Equivalence of residual entropy of hexagonal and cubic ices from tensor network methods

En utilisant des méthodes de réseaux de tenseurs de haute précision pour encoder explicitement les règles de glace et vérifier la normalité de l'opérateur de transfert, cette étude fournit des preuves numériques rigoureuses que les entropies résiduelles des glaces hexagonales et cubiques sont égales.

L'essentiel

Imaginez que vous avez un puzzle géant en trois dimensions fait de molécules d'eau. Dans ce puzzle, les atomes d'oxygène forment un squelette rigide, mais les atomes d'hydrogène sont comme de petits invités agités qui peuvent s'asseoir à différents endroits entre les atomes d'oxygène.

Il existe des règles strictes pour la façon dont ces invités peuvent s'asseoir (appelées « règles de la glace ») : chaque atome d'oxygène doit avoir exactement deux invités assis tout près de lui et deux autres assis un peu plus loin. Même lorsque la température chute si bas que l'eau se transforme en glace solide, les invités ne se figent pas dans un arrangement unique et parfait. Au contraire, ils peuvent encore se déplacer de trillions de manières différentes tout en respectant les règles.

Ce « brassage » crée une quantité de désordre résiduelle, connue sous le nom d'entropie résiduelle. Des scientifiques se sont disputés pendant des décennies sur une question spécifique : le montant du désordre diffère-t-il selon la forme du squelette de glace ?

Il existe deux formes principales de glace :

1. Glace hexagonale (Ih) : La forme la plus courante trouvée dans la nature (comme les flocons de neige).
2. Glace cubique (Ic) : Une forme plus rare avec une structure 3D légèrement différente.

Pendant des années, des mathématiciens ont prouvé que la glace hexagonale devait avoir au moins autant de désordre que la glace cubique ($S_h \ge S_c$). Cependant, des simulations informatiques suggéraient que les chiffres étaient si proches qu'ils pourraient être identiques. Le problème est que les ordinateurs utilisés pour vérifier cela (appelés méthodes « Monte Carlo ») étaient comme des tentatives de compter chaque possible mélange en devinant au hasard ; ils ne pouvaient pas voir l'image entière assez clairement pour dire si les chiffres étaient réellement égaux ou juste très proches.

La nouvelle approche : La lentille des « Réseaux de tenseurs »

Les auteurs de cet article ont utilisé un nouvel outil mathématique puissant appelé Réseaux de tenseurs. Vous pouvez voir cela comme une lentille haute définition qui ne se contente pas de deviner la réponse, mais qui cartographie l'ensemble du paysage des possibilités d'un seul coup.

Au lieu de mélanger les invités au hasard, ils ont construit une « machine de transfert » mathématique (appelée opérateur de transfert). Cette machine prend une couche de glace, applique les règles, et la transmet à la couche suivante. En trounant le « signal le plus fort » (la plus grande valeur propre) sortant de cette machine, ils ont pu calculer la quantité exacte de désordre sans avoir besoin de deviner.

La grande découverte : Le test du « Miroir »

Voici la partie ingénieuse de leur découverte. Ils ont réalisé que pour que les deux types de glace aient exactement le même désordre, la machine mathématique utilisée pour la glace cubique devait se comporter d'une manière très spécifique : elle devait être normale.

En termes simples, une machine « normale » est une machine où l'ordre dans lequel vous exécutez ses étapes ne change pas le résultat final. C'est comme un miroir qui réfléchit la lumière parfaitement ; si vous regardez par l'avant ou par le côté, la réflexion est cohérente.

Les auteurs ont effectué un test de haute précision pour voir si la machine de la glace cubique était « normale ». Ils ont découvert qu'elle est 99,99 % normale. Ce n'est pas un miroir parfait (il y a un minuscule, infime défaut), mais elle est si proche de la perfection qu'elle agit, pour toutes les fins pratiques, comme tel.

