A Schwinger-Keldysh Formulation of Semiclassical Operator Dynamics

Este artículo desarrolla una formulación de Schwinger-Keldysh en tiempo real de la dinámica de Krylov que trata la complejidad de Krylov como un observable in-in, revelando una descripción de espacio de fases emergente donde el caos semiclásico y los cruces entre integrabilidad y caos se caracterizan por el comportamiento de los coeficientes de Lanczos y sus fluctuaciones.

Lo esencial

La visión general: Rastreando una partícula "difusa"

Imagina que tienes una sola gota de tinta que cae en un vaso de agua. Con el tiempo, esa gota se expande, mezclándose con el agua hasta estar en todas partes. En la física cuántica, los científicos estudtan cómo la "información" (como un operador cuántico específico) se propaga a través de un sistema complejo, de forma similar a cómo se propaga esa tinta.

Durante mucho tiempo, los científicos han utilizado un método llamado complejidad de Krylov para medir qué tan lejos ha viajado esa información. Piensa en esto como medir cuántos pasos ha dado un viajero por un camino largo y sinuoso. La forma estándar de calcularlo implica una receta matemática (el algoritmo de Lanczos) que es muy buena para dar un número, pero es como mirar un mapa sin entender el terreno. Te dice dónde está el viajero, pero no por qué se mueve de esa manera o cómo es el paisaje.

Este artículo presenta una nueva forma de mirar el problema. En lugar de solo contar pasos, los autores construyen una película dinámica del viaje. Utilizan una herramienta de la física llamada formalismo de Schwinger-Keldysh (que normalmente se usa para estudiar sistemas que cambian con el tiempo, como una taza de café enfriándose) para crear una "integral de trayectoria".

La analogía:
Imagina que el método estándar es como tomar una foto de un corredor en la línea de meta y calcular su velocidad promedio. El nuevo método descrito en este artículo es como poner una cámara en el pecho del corredor y filmar toda la carrera en cámara lenta, mostrando cada tropiezo, cada sprint y cada giro.

La nueva herramienta: El "bucle de tiempo cerrado"

Para obtener esta "película", los autores utilizan un truco ingenioso. En física, para medir lo que sucede dentro de un sistema (en lugar de solo el principio y el final), hay que imaginar que el tiempo corre hacia adelante y hacia atrás simultáneamente, como un bucle.

• El camino hacia adelante: Representa la evolución normal del sistema.
• El camino hacia atrás: Representa el "des-evolucionamiento" del sistema para verificar las matemáticas.
• El bucle: Al conectar estos dos, crean un bucle cerrado que captura la historia completa del comportamiento del sistema, incluyendo todas las pequeñas fluctuaciones y "temblores" que usualmente se promedian.

Esto les permite tratar la propagación de la información no solo como una lista de números, sino como una partícula moviéndose a través de un paisaje.

El paisaje: Un camino montañoso

En esta nueva visión, el "camino" que recorre la información es una cadena unidimensional (como una escalera). Los "coeficientes de Lanczos" (que antes eran solo números en el método antiguo) ahora actúan como colinas y valles en este camino.

• El Hamiltoniano efectivo: Los autores demuestran que estos números crean un "campo de fuerza" invisible o un paisaje. La partícula de información rueda por este paisaje.
• El punto de silla: En medio de este paisaje, hay una forma específica (una silla) que determina qué tan rápido se mueve la partícula.

El descubrimiento: Por qué ocurre el caos

El artículo explica por qué los sistemas caóticos (sistemas que son muy sensibles a los cambios) se comportan de la manera en que lo hacen.

1. El deslizamiento "hiperbólico": Cuando un sistema es caótico, el paisaje tiene una forma específica llamada "trayectoria hiperbólica". Imagina un tobogán que se vuelve más empinado cuanto más lejos vas. Una vez que la partícula de información comienza a deslizarse por este camino específico, acelera exponencialmente. Esto explica por qué la complejidad crece tan rápido en los sistemas caóticos.
2. El punto fijo universal: Los autores descubrieron que, sin importar cómo se ajuste el sistema (siempre que sea caótico), el paisaje eventualmente se ve igual en el fondo. Es como cómo todos los ríos acaban fluyendo hacia el océano; pueden empezar de forma distinta, pero todos terminan siguiendo las mismas reglas del "punto fijo caótico".
3. Clasificando los ajustes: El artículo categoriza diferentes formas de cambiar el sistema:
   • Irrelevante: Cambios pequeños (como desplazar el punto de partida) no cambian la velocidad final. La partícula sigue deslizándose por el mismo tobogán exponencial.
   • Marginal: Cambios que están justo en el límite. No detienen el deslizamiento, pero hacen que la partícula se acelere o desacelere muy lentamente con el tiempo.
   • Relevante: Cambios grandes que aplanan el tobogán. Si el paisaje no es lo suficientemente empinado, la partícula deja de acelerar exponencialmente y simplemente camina a un ritmo normal y lento. Esto indica que el sistema no es caótico.

