Lattice and PT symmetries in tensor-network renormalization group: a case study of a hard-square lattice gas model

Este artículo presenta una extensión del grupo de renormalización de redes tensoriales (TNRG) para incorporar simetrías de red y PT mediante un estudio de caso del modelo de gas de red de cuadrados rígidos, demostrando así su validez para calcular parámetros críticos y dimensiones de escalamiento en transiciones de fase continuas bidimensionales.

Lo esencial

Imagina que estás intentando entender cómo se comporta una multitud de personas en una plaza gigante. A veces, la gente se mueve libremente (como un fluido), y otras veces se organizan en filas rígidas o patrones específicos (como un sólido). En física, llamamos a estos cambios "transiciones de fase".

El problema es que estas plazas son tan grandes y las interacciones tan complejas que es imposible calcular el comportamiento de cada persona individualmente. Aquí es donde entra el Grupo de Renormalización de Redes de Tensor (TNRG), una herramienta matemática muy potente que actúa como una "máquina de hacer zoom". En lugar de mirar a cada persona, la máquina agrupa a pequeños grupos, los simplifica y nos dice cómo se comporta el grupo entero. Es como mirar una foto de alta resolución y luego hacer zoom out para ver el paisaje general sin perder los detalles importantes.

Sin embargo, esta máquina tiene un defecto: a veces, al simplificar, pierde información crucial sobre simetrías.

El Problema: Perder el "Espejo" y el "Giro"

Imagina que tienes un rompecabezas. Si el rompecabezas tiene una simetría (por ejemplo, si giras la imagen 90 grados, sigue siendo la misma), la máquina de simplificación debería respetar esa regla. Si no lo hace, la máquina introduce "ruido" o errores que hacen que la imagen final se vea borrosa o incorrecta.

Hasta ahora, los científicos sabían cómo hacer que la máquina respetara ciertas simetrías simples (como cambiar el color de una pieza). Pero no sabían cómo hacer que respetara:

1. Simetrías de la red (Lattice): Como girar la plaza o reflejarla en un espejo.
2. Simetría PT (Paridad-Tiempo): Un concepto más extraño, relacionado con cómo se comportan las matemáticas cuando los números se vuelven "negativos" o imaginarios (como si el tiempo fuera al revés en un espejo).

La Solución: El Modelo del "Gas de Cuadrados Duros"

El autor de este artículo, Xinliang Lyu, eligió un modelo de prueba muy específico: el gas de cuadrados duros.

• La analogía: Imagina una cuadrícula de baldosas. Puedes poner una persona en una baldosa, pero si hay alguien ahí, nadie puede estar en las baldosas vecinas (son "duros" y no se tocan).
• Este modelo tiene dos tipos de cambios de fase muy interesantes:
  1. El cambio "físico" (Actividad positiva): La gente se organiza en un patrón (como un tablero de ajedrez). Aquí se rompe la simetría de giro y reflejo.
  2. El cambio "no físico" (Actividad negativa): Un escenario matemático donde las reglas cambian y se rompe la simetría PT.

Lo que hizo el autor (La Magia)

El autor desarrolló un nuevo método para que la "máquina de hacer zoom" (TNRG) respete estrictamente estas reglas de giro, reflejo y simetría PT.

1. El truco del "Espejo y Giro": En lugar de dejar que la máquina simplifique las piezas al azar, el autor le enseñó a la máquina a mirar las piezas como si fueran espejos. Si una pieza es simétrica, la máquina la trata como tal. Esto evita que la máquina "rompa" el patrón por accidente.
2. El Filtro de Entrelazamiento (Loop Optimization): Imagina que al simplificar, la máquina crea un "nudo" de información innecesaria. El autor añadió un paso extra, un "filtro", que desenreda estos nudos antes de simplificar. Esto hace que la máquina sea mucho más precisa y rápida.

¿Por qué es importante?

