Multiscale Structure of Eigenstate Thermalization

Ce papier révèle une structure multi-échelle dans l'hypothèse d'thermalisation des états propres en démontrant que les propriétés statistiques des éléments de matrice dans les systèmes macroscopiques dépendent non seulement des paramètres de macro-état mais aussi de l'échelle de fluctuation de l'ensemble d'échantillonnage, conduisant à des exposants algébriques non analytiques et dépendants de l'échelle.

L'essentiel

Imaginez une machine géante et complexe constituée de milliards d'engrenages minuscules et en interaction. En physique, nous appelons cela un « système quantique à N corps ». Habituellement, lorsque nous observons ces machines, nous nous attendons à ce qu'elles finissent par se stabiliser dans un état calme et prévisible appelé « équilibre thermique » (comme une tasse de café qui refroidit jusqu'à la température ambiante).

Pendant des décennies, les physiciens ont utilisé une règle appelée l'Hypothèse de Thermalisation des États Propres (ETH) pour expliquer comment cela se produit. La règle dit essentiellement : « Si vous observez une seule image précise de l'énergie de la machine, les petites parties à l'intérieur sembleront déjà être dans un état calme et aléatoire. »

Cependant, cette nouvelle étude d'Orlov, Sharipov et Ilievski suggère que l'ancienne règle omet un détail crucial. Ils ont découvert que la « randomisation » à l'intérieur de la machine dépend de la largeur de votre filet lorsque vous capturez les images.

Voici le détail de leur découverte en utilisant des analogies simples :

1. L'Ancienne Méthode : Regarder à travers un Trou de Serrure Étroit

Traditionnellement, les physiciens étudiaient ces systèmes en observant une tranche d'énergie très étroite — comme regarder à travers un minuscule trou de serrure. Ils choisissaient deux images de la machine ayant presque la même énergie et se demandaient : « À quel point sont-elles différentes ? »

L'ancienne règle (ETH) disait : « Si elles sont proches en énergie, elles se ressemblent beaucoup. Si elles sont éloignées, elles semblent complètement aléatoires et déconnectées. »

2. La Nouvelle Découverte : La Taille du Filet Compte

Les auteurs ont posé une nouvelle question : Que se passe-t-il si nous ne regardons pas à travers un trou de serrure, mais si nous lançons un large filet ?

Imaginez que vous pêchez des poissons (qui représentent les états d'énergie de la machine).

• Filet Étroit (Petites Fluctuations) : Vous ne capturez que les poissons qui nagent juste à côté les uns des autres.
• Filet Large (Grandes Fluctuations) : Vous lancez un filet qui capture des poissons sur une immense zone, y compris des poissons très éloignés dans l'océan.

L'étude a révélé que la « randomisation » de la machine change en fonction de la largeur de votre filet.

• Si votre filet est petit, la machine se comporte exactement comme l'ancienne règle le prédisait.
• Si votre filet devient plus large, la machine commence à se comporter différemment. La « connexion » entre les parties ne fait pas simplement disparaître ; elle change entièrement de forme mathématique.

Ils appellent cela la « Structure Multi-échelle ». Cela signifie que la machine possède différentes « traits de personnalité » selon la distance à laquelle vous regardez.

3. L'Analogie de l'« Escalier »

Pour le prouver, les auteurs ont utilisé un modèle spécial et simplifié d'une machine (un « système intégrable ») plus facile à résoudre qu'un système chaotique. Ils ont visualisé les états de cette machine comme des escaliers faits de blocs (mathématiquement connus sous le nom de diagrammes de Young).

• L'Expérience : Ils ont comparé deux escaliers.
  • Scénario A : Les escaliers sont presque identiques (une différence minuscule de hauteur).
  • Scénario B : Les escaliers sont très différents (l'un est beaucoup plus haut que l'autre).

Ils ont calculé la probabilité que la machine saute d'un escalier à l'autre. Ils ont découvert un « point de basculement » surprenant :

• En dessous du point de basculement : La probabilité de saut diminue lentement.
• Au-dessus du point de basculement : La probabilité de saut s'effondre beaucoup plus vite, mais d'une manière spécifique et complexe impliquant des logarithmes (une courbe mathématique qui croît très lentement).

C'est comme conduire une voiture : en dessous d'une certaine vitesse, la résistance au vent est gérable. Mais une fois que vous dépassez un seuil de vitesse spécifique, la résistance au vent augmente soudainement d'une manière que vous n'attendiez pas, modifiant la façon dont la voiture se comporte.

4. L'« Échelle de Fluctuation » (Le Cadran)

Les auteurs ont introduit un « cadran » (appelé $\gamma$) qui contrôle la largeur de leur filet.

• Cadran à 0 : Vous observez une tranche minuscule et précise (l'ancienne méthode).
• Cadran à 1 : Vous observez l'ensemble de la machine, y compris des états radicalement différents.

Ils ont découvert que les « règles » statistiques de la machine changent brusquement lorsque vous tournez ce cadran au-delà d'un certain point (spécifiquement, lorsque le cadran dépasse 0,5).

