⚛️ quantum physics

Extracting average properties of disordered spin chains with translationally invariant tensor networks

यह शोधपत्र एक टेंसर नेटवर्क विधि प्रस्तुत करता है जो सांख्यिकीय अनुवाद अपरिवर्तनीयता (statistical translation invariance) का लाभ उठाकर रैंडम स्पिन श्रृंखलाओं के विकार-औसत गुणों (disorder-averaged properties) की सीधे ऊष्मागतिक सीमा (thermodynamic limit) में कुशलतापूर्वक गणना करता है, जिससे स्पष्ट विकार नमूनाकरण (explicit disorder sampling) की आवश्यकता समाप्त हो जाती है।

मूल लेखक: Kevin Vervoort, Wei Tang, Nick Bultinck

प्रकाशित 2026-05-14

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Kevin Vervoort, Wei Tang, Nick Bultinck

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

बड़ी समस्या: "शोर वाला कमरा" (The "Noisy Room")

कल्पना कीजिए कि आप यह समझने की कोशिश कर रहे हैं कि एक कमरे में लोगों की भीड़ कैसे व्यवहार करती है। एक सामान्य भौतिकी प्रयोग (एक "साफ" सिस्टम) में, हर कोई एक जैसा होता है और एक ही नियमों का पालन करता है। यह एक ऐसे गायक दल (choir) की तरह है जो पूर्ण सामंजस्य में गा रहा है; आप ध्वनि का आसानी से अनुमान लगा सकते हैं।

लेकिन डिसऑर्डर्ड स्पिन चेन्स (इस शोध पत्र का विषय) की दुनिया में, कमरे के "लोग" सभी अलग-अलग होते हैं। कुछ शोर मचाने वाले, कुछ शांत, कुछ शर्मीले और कुछ आक्रामक होते हैं। इसे रैंडमनेस (यादृच्छिकता) या डिसऑर्डर (अव्यवस्था) कहा जाता है।

इस अराजक भीड़ के औसत व्यवहार को समझने के लिए, भौतिकविदों को आमतौर पर सिमुलेशन को हजारों बार चलाना पड़ता है, जिसमें हर बार लोगों की एक अलग रैंडम व्यवस्था होती है, और फिर परिणामों का औसत निकाला जाता है। यह हर संभव तूफान के पैटर्न को एक-एक करके सिम्युलेट करके मौसम की भविष्यवाणी करने की कोशिश करने जैसा है। इसमें भारी मात्रा में कंप्यूटर पावर और समय लगता है।

नया समाधान: "यूनिवर्सल ट्रांसलेटर" (The "Universal Translator")

इस शोध पत्र के लेखकों ने, केविन, वेई और निक ने, एक चतुर शॉर्टकट विकसित किया है। हजारों अलग-अलग रैंडम कमरों को सिम्युलेट करने के बजाय, उन्होंने एक एकल, सुपर-स्मार्ट मॉडल बनाया जो एक साथ सभी संभावित रैंडम व्यवस्थाओं का प्रतिनिधित्व करता है।

वे इस मॉडल को टेन्सर नेटवर्क (विशेष रूप से, एक मैट्रिक्स प्रोडक्ट ऑपरेटर) कहते हैं। इसे एक यूनिवर्सल ट्रांसलेटर या एक मास्टर रेसिपी की तरह समझें।

पुराना तरीका: आप केक के हर एक बदलाव (जैसे नट्स वाला चॉकलेट, या स्प्रिंकल्स वाला वैनिला) के लिए एक अलग रेसिपी लिखते हैं, उन्हें सब पकाते हैं, और औसत स्वाद खोजने के लिए उन्हें चखते हैं।
नया तरीका: आप एक ऐसी "मास्टर रेसिपी" लिखते हैं जिसमें एक साथ हर बदलाव के निर्देश शामिल होते हैं। जब आप इस एक रेसिपी का पालन करते हैं, तो यह बिना अलग-अलग पकाए, स्वचालित रूप से सभी अलग-अलग संभावनाओं को ध्यान में रखता है।

यह कैसे काम करता है: "कंट्रोल पैनल" (The "Control Panel")

इस "मास्टर रेसिपी" को काम करने के योग्य बनाने के लिए, वैज्ञानिकों ने एनसिला क्वुडिट्स (ancilla qudits) का उपयोग करके एक चतुर तकनीक पेश की।

