Restoring detailed balance in non-Hermitian Markov processes

Resumen Técnico: Restauración del Equilibrio Detallado en Procesos de Markov No Hermíticos

Planteamiento del Problema
Los procesos estocásticos fuera del equilibrio, particularmente aquellos modelados por procesos de Markov con estados discretos, frecuentemente involucran tasas de transición asimétricas que rompen el equilibrio detallado. Estos generadores estocásticos no hermíticos ($H$) conducen a una producción de entropía no monotónica, donde la entropía puede disminuir tras aumentos transitorios. Este comportamiento socava las interpretaciones termodinámicas estándar y las técnicas de inferencia que dependen de la maximización de la entropía o del supuesto de un aumento constante de la incertidumbre. Además, la falta de reversibilidad temporal en estos sistemas complica la interpretación física de los estados de equilibrio, los cuales pueden codificar configuraciones de baja entropía. Si bien los métodos de redes de tensores abordan la "maldición de la dimensionalidad" en sistemas interactuantes de alta dimensión, no resuelven el problema fundamental de la dinámica no hermítica y la resultante entropía no monotónica.

Metodología
Los autores proponen el uso de mapas de Dyson ($\eta$) para transformar generadores estocásticos no hermíticos en operadores hermíticos preservando el espectro de valores propios reales. La metodología central involucra:

1. Transformación de Dyson: Se aplica una transformación reversible a la ecuación maestra $\partial_t |P(t)\rangle = -H|P(t)\rangle$, resultando en una ecuación transformada $\partial_t |\phi(t)\rangle = -\tilde{H}|\phi(t)\rangle$, donde $|\phi(t)\rangle = \eta|P(t)\rangle$ y $\tilde{H} = \eta H \eta^{-1}$.
2. Operador de Métrica: La transformación introduce un operador de métrica $\Omega = \eta^\dagger \eta$, el cual repondera las contribuciones en el sistema original. Este operador conecta las mediciones en las coordenadas transformadas de vuelta al vector de probabilidad original, asegurando que los promedios estadísticos $\langle O \rangle$ puedan recuperarse vía $\langle \phi | \tilde{\Omega} \Xi' O' | \phi \rangle$.
3. Restauración de la Entropía: En el sistema transformado, se demuestra que la entropía de Rényi $S' = -\ln |\phi(t)|^2$ aumenta monotonicamente en el tiempo ($\frac{1}{2}\frac{d}{dt}S'(t) \geq 0$). Esto contrasta con el sistema original, donde la norma al cuadrado $|P(t)|^2$ (y por ende la entropía) puede exhibir mínimos locales.
4. Construcción Computacional:
   • Enfoque Analítico: Los autores buscan un generador hermítico $\Lambda = \ln \eta$ dentro de un álgebra de operadores cerrada. Al expandir la condición $H = H^\dagger$ en términos de conmutadores, derivan un conjunto de ecuaciones algebraicas (que involucran coeficientes $G_{ijk}$) para resolver $\Lambda$. Este enfoque asume una estructura cerrada bajo el conmutador, lo cual puede no cumplirse para todos los problemas de interacción no triviales.
   • Enfoque Numérico: Para casos generales donde el cierre analítico es difícil, se propone un algoritmo numérico iterativo. Este método trata a $\Lambda$ como un eje de rotación en el álgebra, realizando rotaciones iterativas para suprimir la componente anti-hermítica ($\Delta H$) del generador hasta alcanzar una tolerancia establecida.

Resultados Clave
La metodología se aplicó a un modelo epidémico de Susceptibles-Infectados-Susceptibles (SIS) en un grafo de contacto estático:

• Crecimiento Monotónico de la Entropía: En el sistema transformado, la entropía de Rényi $S'$ aumenta monotonicamente hasta alcanzar el equilibrio, mientras que la entropa del sistema original exhibe un máximo transitorio seguido de una disminución.
• Equivalencia Estadística: A pesar de la transformación, los promedios estadísticos (media y desviación estándar de los vértices infectados) calculados en el sistema transformado coinciden con los resultados del sistema original con alta precisión (distancia de Kolmogorov-Smirnov $< 10^{-3}$), siempre que se aplique correctamente el operador de métrica.
• Detección de Transiciones de Fase: El máximo de la entropía de Rényi en ambos sistemas (el original y el transformado) coincide en la misma razón crítica de infección frente a recuperación ($\beta/\gamma$). Esto confirma que el sistema transformado, a pesar de haber restaurado la reversibilidad temporal, retiene la firma de la transición de fase encontrada en el sistema no hermítico original.
• Preservación de la Estructura: Las distribuciones de estado estacionario en el sistema transformado ($|\phi\rangle$) preservan los índices estructurales de la distribución original ($|P\rangle$), sugiriendo que las contribuciones diagonales del mapa de Dyson gobiernan la transformación, mientras que los componentes fuera de la diagonal sirven para mezclar los componentes para aumentar la entropía.

Significancia y Reivindicaciones
El artículo afirma proporcionar un método general y computacionalmente tratable para restaurar el equilibrio detallado en una amplia clase de sistemas de Markov. Al convertir generadores no hermíticos en hermíticos, el enfoque dota a estos sistemas de una "interpretación física familiar" caracterizada por una producción de entropía estrictamente positiva. Esto permite la aplicación de herramientas estándar de la física estadística, como la maximización de la entropía, para determinar los estados de equilibrio.

Los autores destacan que este formalismo establece una conexión entre los procesos estocásticos y la dinámica cuántica (vía la rotación de Wick $t \to i\tau$) para sistemas con espectros reales y no negativos. Esta analogía sugiere que los simuladores cuánticos podrían utilizarse potencialmente para resolver problemas estocásticos clásicos difíciles dominados por el ruido y las fluctuaciones. Sin embargo, los autores señalan modestamente ciertas limitaciones: el enfoque actual requiere espectros reales y no puede abordar directamente sistemas con valores propios complejos (comportamiento oscilatorio), y la construcción analítica depende de cierres algebraicos específicos que pueden no existir para todos los problemas de interacción. El método efectivamente intercambia la complejidad de la entropía no monotónica por la complejidad de calcular los promedios estadísticos mediante el operador de métrica $\tilde{\Omega}$.