El arma secreta: Escuchar el ruido

La parte más emocionante de este artículo es lo que revela sobre las fluctuaciones.

En el método antiguo, los científicos solo miraban el camino "promedio". Si tienes una multitud de personas caminando, el promedio podría mostrar una línea suave. Pero el nuevo método mira el ruido: el hecho de que algunas personas corren más adelante, otras se retrasan y otras se quedan estancadas.

Los autores demuestran que, incluso cuando el camino "promedio" parece suave y aburrido (como cuando un sistema está en transición de ser ordenado a caótico), las fluctuaciones (el ruido) gritan la verdad.

• La analogía: Imagina una multitud de personas cruzando un puente. Si el puente es seguro, todos caminan a un ritmo constante. Si el puente es inestable (caótico), todos tiemblan. El artículo muestra que, al medir cuánto tiembla la gente (la varianza), puedes detectar un "puente inestable" incluso si la velocidad de caminata promedio aún no ha cambiado.

Resumen

Este artículo toma una herramienta matemática compleja (la complejidad de Krylov) y le da un cuerpo físico. Convierte un cálculo estático en una historia dinámica de una partícula rodando por un paisaje.

• Explica el caos como una partícula deslizándose por una colina exponencial y empinada.
• Explica el orden como una partícula caminando sobre un terreno plano.
• Demuestra que, al escuchar el ruido (las fluctuaciones) en lugar de solo el promedio, podemos detectar la transición entre el orden y el caos con mucha más claridad que antes.

Esto no solo entrega un número; entrega una razón geométrica y física de por qué los sistemas cuánticos se comportan como lo hacen.

Resumen técnico

Resumen Técnico: Una formulación de Schwinger-Keldysh para la dinámica de operadores semiclásicos

Planteamiento del problema
La complejidad de Krylov ha emergido como un diagnóstico robusto para el crecimiento de operadores en sistemas de muchos cuerpos cuánticos, complementando a los correladores de tiempo fuera de orden (OTOC) y las sondas espectrales. La formulación estándar se basa en el algoritmo de Lanczos, que mapea la dinámica de operadores a un problema de enlace fuerte (tight-binding) en una cadena semi-infinita caracterizada por coeficientes de Lanczos ($b_n$). Aunque es computacionalmente eficiente, este enfoque recursivo basado en la iteración oscurece los principios dinámicos subyacentes que gobiernan la propagación de operadores. Ofrece una visión limitada sobre las clases de universalidad, tiene dificultades para clasificar sistemáticamente los efectos de tamaño finito y las fluctuaciones, y carece de un marco natural para extenderse a sistemas cuánticos abiertos. Los autores identifican la necesidad de una formulación explícita de la complejidad de Krylov como una teoría dinámica efectiva, en lugar de meramente un constructo computacional.

Metodología
Los autores desarrollan una formulación de Schwinger-Keldysh (SK) en tiempo real para la dinámica de Krylov. La metodología central consiste en:

1. Mapeo de Enlace Fuerte (Tight-Binding): Recodificar la evolución de Heisenberg de un operador en la base de Krylov como un problema de mecánica cuántica de una sola partícula en una red semi-infinita con amplitudes de salto dependientes de la posición $b_n$.
2. Integral de Camino en el Contorno de Tiempo Cerrado: Tratar la complejidad de Krylov como un observable "in-in". Los autores construyen un funcional generador $Z_{SK}[J_+, J_-]$ en un contorno de tiempo cerrado, acoplando fuentes al operador de posición de Krylov en las ramas hacia adelante ($+$) y hacia atrás ($-$).
3. Representación en el Espacio de Fase: Mediante la introducción de estados de momento conjugado, los autores derivan una integral de camino en el espacio de fase. Esto produce una acción efectiva $S_{SK}$ donde los coeficientes de Lanczos definen un Hamiltoniano efectivo emergente, $H_{\text{eff}}(n, p)$, que gobierna el movimiento en el espacio de fase de Krylov.
4. Análisis Semiclásico: Los autores analizan las ecuaciones de punto de silla de la acción SK, que corresponden a las ecuaciones de Hamilton clásicas. Clasifican las perturbaciones al crecimiento lineal de los coeficientes de Lanczos ($b_n \sim \alpha n$) utilizando terminología del grupo de renormalización (RG) (irrelevante, marginal, relevante) para determinar su impacto en la estabilidad de la dinámica.
5. Análisis de Fluctuaciones: Más allá del punto de silla, el marco permite una expansión de bucles sistemática para calcular los cumulantes superiores y la estadística de grandes desviaciones de la complejidad de Krylov.

