Résumé technique : Mise à l'échelle finie par fenêtrage du reflux d'information par rapport à un état de référence dans des réservoirs quantiques désordonnés

Énoncé du problème

La transition d'une dynamique quantique cohérente vers un comportement effectivement irréversible (markovien) dans les systèmes quantiques ouverts est une question centrale en information quantique et en thermodynamique. Bien qu'il soit souvent supposé qu'augmenter la taille d'un environnement favorise de manière monotone la décohérence et la markovianité, les réservoirs structurés finis peuvent ne pas suivre cette tendance. Les petits réservoirs peuvent agir comme des systèmes auxiliaires cohérents, tandis que les plus grands peuvent présenter des transports internes complexes, des récurrences ou des effets de mémoire dépendants du désordre. Les études numériques actuelles peinent souvent à distinguer le véritable comportement de mise à lance (scaling) des artefacts provenant de tailles de réservoirs minimales ou de fenêtres de taille finie spécifiques. Ce travail aborde la question de savoir comment la route vers une Markovianisation effective dépend non seulement de la taille du réservoir, mais aussi de la fenêtre de taille finie spécifique utilisée pour caractériser la mise à l'échelle.

Méthodologie

L'étude emploie un protocole numérique contrôlé impliquant un sous-système à deux qubits couplé à un réservoir de chaîne de spins XY désordonné et fini.

• Configuration du système : L'espace de Hilbert total comprend un sous-système ($\mathcal{H}_S$, dimension 4) et un réservoir ($\mathcal{H}_R$, dimension $2^N$). Le sous-système est initialisé dans l'état de Bell $|\Phi^+\rangle$, et le réservoir dans l'état produit $|0\rangle^{\otimes N}$.
• Hamiltonien : La dynamique est régie par $H = H_S + H_R + H_{SR}$.
  • $H_S$ est un couplage XY ($J_S = 0,6$).
  • $H_R$ inclut des désaccords locaux aléatoires ($\Omega_r \sim \text{Uniform}(-\omega, \omega)$) et des couplages XY de plus proche voisin ($J_r \sim \text{Uniform}(-J_{dis}, J_{dis})$ avec $J_{dis}=0,40$).
  • $H_{SR}$ couple le premier qubit du sous-système à tous les qubits du réservoir avec une intensité $g_{SR} = 0,25$.
• Dissipation : Une fuite locale au réservoir est introduite via des opérateurs dissipatifs $L_r = \sigma_r^-$ avec une intensité $\gamma_{res}$, évoluant le système sous une équation de maître de Lindblad.
• Diagnostic : Au lieu de la mesure de Breuer–Laine–Piilo (BLP) entièrement optimisée, les auteurs utilisent un diagnostic de reflux de distance de trace par rapport à un état de référence ($\mathcal{N}_{ref}$). Il mesure la dérivée temporelle positive de la distance de trace entre l'état réduit du sous-système $\rho_S(t)$ et un état de Bell de référence fixe $|\Phi^-\rangle$.
• Extraction du taux de Markovianisation : Pour chaque taille de réservoir $N$ et chaque valeur de désordre $\omega$, la dépendance de $\mathcal{N}_{ref}$ vis-à-vis de la fuite $\gamma_{res}$ est ajustée à une forme exponentielle $\mathcal{N}_{ref}(\gamma_{res}) = Ae^{-k\gamma_{res}} + C$. Le paramètre $k$ est interprété comme un taux de Markovianisation émergent.
• Analyse de mise à l'échelle (Scaling) : Les taux extraits $k(N, \omega)$ sont analysés en utilisant une mise à l'échelle finie par fenêtrage. Les auteurs ajustent des lois de puissance $k \sim N^{\alpha_w}$ sur trois fenêtres distinctes : $N \geq 2$, $N \geq 3$, et $N \geq 4$, afin de déterminer si l'exposant de mise à l'échelle $\alpha_w$ dépend de l'inclusion de tailles de réservoirs minimales.
• Ensemble de simulation : L'étude utilise un ensemble complet de 34 560 simulations couvrant des tailles de réservoir $N \in \{2, 3, 4, 5, 6\}$, dix-huit valeurs de désordre dans $\omega \in [0,34, 0,48]$, six intensités de fuite, et soixante-quatre graines de désordre par point de paramètre.

