充分利用数据：量子蒙特卡洛后分析再探讨。
摘要：量子蒙特卡洛(QMC)方法中，能量估计器是通过马尔可夫链抽样的能量估计器的统计平均值计算得到的，同时伴随一定的统计误差。这种误差估计并不直接，有几种选择的误差估计方法。我们评估了三种方法的性能，包括Straatsma法、自回归模型以及基于冯诺依曼随机性比率检验的阻塞分析，对应于扩散蒙特卡洛、全配置相互作用量子蒙特卡洛和耦合簇蒙特卡洛方法给出的能量时间序列。通过这些分析，我们描述了一种混合分析方法，为任意长度的数据序列提供可靠的误差估计。同样重要的是估计平衡相位的适当起始点，我们测试了两种启发式方案，发现美方误差规则(MSER)给出合理且与时间序列长度无关的估计。
作者：Tom Ichibha, Kenta Hongo, Ryo Maezono, Alex J.W. Thom
论文ID：1904.09934
分类：Computational Physics
分类简称：physics.comp-ph
提交时间：2022-04-26