Krylov Complexity from Loschmidt Amplitude

Resumen Técnico: Complejidad de Krylov desde la Amplitud de Loschmidt

Planteamiento del Problema
La complejidad de Krylov ha surgido como un diagnóstico poderoso para la dinámica cuántica, ofreciendo una definición clara de la delocalización de la función de onda dentro del espacio de Hilbert mediante el método de recursión de Lanczos. Sin embargo, existe una limitación fundamental: las medidas del espacio de Krylov (como la complejidad) solo pueden reconstruir el sistema hasta la función de autocorrelación. Dos sistemas físicamente distintos con funciones de autocorrelación idénticas producen expansiones de Krylov idénticas. Por consiguiente, traducir las características de la base de Krylov de vuelta al lenguaje de los operadores del espacio de Hilbert local requiere información adicional específica del modelo. Además, aunque existen conexiones entre la complejidad de Krylov y otras medidas de caos (como el Correlador Fuera de Orden Temporal o OTOC), sigue siendo necesario desarrollar un marco unificado que vincule el crecimiento de la complejidad de Krylov directamente con la sensibilidad de los estados cuánticos bajo perturbaciones del Hamiltoniano —específicamente a través de la lente de las amplitudes de Loschmidt—. Este artículo aborda la necesidad de expresar la complejidad de Krylov y su evolución temporal como derivadas de las amplitudes de Loschmidt, proporcionando así un esquema de clasificación para la dinámica de la complejidad y estableciendo límites geométricos.

Metodología
El artículo emplea el formalismo del algoritmo de Lanczos para construir una base de Krylov ortonormal $\{|n\rangle\}$ a partir de un estado inicial $|\psi(0)\rangle$ y un Hamiltoniano $H$. La dinámica se codifica en la matriz tridiagonal $M$ (la representación de $H$ en la base de Krylov), caracterizada por los coeficientes de Lanczos $a_n$ y $b_n$.

La metodología central consiste en introducir dos deformaciones auxiliares al Hamiltoniano $M$:

1. Deformación Angular ($\phi$): Una rotación generada por el operador de número $\hat{n}$ (que cuenta el índice de Krylov). El Hamiltoniano deformado se define como $M(\phi) = e^{i\hat{n}\phi} M e^{-i\hat{n}\phi}$.
2. Deformación Euclídea ($\tau$): Una deformación generada por el operador $F = i[B, M]$, donde $B = i[\hat{n}, M]$ actúa como un operador de "momento". Esto corresponde a la evolución del estado inicial mediante tiempo euclídeo $e^{-\tau H}$.

Los autores utilizan estas deformaciones para definir las amplitudes de Loschmidt $G(t, \phi) = \langle 0 | e^{iMt} e^{-iM(\phi)t} | 0 \rangle$ y sus contrapartes dependientes de $\tau$. Al analizar las propiedades espectrales de estas amplitudes y la estructura algebraica de los operadores $M$, $B$ y $\hat{n}$, los autores derivan relaciones entre los momentos de la complejidad de Krylov y las derivadas de estas amplitudes. El análisis se apoya fuertemente en la función espectral $\Phi(E)$ (la transformada de Fourier de la función de autocorrelación) y en las propiedades de los polinomios ortogonales asociados con los coeficientes de Lanczos.

Contribuciones Clave y Resultados

1. Complejidad de Krylov como una Derivada de Loschmidt:
   El artículo establece que la complejidad de Krylov $\langle \hat{n}(t) \rangle$ es la respuesta de fase de orden principal de una amplitud de Loschmidt. Específicamente, el $k$-ésimo momento de la distribución de la complejidad viene dado por la $k$-ésima derivada de $G(t, \phi)$ con respecto a $\phi$ en $\phi=0$:
   $$\langle \hat{n}^k(t) \rangle = (-i)^k \frac{\partial^k}{\partial \phi^k} G(t, \phi) \Big|_{\phi=0}$$
   Esta formulación define un "propagador espectral" $K(E_1, E_2, \phi)$ que codifica toda la distribución de la complejidad.

2. Derivada Temporal y Clasificación por $\tau$:
   La derivada temporal de la complejidad de Krylov se expresa como la derivada de una amplitud de Loschmidt distinta que involucra una deformación de tiempo euclídeo $\tau$:
   $$\partial_t \langle \hat{n}(t) \rangle = i \partial_\tau \langle 0 | e^{iM(0)t} e^{-i(M(0) + \tau F)t} | 0 \rangle \Big|_{\tau=0}$$
   El operador $F = i[B, M]$ gobierna esta perturbación. El artículo propone un esquema de clasificación para la dinámica de la complejidad de Krylov basado en el crecimiento y la acotación de las entradas de $F$.

