Markov Inequality as a Tool for Linear-Scaling Estimation of Local Observables

तकनीकी सारांश: स्थानीय अवलोकन (Local Observables) के रैखिक-स्केलिंग अनुमान के लिए मार्कोव असमानता (Markov Inequality) एक उपकरण के रूप में

समस्या विवरण
बड़े विस्केंद्रित (disordered) जाली तंत्रों (lattice systems) में स्थानिक रूप से विभेदित क्वांटम अवलोकन—जैसे कि लोकल डेंसिटी ऑफ स्टेट्स (LDoS), स्थानीय धाराएं (local currents), और टोपोलॉजिकल मार्कर्स—को प्रकट करना एक महत्वपूर्ण कम्प्यूटेशनल चुनौती बनी हुई है। जबकि चेबिशेव विस्तार (Chebyshev expansions) पर आधारित रैखिक-स्केलिंग एल्गोरिदम वॉल्यूम-औसत स्पेक्ट्रल फलनों (ऑपरेटर ट्रेसेस) का कुशलतापूर्वक अनुमान लगाते हैं, वे पूर्ण-नमूना स्थानिक मानचित्रों (full-sample spatial maps) को लागू करने पर संघर्ष करते हैं। इन मानचित्रों के निर्माण में आमतौर पर $O(N^2)$ (जहाँ $N$ सिस्टम का आकार है) का कम्प्यूटेशनल खर्च आता है, क्योंकि स्थानीय मात्राओं में स्व-औसत (self-averaging) का अभाव होता है। उन प्रणालियों में जिनमें तीव्र स्थानिक उतार-चढ़ाव होते हैं, जैसे कि एंडरसन लोकलाइजेशन (Anderson localization) प्रदर्शित करने वाले या धातु-से-अचालक संक्रमण के पास मल्टीफ्रेक्टल स्केलिंग दिखाने वाले तंत्र, मानक स्टोकेस्टिक सैंपलिंग विधियाँ समान रूप से अभिसरित (converge) होने में विफल रहती हैं। विशेष रूप से, सहज अनुमानकों (naive estimators) में सापेक्ष सैंपलिंग त्रुटि स्थानीय तरंग फलन आयाम ($|\psi_\alpha(r)|^{-1}$) के व्युत्क्रमानुपाती होती है, जिससे गैर-समान अभिसरण और अवास्तविक परिणाम (जैसे कि नकारात्मक LDoS मान) प्राप्त होते हैं जहाँ अवलोकन का मान कम होता है।

कार्यप्रणाली (Methodology)
लेखक एक रैनियर-स्केलिंग स्टोकेस्टिक विधि प्रस्तुत करते हैं जिसे टाइट-बाइंडिंग मॉडल में किसी भी धनात्मक स्थानीय स्पेक्ट्रल ऑपरेटर के वास्तविक-स्थान (real-space) मानचित्रों को नियंत्रित सटीकता के साथ गणना करने के लिए डिज़ाइन किया गया है। मुख्य नवाचार धनात्मक-निश्चित स्टोकेस्टिक अनुमानकों (positive-definite stochastic estimators) का मार्कोव असमानता (Markov inequality) के साथ संयोजन है।

1. धनात्मक-निश्चित अनुमानक: पारंपरिक निष्पक्ष अनुमानकों के विपरीत, जो चिन्ह-परिवर्तित मान दे सकते हैं, प्रस्तावित विधि ऐसे अनुमानक बनाती है जो पूर्णतः गैर-ऋणात्मक होते हैं। एक धनात्मक-निश्चित ऑपरेटर $X$ के लिए, एक रैंडम फील्ड $\phi_r = \langle \xi | \circ \sqrt{X} | \xi \rangle$ पेश किया जाता है। लक्षित विकर्ण तत्व (diagonal element) $X_r$ को $|\phi_r|^2$ (जटिल वेक्टर्स के लिए) या $\text{Var}(\phi_r)$ (विशिष्ट मोमेंट शर्तों को पूरा करने वाले वास्तविक वेक्टर्स के लिए) के रूप में अनुमानित किया जाता है।
2. मार्कोव असमानता सीमा: यह सुनिश्चित करने के लिए कि अनुमानक गैर-ऋणात्मक है, मार्कोव असमानता ($P(\eta_r \ge C) \le \eta_r C^{-1}$) का उपयोग प्रत्येक साइट पर स्थानीय माध्य के सापेक्ष सैंपलिंग त्रुटि को कड़ाई से बांधने के लिए किया जाता है। यह सुनिश्चित करता है कि सापेक्ष उतार-चढ़ाव नमूने में हर जगह स्थिर रहता है, चाहे स्थानीय अवलोकन का परिमाण कुछ भी हो, जिससे समान अभिसरण (homogeneous convergence) की गारंटी मिलती है।
3. ऑफ-डायगोनल अवलोकनों का विस्तार: इस विधि को स्थानीय यूनिटरी रूपांतरणों (local unitary transformations) के माध्यम से ऑफ-डायगोनल तत्वों (जैसे स्थानीय धाराएं) तक विस्तारित किया गया है। साइट युग्मों $\{r, r'\}$ पर एक स्थानीय रोटेशन लागू करके, ऑफ-डायगोनल मैट्रिक्स तत्वों को घूर्णित आधार (rotated basis) के विक럴 तत्वों में एनकोड किया जाता है। यह विधि को ऑफ-डायगोनल मात्राओं पर अतिरिक्त सैंपलिंग सहसंबंध उत्पन्न किए बिना धनात्मक-निश्चित अनुमान तकनीक लागू करने की अनुमति देता है, क्योंकि रोटेशन विलगित (disjoint) साइट युग्मों पर कार्य करते हैं।

