🔢 mathematics

Multiscale Structure of Eigenstate Thermalization

यह शोध पत्र यह प्रदर्शित करके आइजनस्टेट थर्मलइज़ेशन हाइपोथेसिस (eigenstate thermalization hypothesis) में एक बहु-स्तरीय संरचना को प्रकट करता है कि मैक्रोस्कोपिक प्रणालियों में मैट्रिक्स तत्वों के सांख्यिकीय गुण न केवल मैक्रोस्टेट मापदंडों पर, बल्कि सैंपलिंग एन्सेम्बल के उतार-चढ़ाव के पैमाने (fluctuation scale) पर भी निर्भर करते हैं, जिससे गैर-विश्लेषणात्मक, पैमाने-निर्भर बीजगणितीय घातांक (algebraic exponents) प्राप्त होते हैं।

मूल लेखक: Pavel Orlov, Rustem Sharipov, Enej Ilievski

प्रकाशित 2026-05-11

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Pavel Orlov, Rustem Sharipov, Enej Ilievski

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

कल्पना कीजिए कि अरबों छोटे, आपस में जुड़े हुए गियरों से बनी एक विशाल, जटिल मशीन है। भौतिकी में, हम इसे "मेनी-बॉडी क्वांटम सिस्टम" (many-body quantum system) कहते हैं। आमतौर पर, जब हम इन मशीनों को देखते हैं, तो हमें उम्मीद होती है कि वे अंततः एक शांत, अनुमानित अवस्था में स्थिर हो जाएंगी जिसे "थर्मल इक्विलिब्रियम" (thermal equilibrium) कहा जाता है (जैसे कॉफी का कप कमरे के तापमान तक ठंडा होना)।

द दशकों से, भौतिक विज्ञानी एक नियम का उपयोग करते आए हैं जिसे "आइगेनस्टेट थर्मलइज़ेशन हाइपोथेसिस" (Eigenstate Thermalization Hypothesis - ETH) कहा जाता है ताकि यह समझाया जा सके कि यह कैसे होता है। यह नियम मूल रूप से कहता है: "यदि आप मशीन के ऊर्जा के केवल एक विशिष्ट स्नैपशॉट को देखते हैं, तो उसके भीतर के सूक्ष्म हिस्से पहले से ही एक शांत, यादृच्छिक (random) अवस्था में दिखाई देंगे।"

हालांकि, ओरलोव, शरीपोव और इलीवस्की का यह नया शोध पत्र सुझाव देता है कि पुराना नियम एक महत्वपूर्ण विवरण को छोड़ रहा है। उन्होंने खोजा कि मशीन के भीतर की "यादृच्छिकता" (randomness) इस बात पर निर्भर करती है कि जब आप स्नैपशॉट पकड़ते हैं, तो आपका "जाल कितना चौड़ा है"।

यहाँ उनके आविष्कार का सरल उपमाओं का उपयोग करके विवरण दिया गया है:

1. पुराना तरीका: एक संकीर्ण कुंजी छिद्र (Keyhole) के माध्यम से देखना

पारंपरिक रूप से, भौतिक विज्ञानी इन प्रणालियों का अध्ययन ऊर्जा के एक बहुत ही संकीर्ण हिस्से को देखकर करते थे—जैसे एक छोटे से कुंजी छिद्र के माध्यम through देखना। वे मशीन के दो ऐसे स्नैपशॉट चुनते थे जो ऊर्जा में लगभग समान हों और पूछते थे, "वे एक दूसरे से कितने अलग हैं?"

पुराना नियम (ETH) कहता था: "यदि वे ऊर्जा में करीब हैं, तो वे बहुत समान दिखते हैं। यदि वे दूर हैं, तो वे पूरी तरह से यादृच्छिक और असंबद्ध दिखते हैं।"

2. नई खोज: जाल का आकार मायने रखता है

लेखकों ने एक नया प्रश्न पूछा: क्या होगा यदि हम कुंजी छिद्र के माध्यम से न देखें, बल्कि एक विस्तृत जाल फैला दें?

