A Schwinger-Keldysh Formulation of Semiclassical Operator Dynamics

Cet article développe une formulation de Schwinger-Keldysh en temps réel de la dynamique de Krylov qui traite la complexité de Krylov comme un observable in-in, révélant une description émergente de l'espace des phases où le chaos semi-classique et les transitions entre intégrabilité et chaos sont caractérisés par le comportement des coefficients de Lanczos et de leurs fluctuations.

L'essentiel

La vue d'ensemble : Suivre une particule « floue »

Imaginez que vous versiez une seule goutte d'encre dans un verre d'eau. Avec le temps, cette goutte se diffuse, se mélangeant à l'eau jusqu'à être partout. En physique quantique, les scientifiques étudient comment l'« information » (comme un opérateur quantique spécifique) se propage à travers un système complexe, de la même manière que cette encre se diffuse.

Pendant longtemps, les scientifiques ont utilisé une méthode appelée complexité de Krylov pour mesurer la distance parcourue par cette information. Voyez cela comme mesurer le nombre de pas qu'un voyageur a effectués sur un long chemin sinueux. La méthode standard pour calculer cela implique une recette mathématique (l'algorithme de Lanczos) qui est très efficace pour donner un nombre, mais c'est comme regarder une carte sans comprendre le terrain. Elle vous dit où se trouve le voyageur, mais pas pourquoi il se déplace ainsi, ni à quoi ressemble le paysage.

Cet article introduit une nouvelle façon d'aborder le problème. Au lieu de simplement compter les pas, les auteurs construisent un film dynamique du voyage. Ils utilisent un outil de la physique appelé le formalisme de Schwinger-Keldysh (généralement utilisé pour étudier les systèmes qui évoluent dans le temps, comme une tasse de café qui refroidit) pour créer une « intégrale de chemin ».

L'analogie :
Imaginez que la méthode standard consiste à prendre une photo d'un coureur à la ligne d'arrivée et à calculer sa vitesse moyenne. La nouvelle méthode décrite dans cet article est comme placer une caméra sur la poitrine du coureur et filmer toute la course au ralenti, montrant chaque trébuchement, chaque sprint et chaque virage.

Le nouvel outil : La « boucle de temps fermée »

Pour obtenir ce « film », les auteurs utilisent une astuce ingénieuse. En physique, pour mesurer ce qui se passe à l'intérieur d'un système (plutement qu'au début et à la fin), il faut imaginer le temps s'écoulant vers l'avant puis vers l'arrière simultanément, comme une boucle.

• Le chemin direct : Représente l'évolution normale du système.
• Le chemin inverse : Représente le système qui « dé-évolue » pour vérifier les calculs.
• La boucle : En reliant ces deux chemins, ils créent une boucle fermée qui capture toute l'histoire du comportement du système, y compris toutes les minuscules fluctuations et « tremblements » qui sont habituellement lissés par la moyenne.

Cela leur permet de traiter la propagation de l'information non pas seulement comme une liste de nombres, mais comme une particule se déplaçant à travers un paysage.

Le paysage : Un sentier vallonné

Dans cette nouvelle perspective, le « chemin » que parcourt l'information est une chaîne unidimensionnelle (comme une échelle). Les « coefficients de Lanczos » (qui n'étaient que des nombres dans l'ancienne méthode) agissent désormais comme des collines et des vallées sur ce sentier.

• L'Hamiltonien effectif : Les auteurs montrent que ces nombres créent un « champ de force » invisible ou un paysage. La particule d'information dévale ce paysage.
• Le point de selle : Au milieu de ce paysage, il existe une forme spécifique (une selle) qui détermine la vitesse à laquelle la particule se déplace.

La découverte : Pourquoi le chaos survient

L'article explique pourquoi les systèmes chaotiques (les systèmes qui sont très sensibles aux changements) se comportent de la sorte.

1. Le glissement « hyperbolique » : Lorsqu'un système est chaotique, le paysage possède une forme spécifique appelée « trajectoire hyperbolique ». Imaginez un toboggan qui devient de plus en plus raide à mesure que l'on avance. Une fois que la particule d'information commence à glisser sur ce chemin spécifique, elle accélère de manière exponentielle. Cela explique pourquoi la complexité croît si vite dans les systèmes chaotiques.
2. Le point fixe universel : Les auteurs ont découvert que, peu importe la façon dont vous modifiez le système (tant qu'il est chaotique), le paysage finit par se ressembler. C'est comme la façon dont tous les fleuves finissent par se jeter dans l'océan ; ils peuvent commencer différemment, mais ils suivent tous les mêmes règles du « point fixe chaotique ».
3. Classer les modifications : L'article catégorise différentes façons de modifier le système :
   • Non pertinent (Irrelevant) : Les petits changements (comme déplacer le point de départ) ne changent pas la vitesse finale. La particule glisse toujours sur le même toboggan exponentiel.
   • Marginal : Des changements qui sont juste sur la limite. Ils n'arrêtent pas la glissade, mais ils font que la particule accélère ou ralentit très lentement au fil du temps.
   • Pertinent (Relevant) : Des changements majeurs qui aplatissent le toboggan. Si le paysage n'est pas assez escarpé, la particule cesse d'accélérer exponentiellement et marche simplement à un rythme normal et lent. Cela signale que le système n'est pas chaotique.