प्रमुख परिणाम
विधि की प्रभावशीलता को वर्गाकार जाली पर विस्केंद्रित 2D $\pi$-फ्लक्स मॉडल पर बेंचमार्क गणनाओं के माध्यम से प्रदर्शित किया गया है:

• सिंगल वेकेंसी केस: $4096 \times 4096$ सुपरसेल में एक एकल केंद्रीय रिक्तता (vacancy) के मामले में, विधि ने शून्य-ऊर्जा LDoS की सफलतापूर्वक गणना की। इसने कई क्रमों (orders of magnitude) तक अपेक्षित बीजगणितीय क्षय ($\rho_r(0) \propto r^{-2}$) को सटीकता से कैप्चर किया। इसके विपरीत, पारंपरिक सहज अनुमानक कम-आयाम वाले क्षेत्रों में विफल रहा, जिससे अवास्तविक नकारात्मक मान और बड़े सापेक्ष त्रुटि उत्पन्न हुए।
• मल्टीपल वेकेंसी: $2048 \times 2048$ सुपरसेल पर 0.5% वेकेंसी सांद्रता वाले सिस्टम के लिए, विधि ने कई क्रमों तक अभिसरित LDoS मानचित्र तैयार किए। स्थानीय सापेक्ष उतार-चढ़ाव का 95वाँ पर्सेंटाइल 3.5% पर सीमित था, जो क्रिटिकल ज़ीरो-एनर्जी अवस्थाओं की उपस्थिति में भी नियंत्रित सटीकता प्रदर्शित करता है।
• त्रुटि विश्लेषण: $512 \times 512$ नमूने पर सटीक LDoS गणनाओं के साथ तुलना करने पर, धनात्मक-निश्चित अनुमानक ने सहज अनुमानक की तुलना में स्थानीय सापेक्ष त्रुटि के मोड (mode) को लगभग दो क्रमों से कम कर दिया। त्रुटि वितरण $R$ रैंडम वेक्टर्स के साथ $R^{-1/2}$ के रूप में स्केल हुआ। कम्प्यूटेशनल रूप से, एक स्टोकेस्टिक अनुमान लेने में $\approx 4$ CPU घंटे लगे, जबकि सटीक गणना के लिए $\approx 171$ CPU दिन आवश्यक थे।
• स्थानीय धाराएं (Local Currents): विधि का उपयोग दीर्घ-परासी क्षमता स्कैटरर्स (long-range potential scatterers) की उपस्थिति में स्थिर-अवस्था स्थानीय धारा क्षेत्रों की गणना करने के लिए किया गया। परिणामी मानचित्रों ने भंवर-प्रति-भंवर (vortex–anti-vortex) युग्मों और जटिल प्रवाह पैटर्न को प्रकट किया, जिसने उन संरचनाओं को हल किया जो ग्राफीन (कोस्टरलिट्ज़–थौलेस सार्वभौमिकता वर्ग) में लोकलाइजेशन संक्रमण से जुड़ी हैं और जिन्हें पहले उच्च स्थानिक रिज़ॉल्यूशन के साथ पकड़ना कठिन था।

महत्व और दावे
यह शोध दावा करता है कि यह दृष्टिकोण पूर्ण-नमूना मानचित्रों उत्पन्न करने की कम्प्यूटेशनल जटिलता को द्विघात (quadratic) से रैखिक (linear) स्केलिंग में बदलकर यथार्थवादी बड़े जाली तंत्रों में विकार-प्रेरित मेसोस्कोपिक घटनाओं के अनुकरण को सक्षम बनाता है। मार्कोव असमानता के माध्यम से साइट-वार स्टोकेस्टिक त्रुटियों का कठोर बंधन स्थानीय मात्राओं में स्व-औसत की कमी की मौलिक सीमा को दूर करता है।

लेखक दावा करते हैं कि यह विधि:

• तीव्र स्थानिक उतार-चढ़ाव के तहत भी सटीक स्थानीय अवलोकनों के अनुमान को सक्षम बनाती है।
• बड़े सिस्टमों में मल्टीफ्रेक्टैलिटी और विकार-प्रेरित संक्रमणों के अध्ययन को सुगम बनाती है।
• कुशल, नियंत्रित-सटीकता वाले स्थानीय इनपुट प्रदान करके वास्तविक-स्थान स्व-सुसंगत मीन-फील्ड गणनाओं को त्वरित करती है।
• किसी भी धनात्मक स्थानीय स्पेक्ट्रल ऑपरेटर के लिए एक सामान्य ढांचा प्रदान करती है, जिसे यूनिटरी रूपांतरणों के माध्यम से ऑफ-डायगोनल अवलोकनों तक विस्तारित किया जा सकता है।

यह कार्य संघनित-पदार्थ भौतिकी (condensed-matter physics) में प्रयोगात्मक स्थानिक रिज़ॉल्यूशन (जैसे STM, SQUID) और सैद्धांतिक सिमुलेशन क्षमताओं के बीच के अंतर को पाटने वाले एक उपकरण के रूप में प्रस्तुत किया गया है।