कल्पना कीजिए कि आप मछली पकड़ रहे हैं (जो मशीन की ऊर्जा अवस्थाओं का प्रतिनिधित्व करती हैं):

संकीर्ण जाल (छोटे उतार-चढ़ाव/Small Fluctuations): आप केवल उन्हीं मछलियों को पकड़ते हैं जो बिल्कुल एक-दूसरे के पास तैर रही हैं।
चौड़ा जाल (बड़े उतार-चढ़ाव/Large Fluctuations): आप एक ऐसा जाल फैलाते हैं जो समुद्र के एक विशाल क्षेत्र से मछलियाँ पकड़ता है, जिसमें वे मछलियाँ भी शामिल हैं जो एक-दूसरे से बहुत दूर हैं।

शोध में पाया गया कि मशीन की "यादृच्छिकता" इस बात पर निर्भर करती है कि आपका जाल कितना चौड़ा है।

यदि आपका जाल छोटा है, तो मशीन ठीक वैसे ही व्यवहार करती है जैसा पुराने नियम ने भविष्यवाणी की थी।
यदि आपका जाल चौड़ा होता है, तो मशीन अलग तरह से व्यवहार करने लगती है। हिस्सों के बीच का "संबंध" केवल फीका नहीं पड़ता; यह अपने गणितीय आकार को पूरी तरह से बदल देता है।

वे इसे "मल्टीस्केल स्ट्रक्चर" (Multiscale Structure) कहते हैं। इसका अर्थ है कि मशीन के अलग-अलग "व्यक्तित्व लक्षण" होते हैं, जो इस बात पर निर्भर करते हैं कि आप कितनी दूरी तक देखते हैं।

3. "सीढ़ी" (Staircase) की उपमा

इसे सिद्ध करने के लिए, लेखकों ने एक विशेष, सरलीकृत मशीन मॉडल (एक "इंटीग्रेबल सिस्टम") का उपयोग किया जो एक अराजक (chaotic) प्रणाली की तुलना में हल करने में आसान है। उन्होंने इस मशीन की अवस्थाओं को ब्लॉकों से बनी सीढ़ियों (गणितीय रूप से 'यंग डायग्राम' के रूप में ज्ञात) के रूप में विज़ुअलाइज़ किया।

प्रयोग: उन्होंने दो सीढ़ियों की तुलना की।
- परिदृश्य A: सीढ़ियाँ लगभग एक जैसी हैं (ऊंचाई में बहुत मामूली अंतर)।
- परिदृश्य B: सीढ़ियाँ बहुत अलग हैं (एक दूसरी की तुलना में बहुत अधिक ऊंची है)।

उन्होंने गणना की कि मशीन के एक सीढ़ी से दूसरी सीढ़ी पर कूदने की संभावना कितनी है। उन्हें एक आश्चर्यजनक "टिपिंग पॉइंट" (tipping point) मिला:

टिपिंग पॉइंट से नीचे: कूदने की संभावना धीरे-धीरे कम होती है।
टिपिंग पॉइंट के ऊपर: कूदने की संभावना बहुत तेज़ी से गिर जाती, लेकिन एक विशिष्ट, जटिल तरीके से जिसमें लॉगरिदम (logarithms) शामिल हैं (एक गणितीय वक्र जो बहुत धीरे-धीरे बढ़ता है)।

यह एक कार चलाने जैसा है: एक निश्चित गति से नीचे, हवा का प्रतिरोध प्रबंधनीय है। लेकिन एक बार जब आप एक विशिष्ट गति सीमा को पार कर लेते हैं, तो हवा का प्रतिरोध अचानक उस तरह से बढ़ जाता है जिसकी आपने उम्मीद नहीं की थी, जिससे कार के चलने का तरीका बदल जाता है।

4. "फ्लक्चुएशन स्केल" (The Dial)

लेखकों ने एक "डायल" (जिसे $\gamma$ कहा जाता है) पेश किया जो यह नियंत्रित करता है कि उनका जाल कितना चौड़ा है।

डायल 0 पर: आप एक बहुत ही सटीक स्लाइस देख रहे हैं (पुराना तरीका)।
डायल 1 पर: आप पूरी मशीन देख रहे हैं, जिसमें जंगली रूप से भिन्न अवस्थाएं भी शामिल हैं।

उन्होंने पाया कि जब आप इस डायल को एक निश्चित बिंदु (विशेष रूप से, जब डायल 0.5 को पार करता है) के आगे घुमाते हैं, तो मशीन के सांख्यिकीय "नियम" अचानक बदल जाते हैं।

0.5 से पहले: मशीन नियमों के एक सेट का पालन करती है (मानक ETH)।
0.5 के बाद: मशीन नियमों के एक दूसरे सेट का पालन करती है जहाँ अवस्थाओं के बीच के संबंध बहुत अधिक मजबूती से दब (suppressed) जाते हैं।

5. यादृच्छिकता का आकार (The Shape of the Randomness)