L'arme secrète : Écouter le bruit

La partie la plus excitante de cet article est ce qu'il révèle sur les fluctuations.

Dans l'ancienne méthode, les scientifiques ne regardaient que le chemin « moyen ». Si vous avez une foule de gens qui marchent, la moyenne peut montrer une ligne lisse. Mais la nouvelle méthode regarde le bruit — le fait que certains courent devant, d'autres traînent derrière, et d'autres restent coincés.

Les auteurs montrent que même lorsque le chemin « moyen » semble fluide et monotone (comme lorsqu'un système passe d'un état ordonné à un état chaotique), les fluctuations (le bruit) hurlent la vérité.

• L'analogie : Imaginez une foule de personnes traversant un pont. Si le pont est sûr, tout le monde marche à un rythme régulier. Si le pont est instable (chaotique), tout le monde tremble. L'article montre qu'en mesurant à quel point les gens tremblent (la variance), vous pouvez détecter un « pont instable » même si la vitesse de marche moyenne n'a pas encore changé.

Résumé

Cet article prend un outil mathématique complexe (la complexité de Krylov) et lui donne un corps physique. Il transforme un calcul statique en une histoire dynamique d'une particule dévalant un paysage.

• Il explique le chaos comme une particule glissant sur une colline exponentielle abrupte.
• Il explique l'ordre comme une particule marchant sur un terrain plat.
• Il prouve qu'en écoutant le bruit (les fluctuations) plutôt que la simple moyenne, nous pouvons repérer la transition entre l'ordre et le chaos beaucoup plus clairement qu'auparavant.

Cela ne donne pas seulement un nombre ; cela donne une raison géométrique et physique pour laquelle les systèmes quantiques se comportent de telle manière.

Résumé technique

Résumé Technique : Une formulation de Schwinger-Keldysh de la dynamique des opérateurs semi-classiques

Énoncé du Problème
La complexité de Krylov est apparue comme un diagnostic robuste de la croissance des opérateurs dans les systèmes quantiques à plusieurs corps, complétant les corrélateurs de type temps-hors-ordre (OTOC) et les sondes spectrales. La formulation standard repose sur l'algorithme de Lanczos, qui projette la dynamique des opérateurs sur une chaîne de liaison forte sur un réseau semi-infini caractérisé par des coefficients de Lanczos ($b_n$). Bien qu'efficace sur le plan computationnel, cette approche récursive basée sur la récursion occulte les principes dynamiques sous-jacents régissant la propagation des opérateurs. Elle offre une compréhension limitée des classes d'universalité, peine à classifier systématiquement les effets de taille finie et les fluctuations, et manque d'un cadre naturel pour l'extension aux systèmes quantiques ouverts. Les auteurs identifient la nécessité d'une formulation explicite de la complexité de Kryлоv en tant que théorie dynamique effective, plutôt que comme un simple construit de calcul.

Méthodologie
Les auteurs développent une formulation de Schwinger-Keldysh (SK) en temps réel de la dynamique de Krylov. La méthodologie centrale implique :

1. Cartographie de Liaison Forte : Recastrer l'évolution de Heisenberg d'un opérateur dans la base de Krylov en un problème de mécanique quantique à particule unique sur un réseau semi-infini avec des amplitudes de saut dépendant de la position.
2. Intégrale de Chemin sur Contour de Temps Fermé : Traiter la complexité de Krylov comme un observable « in-in ». Les auteurs construisent une fonctionnelle génératrice $Z_{SK}[J_+, J_-]$ sur un contour de temps fermé, couplant des sources à l'opérateur de position de Krylov sur les branches forward ($+$) et backward ($-$).
3. Représentation dans l'Espace des Phases : En introduisant des états de moment conjugués, les auteurs dérivent une intégrale de chemin dans l'espace des phases. Cela produit une action effective $S_{SK}$ où les coefficients de Lanczos définissent un Hamiltonien effectif émergent, $H_{\text{eff}}(n, p)$, régissant le mouvement dans l'espace des phases de Krylov.
4. Analyse Semi-classique : Les auteurs analysent les équations de point de selle de l'action SK, qui correspondent aux équations de Hamilton classiques. Ils classent les perturbations de la croissance linéaire des coefficients de Lanczos ($b_n \sim \alpha n$) en utilisant la terminologie du groupe de renormalisation (irrélevantes, marginales, pertinentes) pour déterminer leur impact sur la stabilité de la dynamique.
5. Analyse des Fluctuations : Au-delà du point de selle, le cadre permet une expansion en boucles systématique pour calculer les cumulants d'ordre supérieur et les statistiques de grandes déviations de la complexité de Krylov.

