Universal Dynamical Response to Slow Driving in Chaotic Systems

Resumen Técnico: Respuesta Dinámica Universal ante el Conducción Lenta en Sistemas Caóticos

Planteamiento del Problema
Las definiciones tradicionales de caos divergen entre la mecánica clásica y la cuántica. El caos clásico se caracteriza por la inestabilidad de las trayectorias y exponentes de Lyapunov positivos, mientras que el caos cuántico se identifica típicamente mediante estadísticas de espaciamiento de niveles (Wigner-Dyson) o la Hipótesis de Termalización de Estados Propios (ETH). Estas métricas distintas no logran proporcionar un marco unificado que explique la emergencia del caos clásico desde la dinámica cuántica o la naturaleza de las inestabilidades dinámicas en sistemas cuánticos cerca de los límites integrables. Los autores argumentan a favor de una perspectiva unificada basada no en trayectorias o estadísticas espectrales, sino en la estabilidad del estado estacionario de un sistema bajo una conducción cíclica lenta.

Metodología
Los autores proponen caracterizar el caos a través de la ruptura de la adiabaticidad. Introducen un protocolo donde un sistema, inicialmente en un estado estacionario $\rho_{-\infty} = P(H_0)$, es sometido a una perturbación cíclica $H(t) = H_0 + \lambda(t)V$ con $\lambda(\pm\infty) = 0$. El protocolo está parametrizado por una escala de tiempo característica $T = 1/\mu$ y una velocidad media $\bar{v}$.

Para cuantificar la susceptibilidad del sistema a la velocidad de conducción, los autores definen la "información de Fisher de velocidad", denotada como $I_{\bar{v}}(\mu)$. Esta se deriva de la fidelidad $F(\bar{v}, \mu)$ entre los estados inicial y final:
$$I_{\bar{v}}(\mu) = -2 \frac{\partial^2 F(\bar{v}, \mu)}{\partial \bar{v}^2} \bigg|_{\bar{v}=0}$$
Esta cantidad mide la pérdida de fidelidad de primer orden debido a una velocidad de conducción no nula en el límite cuasiestático ($\mu \to 0$).

Un análisis teórico vincula $I_{\bar{v}}(\mu)$ con una "función de autocorrelación simétrica ponderada por puntuación" $D_V(t)$ y su transformada de Fourier, la función espectral $\tilde{D}_V(\omega)$. La información de Fisher de velocidad se expresa como:
$$I_{\bar{v}}(\mu) = \frac{1}{\mu} \int_{-\infty}^{\infty} \frac{d\omega}{2\pi} \tilde{D}_V(\mu\omega) |\tilde{g}(\omega)|^2$$
donde $\tilde{g}(\omega)$ es la transformada de Fourier de la derivada temporal del protocolo. Los autores demuestran que $I_{\bar{v}}(\mu)$ corresponde a un arrastre termodinámico, específicamente a la producción irreversible de "energía modular" (o calentamiento en conjuntos de Gibbs), cuantificada por la entropía relativa entre los estados final e inicial.

Contribuciones Clave y Resultados

1. Marco Unificado: El artículo establece que la divergencia de la información de Fisher de velocidad en el límite cuasiestático sirve como una firma universal de caos, aplicable a sistemas hamiltonianos clásicos, sistemas hamiltonianos cuánticos y flujos no hamiltonianos.
2. Criterio de Peso Espectral: La respuesta está controlada por el peso espectral de baja frecuencia de la perturbación.
   • Sistemas Regulares/Integrables: Las funciones espectrales se anulan a bajas frecuencias (típicamente como $\omega^\alpha$ con $\alpha > 1$). En consecuencia, $I_{\bar{v}}(\mu)$ permanece finito o se anula cuando $\mu \to 0$, indicando estabilidad adiabática.
   • Sistemas Térmicos Caóticos: Las perturbaciones genéricas exhiben un peso espectral de baja frecuencia no nulo (una meseta). Esto conduce a una divergencia robusta $I_{\bar{v}}(\mu) \sim 1/\mu$, señalando una ruptura de la adiabaticidad.
   • Caos Marginal/No Térmico: Los sistemas con espectros de baja frecuencia singulares (por ejemplo, críticos o subóhmicos) exhiben divergencias intermedias o más fuertes dependiendo del exponente $\alpha$.
3. Interpretación Termodinámica: La información de Fisher de velocidad se identifica como un arrastre termodinámico. Para un estado de Gibbs, la absorción de energía irreversible escala como $\langle \Delta E \rangle = \frac{k_B T}{2} I_{\bar{v}}(\mu) \bar{v}^2$. Esto proporciona un vínculo directo entre el caos, la producción de entropía y la disipación de energía medible.
4. Validación Numérica:
   • Ejemplo Cuántico: El modelo de Ising de campo mixto 1D. El caso integrable ($h_z=0$) muestra un arrastre que se anula cuando $\mu \to 0$, mientras que el caso caótico ($h_z \neq 0$) exhibe la divergencia $1/\mu$ predicha, consistente con la meseta de baja frecuencia en su función espectral.
   • Ejemplo Clásico: El modelo $\beta$-Fermi-Pasta-Ulam-Tsingou ($\beta$-FPUT). La cadena armónica integrable ($\beta=0$) es adiabáticamente estable, mientras que el caso fuertemente no lineal y caótico ($\beta=10$) muestra un arrastre divergente y un peso espectral de baja frecuencia finito.
   • Extensión No Hamiltoniana: El marco se extiende al sistema Lorenz-96, donde la estabilidad de los estados estacionarios bajo conducción lenta está igualmente vinculada al comportamiento espectral de baja frecuencia de la divergencia de la perturbación.

Significancia y Reivindicaciones
Los autores afirman que este enfoque ofrece una noción operativa y unificada de caos que trata a los sistemas clásicos y cuánticos en igualdad de condiciones. A diferencia de las métricas tradicionales que dependen de propiedades específicas del sistema (trayectorias o espaciamiento de niveles), este marco postula que el comportamiento regular o caótico es una propiedad del sistema, su estado y el observable relevante (reflejado en su comportamiento espectral de baja frecuencia).

El artículo enfatiza que este método complementa los diagnósticos tradicionales al proporcionar un criterio para la presencia de caos que es directamente accesible en configuraciones numéricas y experimentales mediante la medición del arrastre termodinámico o las fluctuaciones de energía. También sugiere que el marco puede distinguir entre diferentes tipos de comportamiento caótico (térmicos frente a no térmicos) y describe cómo el caos se manifiesta a través de diferentes observables físicos y escalas de tiempo, notando particularmente que ciertos observables (como las corrientes) pueden exhibir una mayor estabilidad que otros.