Spectral form factor of quadratic $R$-para-particle SYK model with Random Matrix Coupling

Resumen Técnico: Factor de Forma Espectral del Modelo SYK de Partículas R-para-cuadráticas con Acoplamiento de Matrices Aleatorias

Planteamiento del Problema
El modelo Sachdev-Ye-Kitaev (SYK) es un sistema paradigmático para el estudio del caos cuántico, los agujeros negros y la holografía, definido típicamente por fermiones con interacciones aleatorias de $q$-cuerpos. Aunque el modelo SYK cuadrático ($q=2$) es exactamente soluble, sus propiedades espectrales suelen considerarse triviales a menos que el desorden induzca un comportamiento caótico en el factor de forma espectral (SFF). Este artículo investiga el SFF de un modelo SYK cuadrático generalizado ($R$-PSYK2) construido mediante partículas $R$-para. Estas partículas obedecen estadísticas de intercambio generalizadas definidas por una matriz $R$ que satisface la ecuación de Yang-Baxter, interpolando entre los bosones y fermiones estándar.

El principal desafío abordado es la falta de verificación numérica directa del comportamiento de rampa exponencial en el SFF del modelo $R$-PSYK2 con acoplamientos del Ensamble Unitario de Gauss (GUE). Trabajos previos sugirieron un crecimiento exponencial $K(t) \sim e^{C_0 t}$ en el régimen de tiempo intermedio, pero las simulaciones numéricas se vieron obstaculizadas por términos oscilatorios y el requerimiento de tamaños de sistema extremadamente grandes ($N$). El comportamiento de este modelo bajo otros ensambles de matrices aleatorias —específicamente el Ensamble Ortogonal de Gauss (GOE), el Ensamble Simpléctico de Gauss (GSE), y sus contrapartes circulares (COE, CUE, CSE)— permaneció inexplorado.

Metodología
Los autores emplean una combinación de técnicas analíticas de la teoría de matrices aleatorias y verificación numérica:

1. Formulación del Modelo: El Hamiltoniano se define como $H = \sum_{a,i,j} (h_{ij} - \mu \delta_{ij}) \psi^+_{i,a} \psi^-_{j,a}$, donde $h_{ij}$ son matrices aleatorias extraídas de ensambles específicos. El sistema se diagonaliza mediante una transformación unitaria, reduciendo el problema a una colección de partículas no interactuantes con energías determinadas por los autovalores de la matriz de acoplamiento.
2. Función de Partición y SFF: La función de partición del gran canónico y el SFF se expresan en términos de la degeneración $d_n$ del espacio de Hilbert de $n$-partículas, la cual está codificada en la función de partición de un solo modo $z_R(x)$. Los autores se centran en dos casos específicos de $R$-para-fermiones: Ejemplo A ($z_R(x) = 1 + mx$) y Ejemplo B ($z_R(x) = 1 + mx + x^2$).
3. Ensembles Gaussianos (GUE, GSE, GOE):
   • Enfoque de Estados Coherentes: Utilizado para el comportamiento de tiempo temprano y la altura de la meseta (plateau), pero se señala que falla al capturar la rampa intermedia.
   • Enfoque de la Función de Clúster: Utilizado para derivar el comportamiento de la rampa. Para GUE, esto implica expandir la distribución de probabilidad conjunta de los autovalores y evaluar trazas de matrices de transferencia.
   • Formulaciones de Determinante/Pfaffiano: El SFF se expresa como el determinante (para GUE) o la raíz cuadrada del determinante (para GSE) de una matriz $\alpha$ construida a partir de integrales que involucran la distribución de energía de partícula única.
   • Desafíos de GOE: Los autores señalan que el caso GOE implica dobles integrales y funciones kernel no analíticas, lo que hace que el tratamiento analítico sea significativamente más difícil que para GUE o GSE.
4. Ensembles Circulares (CUE, CSE, COE):
   • Los autores utilizan la solvencia exacta de los ensambles circulares, donde el kernel puede expandirse en series de Fourier discretas.
   • El SFF se deriva mediante un formalismo de matriz de transferencia, donde el resultado exacto se expresa como una suma sobre las clases de conjugación de permutaciones.
   • Un paso metodológico clave es la comparación entre ensambles Gaussianos y Circulares. Dado que CUE y GUE comparten las mismas funciones de clúster en el límite de $N$ grande, los autores utilizan los resultados de CUE como un punto de referencia para verificar las predicciones de GUE.