Le résultat final

Parce que la machine est si proche d'être « normale », les auteurs ont pu effectuer leur calcul directement sans avoir à forcer les chiffres pour qu'ils correspondent à une forme spécifique (une astuce que les chercheurs précédents avaient dû utiliser).

Lorsqu'ils ont fait les calculs :

• Le désordre de la glace hexagonale ($S_h$) s'est élevé à 0,4104251.
• Le désordre de la glace cubique ($S_c$) s'est élevé à 0,4104248.

La différence entre ces deux nombres est si petite (environ 5 parties par million) qu'elle est probablement due à une minuscule erreur dans la méthode de calcul, et non à une réelle différence de physique.

Conclusion

En langage courant : La glace hexagonale et la glace cubique ont exactement la même quantité de désordre résiduel.

Les auteurs n'ont pas seulement deviné cela ; ils ont utilisé une « lentille » mathématique sophistiquée pour prouver que les règles régissant les deux types de glace sont si similaires qu'elles entraînent le même niveau de chaos, réglant ainsi un débat de longue date en physique. Ils ont également noté que cette méthode pourrait être utilisée pour étudier d'autres formes de glace plus étranges que les scientifiques viennent de découvrir, bien que ce soit un travail pour la recherche future.

Résumé technique

Résumé technique : Équivalence de l'entropie résiduelle des glaces hexagonale et cubique via les méthodes de réseaux de tenseurs

Énoncé du problème
L'article traite d'une question de longue date restée sans réponse en physique statistique concernant l'entropie résiduelle de la glace d'eau. Plus précisément, il examine si l'entropie résiduelle de la glace hexagonale ($S_h$) est égale à celle de la glace cubique ($S_c$). Alors que les études analytiques ont établi l'inégalité $S_h \geq S_c$, les investigations numériques utilisant des méthodes de Monte Carlo et des développements en série ont systématiquement suggéré que ces deux valeurs sont extrêmement proches, laissant la question de l'égalité stricte ouverte. Un défi majeur pour résoudre cela est que les approches standard de Monte Carlo ne peuvent pas échantillonner directement l'espace de dégénérescence de l'état fondamental pour obtenir l'entropie résiduelle ; elles reposent au contraire sur l'intégration de la capacité calorifique à des températures finies. De plus, les tentatives antérieures de réseaux de tenseurs pour résoudre ce problème étaient limitées car l'opérateur de transfert pour la glace cubique est non hermitien, nécessitant des contraintes de symétrie artificielles qui masquaient la distinction entre les deux phases de glace.

Méthodologie
Les auteurs emploient des méthodes de réseaux de tenseurs de haute précision pour reformuler le problème de l'entropie résiduelle.

1. Représentation par réseaux de tenseurs : La « règle de la glace » (deux atomes d'hydrogène proches et deux éloignés de l'oxygène) est encodée dans des tenseurs locaux. Les structures de réseau 3D de la glace hexagonale ($I_h$) et cubique ($I_c$) sont projetées sur des réseaux de tenseurs où le nombre total de configurations est déterminé par la valeur propre dominante d'un opérateur de transfert couche par couche ($\hat{T}$).
   • Pour la glace cubique, $\hat{T}_c = \hat{M}$.
   • Pour la glace hexagonale, $\hat{T}_h = \hat{M}\hat{M}^T$.
2. Analyse de la normalité : Les auteurs étudient la « normalité » de l'opérateur de transfert de la glace cubique $\hat{M}$ (une matrice est normale si $\hat{M}\hat{M}^T = \hat{M}^T\hat{M}$). Ils calculent numériquement la fidélité entre $\hat{M}\hat{M}^T$ et $\hat{M}^T\hat{M}$ en utilisant l'algorithme VUMPS (Variational Uniform Matrix Product State). Une normalité élevée implique que les valeurs propres de $\hat{M}\hat{M}^T$ correspondent aux carrés des normes des valeurs propres de $\hat{M}$, soutenant théoriquement $S_h = S_c$.
3. Optimisation variationnelle : Pour calculer directement les entropies résiduelles, les auteurs utilisent l'algorithme récemment développé de split Corner Transfer Matrix Renormalization Group (split-CTMRG). Crucialement, ils soutiennent que comme $\hat{M}$ est non négatif et hautement normal, le principe variationnel (quotient de Rayleigh) peut être appliqué pour trouver le vecteur propre dominant sans imposer les contraintes de symétrie spatiale utilisées dans les travaux précédents. Cela permet une comparaison directe et non contrainte de $S_h$ et $S_c$.