• Perturbaciones Acotadas: Si $F$ es un operador acotado (por ejemplo, cuando los coeficientes de Lanczos crecen lentamente o se saturan), la perturbación puede aproximarse mediante una truncación de rango finito. Esto permite que la dinámica de la complejidad sea capturada por una amplitud medible con un corte finito $n^*$.
• Perturbaciones No Acotadas: En sistemas caóticos donde los coeficientes de Lanczos crecen rápidamente (por ejemplo, linealmente), $F$ es no acotado, y las truncaciones de rango finito fallan al capturar la dinámica con precisión.

3. Límites Generales sobre la Complejidad:
   Utilizando la desigualdad de Cauchy-Schwarz y la norma de Frobenius de $F$, los autores derivan un límite superior general para la complejidad de Krylov en términos de la función de autocorrelación $C(t)$:
   $$\langle \hat{n}(t) \rangle \leq \|F\| \sqrt{\int_0^t ds_1 \int_0^t ds_2 (t-s_1)(t-s_2) |C(s_1-s_2)|^2}$$
   Este límite se mantiene con supuestos mínimos sobre el crecimiento de los coeficientes de Lanczos, siempre que $\|F\|$ sea finito. Para casos específicos (como la Teoría de Matrices Aleatorias con $b_n$ constante), el artículo deriva el comportamiento asintótico de tiempo tardío preciso para todos los momentos de la complejidad.

4. Geometría de la Complejidad y Límites de Volumen:
   El artículo construye una geometría riemanniana bidimensional generada por el tiempo $t$ y el ángulo de deformación $\phi$. La métrica está inducida de la métrica de Fubini-Study en el espacio de Hilbert.

• Límite de Volumen: Los autores demuestran que la complejidad de Krylov está acotada superiormente por el volumen de esta geometría hasta el tiempo $t$. Específicamente, $\langle \hat{n}(t) \rangle \leq \frac{1}{\pi} \text{Vol}_t$.
• Saturación: Este límite se satura cuando el álgebra entre $\hat{n}$, $M$ y $B$ se cierra (por ejemplo, en álgebras $SL(2, \mathbb{R})$ o de Heisenberg-Weyl), lo que conduce a espacios de curvatura constante.
• Desviación Geodésica: Se muestra que la curvatura escalar de esta geometría está relacionada con la convexidad de la varianza de Krylov $\Delta n(t)$.

5. Relación Estadística entre IPR y Varianza:
   Se identifica una propiedad estadística sorprendente: el Ratio de Participación Inversa (IPR) de las funciones de onda de Krylov es inversamente proporcional a la desviación estándar de la distribución de la complejidad ($\Delta n(t)$) para una amplia clase de sistemas:
   $$\text{IPR}_t \sim \frac{1}{\sqrt{\pi} \Delta n(t)}$$
   Esta relación se mantiene para sistemas con coeficientes de Lanczos constantes y aquellos gobernados por álgebras de complejidad, lo que sugiere un comportamiento estadístico robusto de las probabilidades de la base de Krylov.

Significado y Reivindicaciones
El artículo afirma proporcionar un marco analítico unificado que trata la complejidad de Krylov como una medida de la sensibilidad a las perturbaciones del Hamiltoniano. Al expresar los momentos de la complejidad como derivadas de las amplitudes de Loschmidt, el trabajo cierra la brecha entre las medidas abstractas del espacio de Krylov y los observables físicos como la amplitud de supervivencia.

La significancia reside en:

• Clasificación: Ofrecer una nueva forma de clasificar la dinámica cuántica basada en la acotación del operador de perturbación $F$, distinguiendo entre sistemas donde la complejidad puede aproximarse mediante truncaciones finitas y aquellos que requieren resolución espectral completa.
• Interpretación Geométrica: Establecer una imagen geométrica rigurosa donde la complejidad está limitada por el volumen de un espacio de parámetros, vinculando conceptos de caos cuántico (exponentes de Lyapunov) con la curvatura geométrica y la separación de trayectorias.
• Poder Predictivo: Derivar límites generales y comportamientos asintóticos directamente de la función de autocorrelación sin requerir conocimiento detallado de la secuencia completa de Lanczos, particularmente para sistemas con funciones espectrales acotadas.

Los autores sostienen que, si bien la conexión con los exponentes de caos (como el exponente de Lyapunov) es sugestiva y análoga a las definiciones clásicas, establecer una identificación física precisa del exponente de Krylov con el caos en sistemas generales requiere consideraciones adicionales sobre el contenido físico específico de la función de autocorrelación, lo cual está más allá del alcance de este trabajo. El artículo se centra en las relaciones estructurales y algebraicas dentro del formalismo de Krylov.