• Precisión: Al respetar estas reglas, el método obtiene resultados mucho más exactos. En el artículo, se demuestra que para lograr la misma precisión que el nuevo método, el método antiguo necesitaría usar un poder de cálculo 5 veces mayor.
• Estabilidad: Sin estas reglas, la máquina a veces se "confunde" y deja de encontrar el patrón correcto, especialmente en los casos más extraños (como el cambio de fase negativo).
• Universalidad: Este nuevo método no solo sirve para este modelo de cuadrados, sino que abre la puerta para estudiar muchos otros sistemas complejos en física, desde materiales nuevos hasta teorías cuánticas, asegurando que las leyes fundamentales de simetría no se pierdan en el proceso.

En resumen

El autor ha creado una versión más inteligente y cuidadosa de una herramienta matemática. Es como si antes tuvieras un mapa que a veces borraba las calles principales al hacer zoom, y ahora tienes un mapa que, al hacer zoom, sabe exactamente cómo girar y reflejar las calles para que nunca pierdas la orientación. Esto permite a los científicos explorar territorios físicos que antes eran demasiado difíciles de navegar con precisión.

Resumen técnico

Título: Simetrías de red y PT en el grupo de renormalización de redes tensoriales: Un estudio de caso del modelo de gas de red cuadrada dura

1. El Problema

El Grupo de Renormalización de Redes Tensoriales (TNRG) es un método numérico potente para estudiar transiciones de fase en sistemas clásicos y cuánticos. Sin embargo, la comprensión y aplicación de las simetrías dentro del TNRG se ha limitado principalmente a simetrías globales "en sitio" (como $U(1)$ y $SU(2)$).

Existe una carencia significativa en la incorporación sistemática de simetrías de red (reflexión y rotación) y la simetría PT (Paridad-Tiempo) en el TNRG bidimensional. Esta limitación es crítica porque:

• Muchas transiciones de fase importantes implican la ruptura espontánea de estas simetrías específicas.
• Si el esquema de renormalización no respeta estas simetrías, los puntos fijos correspondientes a fases ordenadas (donde la simetría se rompe) se vuelven inestables bajo la transformación RG debido a errores numéricos o artefactos del algoritmo.
• Los modelos de benchmark tradicionales (como el modelo de Ising 2D) solo rompen simetrías de espín globales, lo que ha enmascarado la necesidad de desarrollar técnicas para simetrías de red más complejas.

El artículo utiliza el modelo de gas de red cuadrada dura con exclusión de primeros vecinos (1NN) como caso de estudio, ya que presenta dos transiciones de fase continuas: una física (actividad positiva) que rompe simetrías de red, y una no física (actividad negativa) que rompe la simetría PT.

2. Metodología

Los autores proponen una extensión del TNRG que incorpora explícitamente y preserva estrictamente las simetrías de reflexión, rotación y PT. La metodología se basa en tres pilares:

• Representación de Red Tensorial Simétrica:

  • Se define una representación inicial de la función de partición donde las simetrías de red se manifiestan como propiedades de los tensores (invarianza bajo rotación de 90° y reflexión diagonal).
  • La simetría PT se impone asegurando que todos los tensores y matrices de enlace sean valores reales. Esto garantiza que la matriz de transferencia sea real, preservando la estructura de autovalores necesaria para la simetría PT.

• Descomposición SVD Simétrica:

  • Se introduce una variante de la descomposición en valores singulares (SVD) o descomposición espectral (ED) que respeta las simetrías de reflexión diagonal.
  • En lugar de una SVD estándar que podría mezclar componentes de manera asimétrica, se utiliza una descomposición truncada de autovalores para matrices simétricas reales. Esto genera una matriz de enlace diagonal ($\sigma'$) con entradas $\pm 1$ y tensores que heredan las simetrías de la red.
  • Se demuestra teóricamente que esta descomposición preserva la estructura de simetría débil y fuerte de los tensores en la red.

• Optimización de Bucles (Loop Optimization) con Simetría:

  • Para mejorar la precisión en la criticidad, se integra una técnica de filtrado de entrelazamiento (Entanglement Filtering - EF) conocida como "optimización de bucles" (basada en el método Loop-TNR).
  • El desafío principal fue generalizar este método para redes con matrices de enlace no triviales ($\sigma \neq I$) y simetrías de red.
  • Se propone un algoritmo iterativo que optimiza un tensor de 3 patas ($\tilde{v}_\Lambda$) dentro de un bucle, utilizando una inversión regularizada de Moore-Penrose para manejar la singularidad de la matriz de superposición, asegurando que la aproximación filtre correctamente los tensores CDL (Corner-Double Line) sin romper las simetrías impuestas.