Resultados Clave

• Correspondencia GUE y CUE: Para el Ejemplo A ($z_R(x) = 1 + mx$), los autores derivan una coincidencia analítica exacta entre los resultados de GUE y CUE. Establecen una correspondencia precisa en el régimen de tiempo $1 \ll t \ll N$:
  $$K_{\text{GUE}}(2t) \approx K_{\text{CUE}}(t)$$
  Este factor de escala de tiempo alinea el momento en que ambos modelos alcanzan la meseta. Se demuestra que la tasa de crecimiento $C_0$ para GUE es exactamente la mitad de la tasa de crecimiento de la rampa de CUE en el límite de $N$ grande ($2\lambda_{\text{GUE}} = \lambda_{\text{CUE}}$).
• Tasas de Crecimiento ($C_0$):
  • Para el Ejemplo A, $C_0$ se deriva analíticamente. Para $m > 1$, $C_0 = \frac{1}{2} \ln(\frac{m^2}{m^2-1})$. Para $m=1$, $C_0 \sim \frac{1}{2} \ln N$.
  • Para el Ejemplo B, las soluciones analíticas son esquivas. Las simulaciones numéricas sugieren que $C_0$ converge a constantes para $m \ge 3$, mientras que los casos $m=1, 2$ exhiben comportamientos de escala diferentes.
• Ensembles Simplécticos (GSE/CSE): Los autores observan un comportamiento similar entre GSE y CSE tras un reescalado de tiempo apropiado ($t_S \approx 1.36N$ para GSE). Los datos numéricos de CSE confirman una transición de pendiente y tasas de crecimiento consistentes con la analogía GUE/CUE, aunque la derivación analítica para la rampa es más compleja debido a la naturaleza matricial del kernel de GSE.
• Ensembles Ortogonales (GOE/COE):
  • GOE: El artículo describe el método de cálculo pero no proporciona resultados numéricos debido a la complejidad del kernel de doble integral y la falta de una solución analítica para la rampa.
  • COE: Se describe el método de cálculo utilizando un kernel de matriz similar al de CSE, pero se omiten los resultados numéricos.
• Caso No Hermítico: Los autores consideran brevemente el caso donde los autovalores son complejos ($\epsilon_j = e^{i\theta_j}$), encontrando que el SFF es independiente del tiempo (trivial), contrastando con el caso hermítico donde $\epsilon_j = \theta_j$.

Significancia y Reivindicaciones
El artículo afirma proporcionar un marco unificado para comprender el caos cuántico en modelos cuadráticos con estadísticas generalizadas (partículas $R$-para). Sus principales contribuciones son:

1. Punto de Referencia (Benchmarking): Al establecer la correspondencia exacta $K_{\text{GUE}}(2t) \approx K_{\text{CUE}}(t)$, los autores proporcionan un punto de referencia riguroso para los resultados de GUE, superando las limitaciones de la simulación numérica directa que no lograba detectar claramente la rampa debido a las oscilaciones y los efectos de tamaño finito.
2. Generalización: El trabajo extiende el estudio de los modelos SYK cuadráticos desde los fermiones estándar hacia las partículas $R$-para, y de los acoplamientos GUE hacia los tres ensambles Gaussianos y los tres circulares.
3. Perspectiva Metodológica: El artículo demuestra que el enfoque de los ensambles circulares es una herramienta poderosa para derivar resultados exactos que sirven como sustitutos (proxies) de los ensambles gaussianos más complejos, particularmente en el régimen de tiempo intermedio donde ocurre la rampa caótica.
4. Alcance Modesto: Los autores declaran explícitamente que no resuelven el caso interactuante ($q>2$) ni presentan propuestas experimentales. En su lugar, se centran en el caso cuadrático para aislar las características esenciales del caos inducido por el desorden y las estadísticas generalizadas, sugiriendo que simplificar el modelo (por ejemplo, usando operadores conmutantes o distribuciones espectrales específicas) es un camino fructífero para la investigación futura de sistemas caóticos interactuantes.

El artículo concluye que, si bien los ensambles ortogonales presentan obstáculos técnicos significativos, el enfoque de los ensambles circulares valida con éxito el comportamiento caótico (rampa y meseta) del modelo $R$-PSYK2, confirmando que la rampa exponencial es una característica robusta de estos sistemas cuadráticos generalizados.