Contributions clés

• Calcul direct : L'article fournit un cadre pour calculer directement l'entropie résiduelle dans l'espace de dégénérescence de l'état fondamental en utilisant les réseaux de tenseurs, contournant les limites de l'intégration à température finie requise par les méthodes de Monte Carlo.
• Perspective de la normalité : Les auteurs introduisent l'analyse de la normalité de l'opérateur de transfert comme un outil théorique et numérique. Ils démontrent que l'opérateur de transfert pour la glace cubique est « extrêmement proche » d'être normal, ce qui justifie l'utilisation de méthodes variationnelles sans contraintes de symétrie artificielles.
• Application algorithmique : Le travail applique la méthode split-CTMRG pour optimiser les états iPEPS (infinite Projected Entangled Pair States) infinis pour des opérateurs de transfert non hermitiens, atteignant des dimensions de liaison élevées ($D=7$) et des dimensions CTM ($\chi=150$).

Résultats

• Mesure de la normalité : La fidélité numérique entre $\hat{M}\hat{M}^T$ et $\hat{M}^T\hat{M}$ a été extrapolée à la limite de la dimension de liaison infinie, produisant une valeur de $F \approx 0,999903$. Cela indique un degré de normalité très élevé, bien que non strictement parfait.
• Valeurs d'entropie résiduelle : En utilisant la méthode split-CTMRG et en extrapolant à la limite thermodynamique ($D, \chi \to \infty$), les auteurs ont obtenu :
  • $S_h = 0,4104251(6)$
  • $S_c = 0,4104248(14)$
• Comparaison : La différence relative entre les deux valeurs est de l'ordre de $5 \times 10^{-6}$. Dans la précision numérique de leur méthode, les résultats indiquent que $S_h$ et $S_c$ sont égaux. L'optimisation non contrainte a produit des valeurs légèrement plus élevées pour la glace hexagonale par rapport aux études antérieures de réseaux de tenseurs contraints, confirmant l'importance de l'espace variationnel plus large.

Signification et revendications
L'article affirme fournir des preuves numériques solides soutenant l'égalité $S_h = S_c$. La portée de ce travail réside dans :

1. Résolution de l'inégalité : Il dépasse la borne inférieure analytique ($S_h \geq S_c$) pour fournir des preuves numériques que l'écart est effectivement nul au sein de la précision de calcul actuelle.
2. Avancement méthodologique : Il démontre que la normalité d'un opérateur de transfert est une condition suffisante pour appliquer des méthodes de réseaux de tenseurs variationnels à des systèmes non hermitiens sans imposer de symétries artificielles. Cela offre une nouvelle perspective pour l'étude des modèles de physique statistique 3D où les matrices de transfert couche par couche ne sont pas hermitiennes.
3. Applicabilité future : Les auteurs suggèrent que cette approche est prometteuse pour l'étude de l'entropie résiduelle d'autres phases de glace plus complexes (dont plus de 20 existent) où les atomes d'oxygène forment différents réseaux réguliers mais maintiennent un nombre de coordination de 4.

Les auteurs restent modestes, notant que si la haute normalité soutient l'égalité, la faible violation de la normalité stricte ne réfute pas mathématiquement l'égalité, mais nécessite l'approche numérique de haute précision qu'ils ont employée pour la confirmer.