• Avant 0,5 : La machine suit un ensemble de règles (l'ETH standard).
• Après 0,5 : La machine suit un autre ensemble de règles où les connexions entre les états sont supprimées beaucoup plus fortement.

5. La Forme de la Randomisation

Enfin, ils ont examiné la « forme » de la randomisation.

• Dans la zone « thermique » (le milieu du cadran), la randomisation ressemble à une courbe en cloche spécifique connue sous le nom de distribution de Gumbel (souvent utilisée pour décrire des événements extrêmes, comme les plus hautes crues d'un siècle).
• Dans la zone « petit filet », la randomisation ressemble à une courbe asymétrique (la distribution normale skew), qui est déséquilibrée.

Le Fond du Problème

L'article affirme que la « thermalisation » des systèmes quantiques n'est pas une règle unique et fixe. Au contraire, c'est un phénomène multi-échelle.

Pensez-y comme écouter une symphonie :

• Si vous écoutez un seul instrument (filet étroit), vous entendez une mélodie spécifique.
• Si vous écoutez tout l'orchestre (filet large), la mélodie change, et la façon dont les instruments se mélangent suit un ensemble de règles différent.

Les auteurs ont prouvé que pour vraiment comprendre comment les systèmes quantiques se stabilisent, vous devez tenir compte de la « taille du filet » que vous utilisez pour les observer. Si vous ignorez cela, vous risquez de manquer le fait que le système se comporte différemment lorsque vous l'observez sous un angle plus large.

Résumé technique

Résumé Technique : Structure Multiscale de la Thermalisation des États Propres

Énoncé du Problème
L'Hypothèse de Thermalisation des États Propres (ETH) postule que les systèmes quantiques à N corps isolés thermalisent parce que les états propres d'énergie individuels encodent des propriétés thermiques. L'analyse standard de l'ETH se concentre généralement sur les ensembles microcanoniques où les états propres sont confinés à des fenêtres d'énergie étroites de largeur $\delta E = O(1)$ (ou $O(L^0)$). Cependant, dans des scénarios physiques tels que les quenches quantiques, les systèmes explorent souvent des ensembles avec des fluctuations d'énergie plus importantes, évoluant comme $\delta E = O(L^\gamma)$ avec $\gamma \in [0, 1]$.

Une lacune critique dans la compréhension actuelle est de savoir si les propriétés statistiques des éléments de matrice hors diagonale des observables locales dépendent de cette échelle de fluctuation $\gamma$. Des études précédentes sur des systèmes intégrables (par exemple, les modèles de Lieb-Liniger et de Heisenberg) ont rapporté des comportements d'échelle « anormaux » (par exemple, une suppression en $L \log L$) par rapport à la suppression exponentielle standard observée dans les systèmes chaotiques. Cependant, ces études ont souvent échantillonné des ensembles où les charges conservées supérieures fluctuaient librement, sondant ainsi efficacement une échelle de fluctuation spécifique ($\gamma = 1/2$) plutôt qu'un paramètre contrôlé. Les auteurs soutiennent qu'une investigation systématique à travers toutes les échelles de fluctuation est nécessaire pour distinguer les propriétés dépendantes du macroétat des structures statistiques dépendantes de l'ensemble.

Méthodologie
Pour y répondre, les auteurs proposent un cadre général pour sonder la structure multiscale des éléments de matrice en introduisant un paramètre d'échelle de fluctuation « réglable » $\gamma$.

1. Métrique de Distance : Au lieu de se fier uniquement à la séparation énergétique, les auteurs définissent une distance entre les états propres basée sur la norme $L^1$ des différences de leurs densités de charges conservées. Cela permet un traitement unifié des systèmes chaotiques et intégrables.
2. Sélection du Modèle : Les auteurs utilisent une théorie quantique des champs intégrable spécifique : une théorie de champ bosonique sans masse (spécifiquement le cas $\beta=1$ de la hiérarchie quantique de Benjamin-Ono). Ce modèle est choisi car :
   • Son spectre et ses états propres peuvent être mappés sur des partitions d'entiers (diagrammes de Young).
   • Les éléments de matrice des opérateurs de vertex (une classe d'observables locales) admettent une expression fermée explicite et factorisable impliquant les « bras » et les « jambes » des diagrammes de Young.
   • Il permet un échantillonnage numérique efficace des états propres à partir d'ensembles avec des échelles de fluctuation arbitraires jusqu'à des tailles de système $L \sim 10^6$, surmontant ainsi les limitations de la diagonalisation exacte dans les systèmes chaotiques.
3. Construction de l'Ensemble : Les auteurs emploient des « ensembles de Vershik modifiés ». En partant de l'ensemble de Vershik standard (état de Gibbs canonique sur les diagrammes de Young avec des fluctuations gaussiennes d'échelle $O(L^{1/2})$), ils rééchelonnent l'amplitude de la fluctuation à $d = O(L^\gamma)$. Cela permet un échantillonnage systématique de paires d'états propres séparées par une distance $d$ correspondant à un $\gamma$ spécifique.
4. Analyse Analytique et Numérique :
   • Analytique : Ils dérivent des formules asymptotiques exactes pour le taux de suppression des éléments de matrice pour une classe spécifique d'états appelés « diagrammes en escalier » (partitions $\lambda = (k, k-1, \dots, 1)$).
   • Numérique : Ils calculent la distribution de la variable pseudo-aléatoire $\kappa_{mn} = -\frac{1}{L} \log |A_{mn}|^2$ (représentant le taux de suppression) et sa largeur $\delta \kappa$ à travers les ensembles de Vershik modifiés pour divers $\gamma$.