कल्पना कीजिए कि भीड़ में हर व्यक्ति के पास एक कंट्रोल पैनल (एक छोटा स्क्रीन) है।
यह स्क्रीन व्यक्ति को बदलता नहीं है; यह बस उन्हें लेबल करता है। यह कहता है, "यह व्यक्ति एक 'टाइप ए' शोर मचाने वाला व्यक्ति है," या "यह व्यक्ति एक 'टाइप बी' शांत व्यक्ति है।"
वैज्ञानिकों ने एक एकल प्रणाली बनाई जहाँ ये कंट्रोल पैनल एक ही समय में लेबल के हर संभव संयोजन से गुजरते हैं।

चूंकि खेल के नियम हर स्थान के लिए समान हैं (सांख्यिकीय अनुवाद अपरिवर्तनीयता), इसलिए इस एकल "मास्टर रेसिपी" को अनंत तक फैलाया जा सकता है। इससे कोई फर्क नहीं पड़ता कि लाइन 10 लोगों की लंबी है या एक अरब लोगों की; रेसिपी का आकार वही रहता है और वह कुशल बनी रहती है।

"नॉर्मलाइजेशन" चरण: स्कोर को सही रखना (The "Normalization" Step)

एक पेचीदा हिस्सा था। जब आप इन सभी अलग-अलग रैंडम परिदृश्यों को एक साथ मिलाते हैं, तो गणित जटिल हो जाता है। कुछ परिदृश्य बहुत दुर्लभ लेकिन बहुत महत्वपूर्ण होते हैं, जबकि अन्य आम लेकिन कमजोर होते हैं। यदि आप केवल उनका औसत निकालते हैं, तो आप उन दुर्लभ, महत्वपूर्ण हिस्सों को खो सकते हैं।

लेखकों ने अपने एल्गोरिदम में एक विशेष "स्कोरकीपर" (Scorekeeper) चरण जोड़ा।

कल्पना कीजिए कि आप अलग-अलग सूप मिला रहे हैं। कुछ बहुत नमकीन हैं, कुछ बहुत फीके। यदि आप उन सभी को एक ही बर्तन में डाल देते हैं, तो स्वाद खो जाता है।
"स्कोरकीपर" (नॉर्मलाइजेशन ऑपरेटर) लगातार प्रत्येक सूप के वॉल्यूम को एडजस्ट करता है ताकि अंतिम मिश्रण वास्तविक औसत का प्रतिनिधित्व करे, यह सुनिश्चित करते हुए कि दुर्लभ, मजबूत स्वाद आम, कमजोर स्वादों के बीच दब न जाएं।
यह चरण महत्वपूर्ण है। इसके बिना, कंप्यूटर स्पेस बचाने के लिए डेटा के सबसे दिलचस्प हिस्सों को हटा देगा।

परीक्षण: "रैंडम मैग्नेट" (The "Random Magnet")

यह साबित करने के लिए कि उनकी विधि काम करती है, उन्होंने रैंडम ट्रांसवर्स फील्ड आइसिंग मॉडल नामक एक प्रसिद्ध, कठिन पहेली पर इसका परीक्षण किया।

इसे छोटे चुंबकों की एक पंक्ति के रूप में सोचें जो यादृच्छिक रूप से (randomly) मजबूत या कमजोर हैं, और यादृच्छिक रूप से ऊपर या नीचे की ओर इशारा कर रहे हैं।
यह सिस्टम हल करने के लिए अत्यंत कठिन माना जाता है क्योंकि इसमें "दुर्लभ क्षेत्र" (rare regions) होते हैं—ऐसे स्थान जहाँ चुंबक बहुत अजीब, अद्वितीय तरीके से व्यवहार करते हैं जो पूरे सिस्टम पर हावी हो जाते हैं।
परिणाम: नई विधि ने विभिन्न तापमानों पर इन चुंबकों के औसत व्यवहार की सफलतापूर्वक भविष्यवाणी की। यह ज्ञात उत्तरों से पूरी तरह मेल खाता है, भले ही इसने अपेक्षाकृत कम कंप्यूटर मेमोरी (एक "बॉन्ड डायमेंशन" लगभग 100) का उपयोग किया हो।