अंत में, उन्होंने यादृच्छिकता के "आकार" को देखा।

"थर्मल" ज़ोन (डायल के मध्य में): यादृच्छिकता एक विशिष्ट बेल कर्व (bell curve) की तरह दिखती है जिसे गुम्बेल वितरण (Gumbel distribution) कहा जाता है (अक्सर चरम घटनाओं का वर्णन करने के लिए उपयोग किया जाता है, जैसे कि सदी में एक बार आने वाली उच्चतम बाढ़ का स्तर)।
"छोटे जाल" वाले ज़ोन में: यादृच्छिकता एक तिरछे वक्र (skew-normal distribution) की तरह दिखती है, जो एक तरफ झुका हुआ है।

निष्कर्ष

पेपर का दावा है कि क्वांटम प्रणालियों का "थर्मलाइजेशन" (thermalization) कोई एकल, निश्चित नियम नहीं है। इसके बजाय, यह एक मल्टीस्केल घटना (multiscale phenomenon) है।

इसे एक सिम्फनी सुनने जैसा समझें:

यदि आप केवल एक वाद्य यंत्र (संकीर्ण जाल) सुनते हैं, तो आपको एक विशिष्ट धुन सुनाई देती है।
यदि आप पूरे ऑर्केस्ट्रा (चौड़ा जाल) को सुनते हैं, तो धुन बदल जाती है, और जिस तरह से वाद्य यंत्र आपस में मिलते हैं, वह नियमों के एक अलग सेट का पालन करता है।

लेखकों ने सिद्ध किया कि क्वांटम प्रणालियों के शांत होने की प्रक्रिया को वास्तव में समझने के लिए, आपको उस "जाल के आकार" को ध्यान में रखना होगा जिसका उपयोग आप उन्हें देखने के लिए करते हैं। यदि आप इसे अनदेखा करते हैं, तो आप इस तथ्य को मिस कर सकते हैं कि एक व्यापक परिप्रेक्ष्य से देखने पर सिस्टम अलग तरह से व्यवहार करता है।

तकनीकी सारांश: आइजनस्टेट थर्मलइज़ेशन की मल्टीस्केल संरचना

समस्या विवरण
आइजनस्टेट थर्मलइज़ेशन हाइपोथीसिस (ETH) यह प्रतिपादित करता है कि अलग-थलग क्वांटम मेनी-बॉडी सिस्टम इसलिए थर्मलइज़ होते हैं क्योंकि व्यक्तिगत ऊर्जा आइजनस्टेट्स (energy eigenstates) थर्मल गुणों को समाहित करते हैं। मानक ETH विश्लेषण आमतौर पर माइक्रोकेमिकल एन्सेम्बल पर केंद्रित होता है जहाँ आइजनस्टेट्स $\delta E = O(1)$ (या $O(L^0)$ ) की संकीर्ण ऊर्जा खिड़कियों के भीतर सीमित होते हैं। हालाँकि, भौतिक परिदृश्यों में, जैसे कि क्वांटम क्वेंच (quantum quenches), सिस्टम अक्सर बड़े ऊर्जा उतार-चढ़ाव वाले एन्सेम्बल का अन्वेषण करते हैं, जो $\delta E = O(L^\gamma)$ के रूप में स्केल करते हैं, जहाँ $\gamma \in [0, 1]$ है।

वर्तमान समझ में एक महत्वपूर्ण अंतराल यह है कि क्या स्थानीय ऑब्जर्वेबल्स (local observables) के ऑफ-डायगोनल मैट्रिक्स एलिमेंट्स के सांख्यिकीय गुण इस उतार-चढ़ाव स्केल $\gamma$ पर निर्भर करते हैं। पिछले अध्ययनों ने इंटीग्रेबल सिस्टम्स (जैसे कि लियूब-लिनिगर और हाइजनबर्ग मॉडल) में "एनोमलस" (anomalous) स्केलिंग व्यवहार (जैसे कि $L \log L$ सप्रेशन) की रिपोर्ट की थी, जो अराजक (chaotic) सिस्टम्स में देखे जाने वाले मानक एक्सपोनेंशियल सप्रेशन की तुलना में भिन्न है। ये अध्ययन अक्सर ऐसे एन्सेम्बल से सैंपल लेते थे जहाँ उच्च संरक्षित चार्जेस (conserved charges) स्वतंत्र रूप से उतार-चढ़ाव करते थे, जो प्रभावी रूप से एक विशिष्ट फ्लक्चुएशन स्केल ( $\gamma = 1/2$ ) को प्रोब कर रहे थे, न कि एक नियंत्रित पैरामीटर को। लेखक तर्क देते हैं कि मैक्रोस्टेट-डिपेंडेंट गुणों और एन्सेम्बल-डिपेंडेंट सांख्यिकीय संरचनाओं के बीच अंतर करने के लिए सभी उतार-चढ़ाव स्केल्स के व्यवस्थित अन्वेषण की आवश्यकता है।