Contributions et Résultats Clés

1. Dépendance Multiscale des Exposants d'Échelle :
   L'étude révèle que les exposants d'échelle algébriques gouvernant le taux de suppression moyen ($p(\gamma)$) et la largeur de la distribution ($q(\gamma)$) sont des fonctions non analytiques de l'échelle de fluctuation $\gamma$.

   • Taux de Suppression ($p(\gamma)$) :
     • Pour $\gamma < 1/2$ : $p(\gamma) = 0$. La suppression est exponentielle ($|A_{mn}|^2 \sim e^{-O(L)}$), cohérente avec les attentes standard de l'ETH pour des états au sein du même macroétat.
     • Pour $1/2 \le \gamma < 1$ : $p(\gamma) = 2\gamma - 1$. La suppression devient paramétriquement plus forte, évoluant comme $|A_{mn}|^2 \sim e^{-O(L^{2\gamma} \log L)}$.
     • Pour $\gamma = 1$ (macroétats distincts) : $p(1) = 1$, conduisant à $|A_{mn}|^2 \sim e^{-O(L^2)}$.
   • Largeur de la Distribution ($q(\gamma)$) :
     • Pour $\gamma < 1/3$ : $q(\gamma) = -\gamma$.
     • Pour $\gamma \ge 1/3$ : $q(\gamma) = 2\gamma - 1$.
       Ces résultats démontrent que les propriétés statistiques des éléments de matrice ne sont pas uniquement déterminées par le macroétat (densités de charge) mais dépendent explicitement de l'échelle de fluctuation de l'ensemble.

2. Résolution de l'Échelle Anormale :
   Les auteurs expliquent la suppression « anormale » en $L \log L$ précédemment observée dans les systèmes intégrables (Réfs. [53, 54]). Ils montrent que ces études ont effectivement échantillonné à l'échelle de fluctuation thermique $\gamma = 1/2$. Dans ce régime, l'échelle dérivée $p(1/2) = 0$ (avec une correction logarithmique découlant de la forme fonctionnelle spécifique) correspond au comportement observé. L'« anomalie » est ainsi identifiée comme une conséquence de l'échelle de fluctuation spécifique inhérente aux ensembles thermiques des systèmes intégrables, plutôt que comme une rupture fondamentale de l'ETH.

3. Fonctions de Distribution Universelles :
   La distribution de probabilité des éléments de matrice normalisés change selon l'échelle de fluctuation :

   • Pour $\gamma > 1/3$ (incluant l'échelle thermique $\gamma=1/2$) : La distribution suit la distribution de Gumbel, cohérente avec les résultats précédents dans d'autres modèles intégrables.
   • Pour $\gamma < 1/3$ : La distribution s'écarte de Gumbel et est bien approximée par une distribution normale asymétrique (skew-normal).

4. Vérification Analytique :
   Les résultats analytiques dérivés pour les diagrammes en escalier reproduisent parfaitement les lois d'échelle trouvées numériquement dans les ensembles de Vershik modifiés plus larges, confirmant la robustesse de la variable d'échelle $u = \frac{d^2}{L} \log(L/d)$.

Signification
L'article prétend établir que les propriétés statistiques des éléments de matrice dans les macroétats d'équilibre possèdent une structure multiscale sous-jacente. La signification principale réside dans la démonstration que le choix de l'ensemble de moyennage (spécifiquement l'échelle des fluctuations de charge) altère fondamentalement le comportement statistique des éléments de matrice hors diagonale.

Les auteurs soulignent que si l'ETH diagonale (reliant les éléments diagonaux aux paramètres du macroétat) reste valide, l'ansatz de l'ETH hors diagonale nécessite une formulation plus nuancée qui prend en compte l'échelle de fluctuation $\gamma$. Ce travail fournit une explication unifiée pour les comportements d'échelle observés à la fois dans les systèmes chaotiques et intégrables, clarifiant que les comportements « anormaux » dans les modèles intégrables sont souvent des artefacts de la sonde d'échelles de fluctuation spécifiques ($\gamma \approx 1/2$) plutôt que des échecs intrinsèques de la thermalisation. Les résultats suggèrent qu'une compréhension complète de la dynamique de thermalisation, en particulier dans les protocoles de quench quantique où les échelles de fluctuation varient, doit intégrer cette dépendance multiscale.