यह क्यों मायने रखता है

यह शोध पत्र सिद्ध करता है कि आपको एक डिसऑर्डर्ड सिस्टम के औसत व्यवहार को समझने के लिए हजारों अलग-अलग दुनियाओं को सिम्युलेट करने की आवश्यकता नहीं है। आप एक एकल कुशल, अनंत मॉडल बना सकते हैं जो उस सारी अराजकता के सार को पकड़ लेता है।

यह महसूस करने जैसा है कि आपको किसी मुख्य पात्र के व्यक्तित्व को समझने के लिए एक अलग प्लॉट ट्विस्ट वाले टीवी शो के हर एक एपिसोड को देखने की आवश्यकता नहीं है; आपको बस एक "सुपर-एपिसोड" की आवश्यकता है जो सभी संभावनाओं का पूरी तरह से सारांश देता हो।

मुख्य निष्कर्ष: लेखकों ने एक गणितीय उपकरण बनाया है जो एक "यूनिवर्सल एवरेज" के रूप में कार्य करता है, जिससे भौतिकविदों को हजारों अलग-अलग सिमुलेशन चलाने की आवश्यकता के बिना, सीधे अनंत सीमा (infinite limit) में अव्यवस्थित क्वांटम सिस्टम का अध्ययन करने की अनुमति मिलती है।

तकनीकी सारांश: अनुवादिक रूप से अपरिवर्तनीय टेंसर नेटवर्क के साथ अव्यवस्थित स्पिन श्रृंखलाओं के औसत गुणों का निष्कर्षण

समस्या विवरण
क्वेंच्ड रैंडमनेस (quenched randomness) वाले क्वांटम मेनी-बॉडी सिस्टम का अनुकरण करना टेंसर नेटवर्क विधियों के लिए दो प्राथमिक चुनौतियाँ प्रस्तुत करता है। पहला, रैंडमनेस के कारण ट्रांसलेशनल सिमेट्री (translational symmetry) का अभाव होता है, जो डेंसिटी मैट्रिक्स रिनॉर्मलाइजेशन ग्रुप (DMRG) एल्गोरिदम में उपयोग की जाने वाली मानक स्वैपिंग ऑप्टिमाइजेशन प्रक्रियाओं के प्रत्यक्ष अनुप्रयोग को रोकता है, जिससे विषम एंटैंगलमेंट वितरण के कारण अत्यधिक स्वैप की आवश्यकता होती है। दूसरा, अव्यवस्था के औसत भौतिक प्रेक्षणों (physical observables) की गणना करने के लिए पारंपरिक रूप से कई स्वतंत्र अव्यवस्था विन्यासों (disorder configurations) का अनुकरण करना आवश्यक होता है, जो गणनात्मक रूप से अत्यधिक महंगा है। जबकि हालिया प्रगति ने संख्यात्मक रिनॉर्मलाइजेशन ग्रुप के माध्यम से एकल नमूनों के अनुकूलन को संबोधित किया है, थर्मोडायनामिक लिमिट में अव्यवस्था विन्यासों पर कुशलतापूर्वक औसत निकालने की चुनौती बनी हुई है। यह कार्य बिना किसी अव्यवस्था विन्यास को स्पष्ट रूप से सैंपल किए, रैंडम स्पिन श्रृंखलाओं के लिए परिमित-तापमान (finite-temperature) अव्यवस्था-औसत प्रत्याशा मानों की गणना को संबोधित करता है।

कार्यप्रणाली
लेखक एक टेंसर नेटवर्क-आधारित एल्गोरिदम प्रस्तावित करते हैं जो सांख्यिकीय अनुवादिक अपरिवर्तनीयता (statistical translation invariance) का लाभ उठाता है—वह स्थिति जहाँ अव्यवस्था चरों का प्रायिकता वितरण सभी जाली साइटों (lattice sites) पर समान होता है। मुख्य रणनीति अव्यवस्था-औसत डेंसिटी मैट्रिक्स, $\rho = \sum_{\{R_n\}} [\prod_n P(R_n)] \rho_G[\{R_n\}]$ को एक एकल, अनुवादिक रूप से अपरिवर्तनीय मैट्रिक्स प्रोडक्ट ऑपरेटर (MPO) के रूप में प्रदर्शित करने की है।

एल्गोरिदम इस प्रकार आगे बढ़ता है:

