1. 课程导论

凝聚态物理研究的核心问题之一，是理解大量粒子在强关联条件下如何涌现出超导、磁性、莫特绝缘体、量子自旋液体等集体行为。解析方法在少数极限情形下有效，但一旦进入强关联区域，微扰论往往失效。量子格点模型正是在这一背景下成为连接微观哈密顿量与宏观物性的桥梁：它把连续空间中的电子或自旋自由度离散到规则格点上，保留最关键的量子统计与相互作用，从而把一个看似不可解的多体问题转化为可数值处理、可系统比较的标准模型。

为什么需要格点模型

真实材料中，电子在离子晶格周期势中运动，库仑排斥使电子之间强烈关联。直接求解连续空间多体薛定谔方程不现实，但若只关心低能物理，可以借助紧束缚近似把布洛赫态映射为格点上的跃迁项，把屏蔽后的短程相互作用映射为格点上的在位或近邻相互作用。这样得到的模型虽然简化，却抓住了强关联的核心机制。例如，单带 Hubbard 模型用跃迁 t 与在位排斥 U 两个参数，就能描述从金属到莫特绝缘体的转变趋势；Heisenberg 模型则用交换耦合 J 描述局域自旋的集体磁性。格点模型的优势在于：参数少、对称性清晰、可系统改变维度与填充，便于比较不同数值方法的结果。

核心思想：从哈密顿量到可计算对象

量子格点模型通常写成二次量子化形式。以单带 Hubbard 模型为例：

H = -t Σ_{⟨ij⟩,σ} (c†_{iσ} c_{jσ} + h.c.) + U Σ_i n_{i↑} n_{i↓} - μ Σ_{iσ} n_{iσ}

其中 ⟨ij⟩ 表示最近邻格点，σ 为自旋指标，c†、c 为产生湮灭算符，n 为粒子数算符，μ 为化学势。第一项描述电子在格点间跃迁，第二项描述同一格点上两个自旋相反的电子之间的排斥，第三项控制平均填充。模型定义清楚后，真正要计算的是基态能量、关联函数、谱函数、磁结构因子、超导配对关联等可观测对象。数值模拟的任务，就是在有限格点上尽可能精确地估计这些量，并外推到热力学极限。

这里需要先约定符号与参照：本文及后续章节中，跃迁项前的负号表示电子倾向于占据低能成键态；U > 0 表示排斥；化学势 μ 增大对应粒子数增加。格点坐标以二维正方格子为例，基矢沿 x、y 方向，最近邻距离设为 1。全文保持一致，若切换为其他格型会另行说明。

模拟方法概览

量子格点模型的数值方法大致可分为几类。第一类是精确对角化与小系统严格解，适合 N 约 10～20 个格点的体系，能得到全部本征态，但指数墙限制明显。第二类是量子蒙特卡洛，包括行列式量子蒙特卡洛与连续时间量子蒙特卡洛，适合较大格子，但受费米子符号问题制约，在掺杂或阻挫区域可能失效。第三类是张量网络方法，如一维密度矩阵重整化群与二维投影纠缠对态，擅长低纠缠基态，能系统控制截断误差。第四类是动力学平均场及其团簇扩展，把格点问题映射为杂质问题，适合处理强关联与有限温度。第五类是变分方法，如变分蒙特卡洛与神经网络量子态，用可调波函数逼近基态。不同方法各有适用区间，实际研究中常交叉验证。

一个可执行的小例子：4格点 Hubbard 链

为了把上述概念落到可操作层面，考虑一个 4 格点一维 Hubbard 链，开边界，半填充，参数取 t = 1.0、U = 4.0、μ = U/2。总粒子数 N = 4，自旋 S_z = 0。在二次量子化中，基态可以用精确对角化在粒子数守恒的希尔伯特空间内求解。具体做法是：先构造单粒子基矢，再按粒子数分块，用 Lanczos 或 Davidson 迭代求最低本征值。对于 4 格点、4 电子、S_z=0 的扇区，维度为 C(4,2) × C(4,2) = 36，普通笔记本即可完成。计算得到基态能量约为 E₀ ≈ -2.0（示例值，随参数变化），并可通过 ⟨n_i n_j⟩ 观察电荷关联，通过 ⟨S_i · S_j⟩ 观察自旋关联。若把 U 从 0 增大到 8，可以看到双重占据概率下降、自旋关联增强，这正是莫特绝缘体趋势的微观体现。

方法选择与结果判断

不同方法给出的结果需要放在同一物理框架下比较。判断一个数值结果是否可信，通常看三点：一是有限尺寸效应是否可控，例如通过 1/L 外推检查能量与关联函数；二是对称性是否保持，例如基态是否具有预期的自旋或平移对称性；三是不同方法是否在重叠区间一致。若 QMC 与 DMRG 在 U/t = 4、半填充附近给出一致的自旋关联，则结果可信度较高；若某方法在掺杂区出现符号问题导致统计误差急剧增大，则应谨慎解读或改用其他方法。

学习路径建议

本课程后续将按“模型定义—数值方法—结果分析—综合课题”推进。建议先掌握二次量子化与格点算符的构造，再动手实现小系统精确对角化，理解希尔伯特空间、粒子数扇区与关联函数计算；随后进入量子蒙特卡洛，重点理解采样、符号问题与统计误差；再学习张量网络与 DMFT，掌握低纠缠近似与杂质求解；最后通过一个综合课题，把模型、方法、数据分析和物理解释串起来。每章都会给出可复现的示例参数与判断依据，帮助你把抽象形式转化为可运行、可验证的计算流程。