Contributions clés

1. Diagnostic de mise à l'échelle par fenêtrage : L'introduction d'une méthode permettant de comparer explicitement les fenêtres de mise à l'échelle finie pour séparer les régimes dominés par les limites (réservoirs minimaux) des comportements de mise à l'échelle de réservoirs étendus.
2. Métrique de reflux par état de référence : L'application d'un diagnostic de distance de trace à référence fixe pour sonder la récurrence par rapport à une cible cohérente spécifique, offrant une alternative reproductible aux mesures de non-markovianité optimisées pour étudier des transitions dynamiques spécifiques.
3. Structure de transition dépendante du désordre : L'identification d'un croisement dans l'exposant de mise à l'échelle du taux de Markovianisation en fonction de la force du désordre, qui varie selon la fenêtre de taille finie choisie.

Résultats

• Suppression exponentielle : Le reflux de l'état de référence diminue approximativement de façon exponentielle avec l'augmentation de la fuite du réservoir, permettant une extraction stable du taux de Markovianisation $k$.
• Mise à l'échelle dépendante de la fenêtre :
  • Ajustements non contraints ($N \geq 2$) : Ces ajustements sont significativement affectés par un régime de limite de réservoir minimal, où les plus petits réservoirs se comportent comme des systèmes auxiliaires dominés par les bords plutôt que comme des points représentatifs d'une séquence de mise à l'échelle.
  • Transition primaire (analyse $N \geq 2$) : L'exposant extrait traverse de négatif à positif près d'un désordre critique $\omega_c \approx 0,417$. Un exposant négatif implique que l'augmentation de la taille du réservoir réduit le taux de Markovianisation (préservation de la mémoire), tandis qu'un exposant positif implique que des réservoirs plus grands accélèrent la suppression du reflux.
  • Fenêtre de réservoir étendu ($N \geq 3$) : Cette fenêtre identifie un croisement étroitement lié près de $\omega_c \approx 0,411$.
  • Fenêtre profonde ($N \geq 4$) : Cette fenêtre reste présératrice de la mémoire (exposant négatif ou proche de zéro) à travers la plage de désordre échantillonnée, mais tend vers le haut avec l'augmentation du désordre.
• Effondrement de la qualité de l'ajustement : La qualité des ajustements de loi de puissance diminue brusquement près de la région de croisement, indiquant des tendances de mise à l'échelle finie concurrentes où les comportements de préservation de la mémoire et de Markovianisation sont en conflit.
• Carte de phase : La carte thermique de $k(N, \omega)$ révèle qu'à faible désordre, des réservoirs plus grands peuvent réduire le taux de Markovianisation, tandis qu'à un désordre plus élevé, ils agissent comme des drains statistiques efficaces.

Signification et affirmations

L'article affirme que la Markovianisation émergente dans les réservoirs structurés finis est dépendante de la fenêtre. La transition de la dynamique de réservoir fini cohérente vers l'irréversibilité effective ne peut être capturée par la seule taille du réservoir ; elle est contingente au désordre, à la fuite et au régime spécifique de taille finie étudié.

• Irréversibilité opérationnelle : Les résultats soutiennent une vision opérationnelle de l'irréversibilité où le comportement classique ne provient pas d'une rupture de la mécanique quantique, mais de l'inaccessibilité dynamique de l'information dispersée dans les degrés de liberté de l'environnement.
• Implication méthodologique : L'étude fournit un protocole numérique reproductible pour séparer les artefacts de bordure des véritables effets de taille de réservoir. Elle suggère que les plus petits réservoirs d'un ensemble de données ne doivent pas être supposés être le début d'une séquence thermodynamique fluide, mais peuvent nécessiter un traitement distinct en tant que systèmes auxiliaires.
• Limites : Les auteurs notent modestement que les résultats sont spécifiques au modèle (chaîne XY désordonnée finie) et numériques. Le diagnostic est basé sur une référence et est distinct de la mesure BLP optimisée. De plus, la fenêtre $N \geq 4$ dans les données de base ne contient que trois tailles, et les auteurs notent qu'une extension à $N=7$ est en cours pour valider davantage les tendances observées dans les fenêtres plus profondes.

En résumé, ce travail démontre que la route vers une Markovianisation effective est complexe et non monotone par rapport à la taille dans les systèmes finis, nécessitant une approche par fenêtrage pour caractériser avec précision la mise à l'échelle du reflux d'information.