अनसिला परिचय (Ancilla Introduction): अव्यवस्था को संभालने के लिए, प्रत्येक साइट पर $N_D$ (संभव अव्यवस्था मानों की संख्या) आयाम वाले अनसिला क्वडिट्स (ancilla qudits) $|R_n\rangle$ पेश किए जाते हैं। एक अनुवादिक रूप से अपरिवर्तनीय हैमिल्टनियन $H = \sum_n h_n$ का निर्माण किया जाता है, जहाँ स्थानीय पद $h_n$ नियंत्रित ऑपरेशन्स के रूप में कार्य करते हैं: $h_n = \sum_{R_n} \tilde{h}_n[R_n] \otimes |R_n\rangle\langle R_n|$ । अनसिला कंट्रोल के रूप में कार्य करते हैं, जो अव्यवस्था मान के आधार पर विशिष्ट स्थानीय हैमिल्टनियन पद का चयन करते हैं।
संशोधित इमेजरी-टाइम इवोल्यूशन (Modified Imaginary-Time Evolution): एल्गोरिदम एक संशोधित टाइम-इवॉल्विंग ब्लॉक डेसिमेशन (TEBD) दृष्टिकोण का उपयोग करके गिब्स स्टेट का निर्माण करता है। केवल $e^{-\tau H}$ को विकसित करने के बजाय, विधि एक अननॉर्मलाइज्ड ऑपरेटर $\tilde{\rho}(\tau) = N(\tau)e^{-\tau H}$ को विकसित करती है। यहाँ, $N(\tau)$ अनसिलाओं पर कार्य करने वाला एक डायगोनल ऑपरेटर है जिसमें प्रत्येक अव्यवस्था विन्यास के लिए इनवर्स पार्टीशन फंक्शन्स $1/Z[\{R_n\}]$ शामिल हैं। यह सुनिश्चित करता है कि फिजिकल स्पिन को ट्रेस आउट करने पर अव्यवस्था क्वडिट्स पर आइडेंटिटी मैट्रिक्स प्राप्त होता है, जो गिब्स स्टेट्स के मिश्रण के लिए सही नॉर्मलाइजेशन को बनाए रखता है।
नॉर्मलाइजेशन और इनवर्जन: एक महत्वपूर्ण चरण में प्रत्येक टाइम स्टेप पर नॉर्मलाइजेशन ऑपरेटर $N(\tau)$ को अपडेट करना शामिल है। इसके लिए फिजिकल स्पिन के ट्रेस से प्राप्त एक MPO $\Lambda$ को इनवर्ट करने की आवश्यकता होती है। चूंकि छोटे टाइम स्टेप्स के लिए $\Lambda$ आइडेंटिटी के करीब होता है, इसलिए लेखक एक वेरिएशनल ऑप्टिमाइजेशन (VOMPS एल्गोरिदम का एक सामान्यीकरण) का उपयोग करते हैं ताकि एक लो-बॉन्ड-डायमेंशन MPO सन्निकटन $\Lambda_M^{-1}$ प्राप्त किया जा सके जो आइडेंटिटी ऑपरेटर के साथ फिडेलिटी को अधिकतम करता है।
ट्रंकेशन (Truncation): नॉर्मलाइजेशन अपडेट करने के बाद, MPO को मानक श्मिट वैल्यू ट्रंकेशन का उपयोग करके लक्ष्य बॉन्ड डायमेंशन $D$ तक ट्रंकेट किया जाता है। इवोल्यूशन, नॉर्मलाइजेशन एडजस्टमेंट और ट्रंकेशन का यह चक्र लक्षित इन्वर्स टेम्परेचर $\beta$ तक दोहराया जाता है। अंतिम अव्यवस्था-औसत डेंसिटी मैट्रिक्स अनसिला क्वडिट्स को ट्रेस आउट करके प्राप्त किया जाता है।

प्रमुख परिणाम
इस पद्धति का परीक्षण रैंडम ट्रांसवर्स फील्ड आइसिंग मॉडल (RTFIM) पर किया गया, जो अपने इन्फिनिट-रैंडमनेस क्रिटिकल पॉइंट ( $\delta=0$ ) के पास है।