कार्यप्रणाली
इसे संबोधित करने के लिए, लेखक एक ट्यूनेबल "फ्लक्चुएशन स्केल" पैरामीटर $\gamma$ पेश करके मैट्रिक्स एलिमेंट्स की मल्टीस्केल संरचना को प्रोब करने के लिए एक सामान्य ढांचा प्रस्तावित करते हैं।

डिस्टेंस मेट्रिक (दूरी मापन): केवल ऊर्जा पृथक्करण पर निर्भर रहने के बजाय, लेखक संरक्षित चार्ज डेंसिटीज के अंतर के $L^1$ -नॉर्म के आधार पर आइजनस्टेट्स के बीच की दूरी को परिभाषित करते हैं। यह अराजक और इंटीग्रेटेबल दोनों सिस्टम्स के लिए एक एकीकृत उपचार की अनुमति देता है।
मॉडल चयन: लेखक एक विशिष्ट इंटीग्रेबल क्वांटम फील्ड थ्योरी का उपयोग करते हैं: एक मासलेस बोसोनिक फील्ड थ्योरी (विशेष रूप से क्वांटम बेंजामिन-ओनो पदानुक्रम का $\beta=1$ $β = 1$ मामला)। इस मॉडल को इसलिए चुना गया क्योंकि:
- इसका स्पेक्ट्रम और आइजनस्टेट्स को पूर्णांक विभाजनों (integer partitions/Young diagrams) में मैप किया जा सकता है।
- वर्टेक्स ऑपरेटर्स (एक वर्ग के स्थानीय ऑब्जर्वेबल्स) के मैट्रिक्स एलिमेंट्स के लिए एक स्पष्ट, फैक्टराइज़ेबल क्लोज्ड-फॉर्म एक्सप्रेशन मौजूद है, जो यंग डायग्राम्स के "आर्म्स" (arms) और "लेग्स" (legs) पर आधारित है।
- यह $L \sim 10^6$ तक के सिस्टम साइज के लिए भी मनमाने उतार-चढ़ाव स्केल्स से एन्सेम्बल के कुशल संख्यात्मक सैंपलिंग की अनुमति देता है, जो अराजक सिस्टम्स में सटीक विकेोंलीकरण (exact diagonalization) की सीमाओं को पार करता है।
एन्सेम्बल निर्माण: लेखक "संशोधित वर्सिक एन्सेम्बल" (modified Vershik ensembles) का उपयोग करते हैं। मानक वर्सिक एन्सेम्बल (यंग डायग्राम्स पर $O(L^{1/2})$ के गाऊसी उतार-चढ़ाव के साथ कैनोनिकल गिब्स स्टेट) से शुरू होकर, वे उतार-चढ़ाव के परिमाण को $d = O(L^\gamma)$ तक रीस्केल करते हैं। यह एक विशिष्ट $\gamma$ के अनुरूप दूरी $d$ द्वारा अलग किए गए आइजनस्टेट पेयर्स के व्यवस्थित सैंपलिंग की अनुमति देता है।
विश्लेषणात्मक और संख्यात्मक विश्लेषण:
- विश्लेषणात्मक: वे "स्टेयरकेस डायग्राम्स" (partitions $\lambda = (k, k-1, \dots, 1)$ नामक विशिष्ट अवस्थाओं के लिए) के लिए मैट्रिक्स एलिमेंट्स के सप्रेशन रेट के सटीक एसिम्प्टोटिक फॉर्मूला व्युत्पन्न करते हैं।
- संख्यात्मक: वे विभिन्न $\gamma$ के लिए संशोधित वर्सिक एन्सेम्बल में छद्म-यादृच्छिक चर (pseudo-random variable) $\kappa_{mn} = -\frac{1}{L} \log |A_{mn}|^2$ (जो सप्रेशन रेट को दर्शाता है) के वितरण और इसकी चौड़ाई $\delta \kappa$ की गणना करते हैं।

