Recurrence analysis of quantum many-body dynamics

Análisis de Recurrencia en la Dinámica de Sistemas Cuánticos de Muchos Cuerpos

1. Planteamiento del Problema

Los sistemas cuánticos de muchos cuerpos fuera del equilibrio exhiben comportamientos temporales complejos que codifican mecanismos físicos subyacentes, pero que suelen ser difíciles de interpretar. A pesar de los avances en simulaciones y experimentos con átomos ultrafríos, iones atrapados y qubits superconductores, la caracterización de estos datos en un espacio de Hilbert exponencialmente grande sigue siendo un desafío, especialmente cuando no existe un límite clásico disponible.

Métodos existentes para el análisis de series temporales cuánticas (como la sonificación de datos o el uso de redes neuronales) a menudo son cualitativos, específicos de un problema o añaden capas innecesarias de complejidad. Existe una necesidad de herramientas robustas, teóricamente fundamentadas y versátiles para detectar transiciones de fase y caracterizar dinámicas sin supervisión.

2. Metodología

Los autores introducen el análisis de recurrencia, una técnica de análisis de series temporales no lineales bien establecida en sistemas dinámicos clásicos, aplicada por primera vez de manera sistemática a la dinámica correlacionada de muchos cuerpos cuánticos.

• Modelo de Estudio: Se utiliza el modelo de Ising en una dimensión con campo transversal (TFIM). Se estudian "quenches" (cambios abruptos) desde el estado fundamental paramagnético ($h_0 \to \infty$) hacia diferentes valores del campo transversal $h$, evolucionando bajo el Hamiltoniano $H(h)$.
• Observables: En lugar de la magnetización (que es cero debido a la simetría $Z_2$), se analizan las funciones de correlación de dos sitios del parámetro de orden, $\rho_{xx}(\ell, t) = \langle \sigma_i^x \sigma_{i+\ell}^x \rangle$, para diferentes distancias $\ell$.
• Herramientas de Análisis:
  1. Mapas de Recurrencia (RP): Se construyen matrices de recurrencia $R_{ij} = \Theta(\epsilon - |x_i - x_j|)$ a partir de las series temporales. Esto genera imágenes bidimensionales que revelan patrones temporales (periódicos, caóticos, estocásticos). Se fija una tasa de recurrencia (RR) del 10% para garantizar comparabilidad.
  2. Análisis de Cuantificación de Recurrencia (RQA): Se extraen cuatro descriptores numéricos de los RP para cuantificar la dinámica:
     • Determinismo (DET): Fracción de puntos que forman líneas diagonales (indica predictibilidad).
     • Laminaridad (LAM): Fracción de puntos en líneas verticales (indica fases laminarias o atrapamiento).
     • Divergencia (DIV): Inverso de la longitud máxima de línea diagonal (indica caos).
     • Entropía (ENTR): Diversidad de las longitudes de las líneas diagonales.

3. Contribuciones Clave

• Adaptación de RPs a la Física Cuántica: Se demuestra que el análisis de recurrencia, tradicionalmente clásico, es aplicable y efectivo para sistemas cuánticos de muchos cuerpos correlacionados.
• Detección No Supervisada de Transiciones de Fase: Se logra recuperar el punto crítico conocido ($h_c = 1$) del modelo de Ising únicamente a partir del análisis de la dinámica temporal, sin conocer a priori los parámetros del modelo ni usar etiquetas de fase.
• Ventaja de los Correladores de Largo Alcance: Se descubre que los correladores de largo alcance ($\ell = 10, 20$) proporcionan señales de transición de fase más nítidas en el análisis RQA que los correladores de corto alcance o métodos estándar (como el promedio temporal o el IPR del espectro de Fourier).

4. Resultados Principales

• Cambios Cualitativos en los Mapas de Recurrencia:
  • En la fase ferromagnética profunda ($h < 1$), los RP muestran patrones casi periódicos y regulares.
  • En el punto crítico ($h = 1$), los RP exhiben estructuras temporales multiescala e irregulares.
  • En la fase paramagnética ($h > 1$), los patrones cambian nuevamente, aunque la dualidad del modelo hace que la dinámica sea similar a la fase ferromagnética con una reescala temporal.
• Cuantificación Numérica:
  • Los descriptores RQA (DET, LAM, DIV, ENTR) muestran picos o caídas abruptas exactamente en $h_c = 1$.
  • La señal de la transición es más fuerte y clara para distancias de correlación grandes ($\ell=10, 20$) en comparación con $\ell=1$. Esto contrasta con las medidas estándar (como el valor absoluto medio o el IPR), donde la señal de la transición se debilita al aumentar $\ell$.
• Robustez: El método funciona incluso después de corregir por cambios triviales en la escala de tiempo (velocidad de propagación de correlaciones), confirmando que detecta características no triviales de la dinámica. También se validó con la función de correlación conectada de la componente $z$ ($\rho_{zz}^c$), aunque con señales ligeramente menos pronunciadas.

5. Significado e Impacto

El trabajo establece el análisis de recurrencia como una herramienta versátil y potente para la física cuántica de muchos cuerpos. Sus implicaciones incluyen:

• Herramienta de Diagnóstico: Permite distinguir regímenes dinámicos (ordenados, críticos, caóticos) basándose únicamente en la evolución temporal de observables accesibles experimentalmente.
• Detección de Transiciones de Fase: Ofrece un método de detección de transiciones de fase cuánticas completamente no supervisado, útil para sistemas donde la teoría exacta es desconocida.
• Futuras Aplicaciones: El marco metodológico se sugiere para estudiar otros fenómenos cuánticos complejos, como la localización de muchos cuerpos (MBL), la fragmentación del espacio de Hilbert y las "cicatrices cuánticas" (quantum many-body scars), donde la estructura de recurrencia podría revelar reviviscencias periódicas ocultas.

En resumen, el artículo demuestra que el análisis de recurrencia puede extraer información física profunda de sistemas cuánticos complejos, superando a algunas técnicas de análisis de series temporales tradicionales en la detección de puntos críticos mediante el uso de correladores de largo alcance.