3. Contribuciones Clave

• Definición Formal de Simetrías en TNRG: Se establecen definiciones rigurosas para simetrías de reflexión, rotación y PT en el contexto de redes tensoriales gruesas, incluyendo la introducción de matrices de gauge de intercambio (SWAP-gauge matrices) para relacionar tensores en diferentes orientaciones.
• Estabilidad de Puntos Fijos: Se demuestra numéricamente que incorporar estas simetrías es crucial para la estabilidad de los puntos fijos de ruptura espontánea de simetría (SSB). Sin ellas, los errores de precisión de máquina hacen que los puntos fijos de fase ordenada sean inestables y fluyan hacia soluciones incorrectas.
• Generalización del Loop-TNR: Se presenta la primera implementación de un esquema TNRG mejorado con filtrado de entrelazamiento (EF) que es compatible con la ruptura espontánea de simetrías de red y simetría PT.
• Manejo de Teorías No Unitarias: Se valida el método en la singularidad del borde de Yang-Lee (actividad negativa), un caso de teoría de campo conforme (CFT) no unitaria, donde las leyes de área estándar de entrelazamiento no se aplican directamente, demostrando que el filtrado de entrelazamiento sigue siendo efectivo.

4. Resultados

El método fue aplicado al modelo de gas de red cuadrada dura (1NN) para ambas transiciones:

• Transición de Actividad Positiva (Clase de Ising 2D):

  • Precisión: El método propuesto estimó la actividad crítica $z_c^+$ con una precisión superior a la del TRG estándar. Para un dimensión de enlace $\chi=10$, el método propuesto alcanzó una precisión comparable a la del TRG estándar con $\chi=50$.
  • Estabilidad: Los errores de truncación se estabilizaron rápidamente (convergencia a $<10^{-6}$) gracias a la optimización de bucles, mientras que el TRG estándar mostraba un crecimiento exponencial del error.
  • Dimensiones Escalantes: Se extrajeron dimensiones escalantes estables y precisas que coinciden con los valores exactos del modelo de Ising.

• Transición de Actividad Negativa (Singularidad del Borde de Yang-Lee):

  • Estabilidad de PT: Se confirmó que mantener los tensores como valores reales preserva estrictamente la simetría PT, evitando que el punto fijo de ruptura de simetría se vuelva inestable (algo que ocurría en representaciones complejas debido a errores de precisión).
  • Rendimiento: El método logró estimar la actividad crítica $z_c^-$ con un error relativo de $10^{-8}$ para $\chi=20$, superando significativamente al TRG estándar.
  • Validación CFT: Las dimensiones escalantes extraídas coincidieron con las predicciones del modelo mínimo $M(2,5)$, incluyendo el campo relevante con dimensión $x_\phi = -2/5$.

5. Significado e Impacto

Este trabajo representa un avance fundamental en la metodología de redes tensoriales para sistemas estadísticos:

1. Robustez Numérica: Demuestra que la incorporación explícita de simetrías de red y PT no es solo una cuestión de eficiencia computacional, sino una necesidad para la estabilidad numérica en la búsqueda de puntos fijos críticos en modelos con ruptura de simetría compleja.
2. Versatilidad del TNRG: Amplía el alcance del TNRG para estudiar modelos de gases de red dura con exclusiones más largas y otros sistemas donde las simetrías de red son cruciales, superando las limitaciones de los métodos anteriores que solo funcionaban bien para simetrías globales simples.
3. Aplicación a CFTs No Unitarias: Proporciona una herramienta robusta para estudiar singularidades no físicas (como la de Yang-Lee) que son universales y relevantes para entender el comportamiento de sistemas con interacciones repulsivas, validando el uso de TNRG en regímenes no unitarios.
4. Herramienta General: El esquema propuesto es general y puede aplicarse a cualquier modelo cuya representación en red tensorial admita estas simetrías, sentando las bases para estudios más precisos de transiciones de fase en sistemas clásicos y cuánticos bidimensionales.