Contribuciones Clave y Resultados

• Descripción Emergente en el Espacio de Fase: La formulación revela que la dinámica de Krylov está gobernada por un Hamiltoniano clásico $H_{\text{eff}}(n, p) = 2b(n)\cos p + \dots$ en el límite semiclásico. Los coeficientes de Lanczos $b_n$ actúan como el potencial dependiente de la posición en esta teoría efectiva.
• Trayectorias Hiperbólicas y Caos: Para sistemas caóticos donde $b_n$ crece linealmente ($b_n \sim \alpha n$), el Hamiltoniano efectivo genera trayectorias hiperbólicas en el espacio de fase. El crecimiento exponencial de la complejidad de Krylov se identifica como una manifestación de la inestabilidad clásica (comportamiento de Lyapunov) a lo largo de estas trayectorias, con una tasa de crecimiento $\lambda_K = 2\alpha$.
• Universalidad y Clasificación RG: El artículo clasifica las desviaciones del crecimiento lineal de Lanczos:
  • Perturbaciones Irrelevantes: Desplazamientos constantes ($b_n = \alpha(n+c)$) o correcciones logarítmicas ($b_n = \alpha n + \beta \ln n$) no alteran la tasa de crecimiento exponencial ni la naturaleza hiperbólica del punto fijo. Solo modifican los prefactores o inducen derivas lentas. Esto explica la robustez del crecimiento exponencial en modelos como $SU(1,1)$ y sistemas conformes.
  • Perturbaciones Marginales: Las deformaciones de la forma $b_n = \alpha n (1 + \epsilon/\ln n)$ inducen un flujo lento y universal del exponente de inestabilidad efectivo, resultando en correcciones de ley de potencia al crecimiento exponencial ($n(t) \sim t^\epsilon e^{2\alpha t}$).
  • Perturbaciones Relevantes: El crecimiento sublineal ($b_n \sim n^\gamma$ con $\gamma < 1$) destruye la inestabilidad hiperbólica, haciendo que la velocidad angular se anule y conduciendo a un crecimiento de la complejidad polinómico (en lugar de exponencial).
• Fluctuaciones y Cruces entre Integrabilidad-Caos: El marco de SK proporciona acceso a la distribución de probabilidad completa $P(n, t)$ y sus cumulantes. Los autores demuestran que, mientras la complejidad media $K(t)$ puede variar suavemente a través de un cruce entre integrabilidad y caos, las fluctuaciones (varianza y funciones de tasa de grandes desviaciones) exhiben firmas agudas. En regímenes donde el sistema transiciona de integrable a caótico, el "tiempo de escape" de una región débilmente hiperbólica diverge, provocando fluctuaciones parametrizadamente aumentadas incluso cuando el crecimiento medio parece suave.
• Soluciones Exactas: El formalismo se valida contra modelos exactamente solubles, incluyendo el salto de raíz cuadrada (oscilador armónico) y modelos de Liouvilliano $SU(1,1)$. En estos casos, el funcional generador de SK reproduce los resultados conocidos para $K(t)$ y la distribución completa $P(n, t)$ sin depender de soluciones de recursión explícitas, derivándolos en su lugar de las propiedades algebraicas del Hamiltoniano efectivo.

Significado
El artículo afirma reorganizar la complejidad de Krylov de un constructo basado en la recursión a un marco de teoría de campos dinámicos. Su significado principal reside en:

1. Claridad Conceptual: Proporciona un origen geométrico y físico para el crecimiento de operadores, identificando el crecimiento lineal de Lanczos como un punto fijo caótico universal en un espacio de fase emergente.
2. Clasificación Sistemática: Ofrece una forma sistemática de clasificar las clases de universalidad del crecimiento de operadores basándose en el comportamiento asintótico de los coeficientes de Lanczos, distinguiendo entre el comportamiento caótico robusto y la dinámica de tipo integrable.
3. Nuevos Diagnósticos: Al elevar el enfoque de la complejidad media a la distribución completa y sus fluctuaciones, la formulación identifica nuevos diagnósticos (como las funciones de grandes desviaciones) capaces de detectar cruces dinámicos agudos que son invisibles para los observables de campo medio.
4. Extensibilidad: El enfoque de contorno de tiempo cerrado se extiende naturalmente a sistemas cuánticos abiertos y dinámicas fuera del equilibrio, proporcionando una descripción unificada de la complejidad de Krylov tanto en regímenes unitarios como disipativos.

Los autores posicionan este trabajo como un paso hacia la aplicación de herramientas estándar de la teoría de campos fuera del equilibrio (análisis semiclásico, teoría de fluctuaciones, grandes desviaciones) al estudio del caos cuántico y la termalización, yendo más allá de las limitaciones del algoritmo de Lanczos estándar.