Contributions Clés et Résultats

• Description Émergente dans l'Espace des Phases : La formulation révèle que la dynamique de Krylov est gouvernée par un Hamiltonien classique $H_{\text{eff}}(n, p) = 2b(n)\cos p + \dots$ dans la limite semi-classique. Les coefficients de Lanczos $b_n$ agissent comme le potentiel dépendant de la position dans cette théorie effective.
• Trajectoires Hyperboliques et Chaos : Pour les systèmes chaotiques où $b_n$ croît linéairement ($b_n \sim \alpha n$), l'Hamiltonien effectif génère des trajectoires hyperboliques dans l'espace des phases. La croissance exponentielle de la complexité de Krylov est identifiée comme une manifestation de l'instabilité classique (comportement de Lyapunov) le long de ces trajectoires, avec un taux de croissance $\lambda_K = 2\alpha$.
• Universalité et Classification RG : L'article classifie les déviations par rapport à la croissance linéaire de Lanczos :
  • Perturbations Irrélevantes : Les décalages constants ($b_n = \alpha(n+c)$) ou les corrections logarithmiques ($b_n = \alpha n + \beta \ln n$) ne modifient ni le taux de croissance exponentielle ni la nature hyperbolique du point fixe. Ils ne font que modifier les préfacteurs ou induire des dérives lentes. Cela explique la robustesse de la croissance exponentielle dans des modèles comme $SU(1,1)$ et les systèmes conformes.
  • Perturbations Marginales : Les déformations de la forme $b_n = \alpha n (1 + \epsilon/\ln n)$ induisent une course lente et universelle de l'exposant d'instabilité effectif, résultant en des corrections de puissance à la croissance exponentielle ($n(t) \sim t^\epsilon e^{2\alpha t}$).
  • Perturbations Pertinentes : La croissance sous-linéaire ($b_n \sim n^\gamma$ avec $\gamma < 1$) détruit l'instabilité hyperbolique, provoquant la disparition de la vitesse angulaire et menant à une croissance de la complexité polynomiale (plutement qu'exponentielle).
• Fluctuations et Crossovers Intégrabilité-Chaos : Le cadre SK donne accès à la distribution de probabilité complète $P(n, t)$ et à ses cumulants. Les auteurs démontrent que si la complexité moyenne $K(t)$ peut varier de manière lisse à travers un crossover intégrabilité-chaos, les fluctuations (variance et fonctions de taux de grandes déviations) présentent des signatures nettes. Dans les régimes où le système transite de l'intégrable au chaotique, le « temps d'échappement » d'une région faiblement hyperbolique diverge, entraînant des fluctuations paramétriquement amplifiées même lorsque la croissance moyenne semble lisse.
• Solutions Exactes : Le formalisme est validé par des modèles exactement solubles, incluant le saut racine carrée (oscillateur harmonique) et les modèles de Liouvillien $SU(1,1)$. Dans ces cas, la fonction génératrice SK reproduit les résultats connus pour $K(t)$ et la distribution complète $P(n, t)$ sans dépendre de solutions de récursion explicites, en les dérivant plutôt des propriétés algébriques de l'Hamiltonien effectif.

Signification
L'article prétend réorganiser la complexité de Krylov d'un construit basé sur la récursion vers un cadre de théorie des champs dynamique. Sa signification primaire réside dans :

1. Clarté Conceptuelle : Il fournit une origine géométrique et physique à la croissance des opérateurs, identifiant la croissance linéaire de Lancosz comme un point fixe chaotique universel dans un espace des phases émergent.
2. Classification Systématique : Il offre un moyen systématique de classer les classes d'universalité de la croissance des opérateurs basées sur le comportement asymptotique des coefficients de Lanczos, distinguant le comportement chaotique robuste de la dynamique de type intégrable.
3. Nouveaux Diagnostics : En déplaçant l'accent de la complexité moyenne vers la distribution complète et ses fluctuations, la formulation identifie de nouveaux diagnostics (tels que les fonctions de grandes déviations) capables de détecter des crossovers dynamiques nets qui sont invisibles pour les observables de champ moyen.
4. Extensibilité : L'approche par contour de temps fermé s'étend naturellement aux systèmes quantiques ouverts et à la dynamique hors équilibre, fournissant une description unifiée de la complexité de Krylov tant dans les régimes unitaires que dissipatifs.

Les auteurs positionnent ce travail comme une étape vers l'application des outils standards de la théorie des champs hors équilibre (analyse semi-classique, théorie des fluctuations, grandes déviations) à l'étude du chaos quantique et de la thermalisation, allant au-delà des limites de l'algorithme de Lanczos standard.