toplogo
登入

張量積隨機矩陣理論:從初始態到遍歷態的交叉動力學


核心概念
本文介紹了一種基於路徑積分的理論方法,用於描述耦合隨機矩陣張量積的動態演化,並揭示了系統如何從初始的非糾纏態演變為最大熵遍歷態。
摘要

論文概述

本文研究了耦合隨機矩陣張量積的動態演化,特別關注系統如何從初始的非糾纏態演變為最大熵遍歷態。作者提出了一種基於路徑積分的理論方法,並通過與精確對角化的比較驗證了該方法的有效性。

模型介紹

該模型由兩個 NX 維度的量子位組成,分別由哈密頓量 HA⊗1B 和 1A⊗HB 控制,其中 HX 從高斯隨機矩陣系綜中抽取。兩個子系統通過同樣隨機的 NANB 維哈密頓量 HAB 糾纏,定義了完整的哈密頓量 H = HA + HB + HAB。

路徑積分方法

作者採用了一種類似於無序系統場論和 SYK 模型 GΣ 方法的策略,構建了一個能夠描述所有時間尺度上的譜形因子理論。通過引入集體變量 (G, Σ) 並採用穩態相位近似,他們推導出了一個有效的 Goldstone 模態作用量,該作用量控制著系統的長時間行為。

結果分析

研究發現,在短於 Golden Rule 耦合時間的情況下,兩個子系統幾乎獨立演化,但會由於相互作用而受到微弱的阻尼。然而,路徑積分的一個關鍵特性是它選擇了時間同步的路徑,這些路徑不受阻尼影響,並最終組合起來定義了耦合系統的遍歷相位。

總結與展望

本文構建了一個描述兩個弱耦合隨機量子位張量積演化的路徑積分,揭示了系統如何從初始的非糾纏態演變為最大熵遍歷態。作者認為,這種基於路徑積分的方法可以推廣到更複雜的系統,例如 SYK 模型和耦合電路網絡,為理解量子混沌中的糾纏動力學提供了新的思路。

edit_icon

客製化摘要

edit_icon

使用 AI 重寫

edit_icon

產生引用格式

translate_icon

翻譯原文

visual_icon

產生心智圖

visit_icon

前往原文

統計資料
NA = NB = 130 樣本數:500 擬合參數:(a, b, c) = (1.08, 0.44, 2.11) 耦合速率:γ ≈ aΛ²/2λ 譜寬度:δ = bλ
引述
"The crux of the matter is that precisely the crossover dynamics leading from individually resolved quasiparticle world lines to the single complex trajectory of a many-body state is hard to capture in terms of the analytical toolkits of field or path integration, which may be a reason for the relative scarcity of such methods in the theory of quantum circuits." "In this way, we demonstrate how at time scales exceeding the coupling time, t ∼ λ/Λ² the effective theory of an ergodic regime in a Hilbert space of dimension NANB emerges."

從以下內容提煉的關鍵洞見

by Alexander Al... arxiv.org 11-01-2024

https://arxiv.org/pdf/2404.10919.pdf
Tensor product random matrix theory

深入探究

該理論方法如何應用於分析具有更複雜相互作用的量子多體系統?

該理論方法的核心是利用「路徑積分」和「哈達瑪乘積」來描述量子多體系統中的糾纏和熵的動態演化。對於更複雜的相互作用,我們可以沿著以下思路推廣: 更複雜的哈達瑪頂點: 文章中的哈達瑪頂點源於兩個隨機矩陣的耦合。對於更複雜的相互作用,例如多體交互作用,我們需要引入更複雜的哈達瑪頂點來描述。這些頂點將包含更多算符,並反映出系統中更豐富的關聯性。 非局部哈達瑪乘積: 文章中的哈達瑪乘積作用於同一時間點的算符。對於具有長程關聯的系統,我們可以推廣到非局部哈達瑪乘積,它將關聯不同時間點的算符。 重整化群方法: 對於包含多個能量尺度的複雜系統,我們可以採用重整化群方法來逐步整合掉高能自由度,從而得到低能有效理論。在這個過程中,哈達瑪頂點的結構可能會發生變化,需要仔細分析。 總之,該理論方法為分析複雜量子多體系統提供了一個有前景的框架。通過推廣哈達瑪頂點和路徑積分技術,我們可以研究更豐富的物理現象,例如多體局域化、量子熱化和非平衡動力學。

如果考慮更真實的噪聲模型,例如非高斯噪聲,系統的遍歷性是否會受到影響?

文章中假設隨機矩陣服從高斯分佈,這在許多情況下是一個合理的簡化。然而,真實物理系統中的噪聲往往具有更複雜的統計特性,例如非高斯分佈、時間關聯或空間關聯。這些非理想因素可能會影響系統的遍歷性。 非高斯噪聲: 非高斯噪聲可能會引入新的關聯效應,從而改變系統的動力學行為。例如,重尾分佈的噪聲可能會導致更頻繁的跳躍事件,從而促進或抑制遍歷性,具體取決於系統細節。 時間關聯: 時間關聯的噪聲可能會導致記憶效應,使得系統的演化不再是馬爾可夫過程。這可能會影響系統弛豫到平衡態的時間尺度,甚至可能導致系統無法達到真正的遍歷性。 空間關聯: 空間關聯的噪聲可能會導致局域效應,例如局域化現象。在這種情況下,系統的相空間會被分割成許多不連通的區域,系統只能探索其中的一部分,從而破壞遍歷性。 總之,更真實的噪聲模型可能會顯著影響系統的遍歷性。需要根據具體的噪聲模型和系統特性進行具體分析,才能確定遍歷性是否仍然成立,以及如何修正理論模型以準確描述系統的行為。

從信息論的角度來看,量子混沌系統中的遍歷性與信息置亂之間是否存在深層聯繫?

量子混沌系統中的遍歷性和信息置亂是密切相關的概念,兩者都反映了量子信息在系統中的傳播和擴散。 遍歷性: 遍歷性意味著系統的量子態在時間演化過程中會遍歷所有可訪問的相空間。這意味著系統的初始狀態信息會逐漸擴散到整個系統,最終變得難以區分。 信息置亂: 信息置亂指的是量子信息在系統中的複雜演化,使得初始局域信息變得高度非局域化,難以通過局域測量提取。 從信息論的角度來看,遍歷性可以看作是信息置亂的一種表現形式。當系統具有遍歷性時,初始狀態信息會均勻地分佈到整個系統,導致信息熵最大化。這意味著系統經歷了最大程度的信息置亂。 反之,信息置亂也可以促進遍歷性。當系統能夠有效地置亂信息時,它更有可能探索所有可訪問的相空間,從而表現出遍歷性。 因此,量子混沌系統中的遍歷性和信息置亂是相輔相成的概念,兩者都反映了量子信息在複雜系統中的動力學行為。研究它們之間的聯繫對於理解量子混沌、量子熱化和量子信息處理等領域都具有重要意義。
0
star