成本节约策略与伪模式、二粒子近似等替代方法兼容，为开发更强大的HEOM模拟计算策略提供了沃土。未来研究将探讨HEOM张量网络分解的极限。总体而言，这些特性使TENSO成为模拟复杂环境中量子动力学的通用高效框架。