दक्षता: एल्गोरिदम ने अपेक्षाकृत छोटे बॉन्ड डायमेंशन (क्रम $\sim 100$ ) के साथ कम तापमान तक RTFIM के औसत गुणों को सफलतापूर्वक पुनरुत्पादित किया।
क्रिटिकल स्केलिंग: निकाला गया सहसंबंध लंबाई (correlation length) $\xi$ सैद्धांतिक रूप से अनुमानित एक्टिवेटेड डायनेमिकल स्केलिंग $\xi \sim (\ln \beta)^2$ को प्रदर्शित करता है, जो इन्फिनिट-रैंडमनेस फिक्स्ड पॉइंट की विशेषता है। परिणामों ने बॉन्ड डायमेंशन और टाइम-स्टेप साइज के संबंध में अभिसरण (convergence) दिखाया।
अव्यवस्था वितरण: अव्यवस्था मानों की संख्या $N_D$ को बदलकर, लेखकों ने पुष्टि की कि $\xi$ का स्केलिंग अव्यवस्था वितरण के वेरिएंस पर निर्भर करता है, जो सैद्धांतिक भविष्यवाणियों के अनुरूप है।
रेयर रीजन्स (Rare Regions): व्यक्तिगत अव्यवस्था विन्यासों के ट्रांसफर मैट्रिसेस का विश्लेषण करके (अनसिला को ट्रेस आउट किए बिना), उन्होंने सहसंबंध लंबाई के वितरण को निकाला। उन्होंने एक हेवी टेल (heavy tail) देखा, जो रेयर रीजन्स की उपस्थिति की पुष्टि करता है। 'टिपिकल' सहसंबंध लंबाई ( $\xi_{typ} \approx 35.4$ ) को 'एवरेज' सहसंबंध लंबाई ( $\xi_{av} \approx 47.5$ ) से काफी छोटा पाया गया, जो इन्फिनिट-रैंडमनेस फिजिक्स के लिए सैद्धांतिक अपेक्षाओं के अनुरूप है।
फेज व्यवहार: अतिरिक्त परिणामों ने ट्रांजिशन के ऑर्डर्ड साइड पर सहसंबंध लंबाई के बीजगणितीय विकास $\xi \sim 1/T^{\alpha(\delta)}$ की पुष्टि की, जो क्लीन सिस्टम में होने वाले एक्सपोनेंशियल ग्रोथ से भिन्न है।

महत्व और दावे
यह शोध पत्र इस सिद्धांत का प्रमाण प्रस्तुत करता है कि विभिन्न अव्यवस्था विन्यासों के अनुरूप गिब्स स्टेट्स के मिश्रण को एक एकल, अनुवादिक रूप से अपरिवर्तनीय MPO के रूप में कुशलतापूर्वक प्रदर्शित किया जा सकता है। लेखक दावा करते हैं कि उनका संशोधित TEBD एल्गोरिदम, जो अनसिला क्वडिट्स के माध्यम से स्पष्ट रूप से नॉर्मलाइजेशन को संभालता है और वेरिएशनल इनवर्जन का उपयोग करता है, बिना स्पष्ट सैंपलिंग के थर्मोडायनामिक लिमिट में सीधे अव्यवस्था-औसत परिमित-तापमान गुणों की गणना करने की अनुमति देता है।

यह कार्य प्रदर्शित करता है कि अव्यवस्थित प्रणालियों के लिए MPO सन्निकटन की दक्षता के संबंध में सैद्धांतिक अनिश्चितता के बावजूद, ऐसे सन्निकटन मौजूद हैं और वे इन्फिनिट-रैंडमनेस फिक्स्ड पॉइंट के गैर-तुच्छ भौतिकी (non-trivial physics), जिसमें एक्टिवेटेड स्केलिंग और रेयर-रीजन प्रभाव शामिल हैं, को कैप्चर कर सकते हैं। लेखक नोट करते हैं कि हालांकि वर्तमान कार्यान्वयन में सुजुकी-ट्रोटर (Suzuki-Trotter) अपघटन का उपयोग किया गया है, भविष्य के सुधारों में टाइम-स्टेप एरर्स को कम करने के लिए क्लस्टर एक्सपेंशन का उपयोग किया जा सकता है। उन्होंने यह भी पहचाना कि अव्यवस्था-औसत ग्राउंड स्टेट्स तक सीधी पहुँच के लिए एक वेरिएशनल फॉर्मूलेशन का विकास एक आशाजनक दिशा है, जो एडियाबेटिक इवोल्यूशन विधियों से अलग है जिसका पहले उपयोग किया गया था। एल्गोरिदम का कोड एक ओपन-सोर्स पैकेज, DisorderKit.jl के रूप में उपलब्ध कराया गया है।