प्रमुख योगदान और परिणाम

स्केलिंग एक्सपोनेंट्स की मल्टीस्केल निर्भरता:
अध्ययन यह प्रकट करता है कि औसत सप्रेशन रेट ( $p(\gamma)$ ) और वितरण की चौड़ाई ( $q(\gamma)$ ) को नियंत्रित करने वाले बीजगणितीय स्केलिंग एक्सपोनेंट्स, उतार-चढ़ाव स्केल $\gamma$ के गैर-अनलिटिक फलन हैं।
- सप्रेशन रेट ( $p(\gamma)$ ):
  - $\gamma < 1/2$ के लिए: $p(\gamma) = 0$ । सप्रेशन एक्सपोनेंशियल है ( $|A_{mn}|^2 \sim e^{-O(L)}$ ), जो एक ही मैक्रोस्टेट के भीतर अवस्थाओं के लिए मानक ETH अपेक्षाओं के अनुरूप है।
  - $1/2 \le \gamma < 1$ के लिए: $p(\gamma) = 2\gamma - 1$ । सप्रेशन पैरामीट्रिक रूप से अधिक शक्तिशाली हो जाता है, जो $|A_{mn}|^2 \sim e^{-O(L^{2\gamma} \log L)}$ के रूप में स्केल करता है।
  - $\gamma = 1$ (विभिन्न मैक्रोस्टेट्स) के लिए: $p(1) = 1$ , जिससे $|A_{mn}|^2 \sim e^{-O(L^2)}$ होता है।
- वितरण चौड़ाई ( $q(\gamma)$ ):
  - $\gamma < 1/3$ के लिए: $q(\gamma) = -\gamma$ ।
  - $\gamma \ge 1/3$ के लिए: $q(\gamma) = 2\gamma - 1$ ।
    ये परिणाम दर्शाते हैं कि मैट्रिक्स एलिमेंट्स के सांख्यिकीय गुण केवल मैक्रोस्टेट (चार्ज डेंसिटीज) द्वारा निर्धारित नहीं होते हैं, बल्कि एन्सेम्बल के उतार-चढ़ाव स्केल पर भी स्पष्ट रूप से निर्भर करते हैं।
एनोमलस स्केलिंग का समाधान:
लेखक इंटीग्रेबल सिस्टम्स में पहले देखे गए "एनोमलस" $L \log L$ सप्रेशन (संदर्भ [53, 54]) की व्याख्या करते हैं। वे दिखाते हैं कि उन अध्ययनों ने प्रभावी रूप से थर्मल फ्लक्चुएशन स्केल $\gamma = 1/2$ पर सैंपलिंग की थी। इस शासन में, व्युत्पन्न स्केलिंग $p(1/2) = 0$ (एक विशिष्ट कार्यात्मक रूप से उत्पन्न होने वाले लॉगरिदमिक सुधार के साथ) देखे गए व्यवहार से मेल खाती है। इस प्रकार, "एनोमेली" को इंटीग्रेबल सिस्टम्स के विशिष्ट फ्लक्चुएशन स्केल के परिणाम के रूप में पहचाना गया है, न कि ETH की मौलिक विफलता के रूप में।
यूनिवर्सल डिस्ट्रीब्यूशन फंक्शन्स:
सामान्यीकृत मैट्रिक्स एलिमेंट्स का प्रायिकता वितरण उतार-चढ़ाव स्केल के आधार पर बदलता है:
- $\gamma > 1/3$ ( $\gamma = 1/2$ सहित) के लिए: वितरण गुम्बेल वितरण (Gumbel distribution) का अनुसरण करता है, जो अन्य इंटीग्रेबल मॉडल्स में पिछले निष्कर्षों के अनुरूप है।
- $\gamma < 1/3$ के लिए: वितरण गुम्बेल से विचलित होता है और इसे स्क्यू-नॉर्मल (skew-normal) वितरण द्वारा अच्छी तरह से अनुमानित किया जा सकता है।
विश्लेषणात्मक सत्यापन:
स्टेयरकेस डायग्राम्स से व्युत्पन्न विश्लेषणात्मक परिणाम व्यापक संशोधित वर्सिक एन्सेम्बल में पाए गए स्केलिंग लॉज को पूरी तरह से पुनरुत्पादित करते हैं, जो स्केलिंग वेरिएबल $u = \frac{d^2}{L} \log(L/d)$ की मजबूती की पुष्टि करते हैं।

महत्व
यह शोध दावा करता है कि इक्विलिब्रियम मैक्रोस्टेट्स में मैट्रिक्स एलिमेंट्स के सांख्यिकीय गुणों में एक अंतर्निहित मल्टीस्केल संरचना होती है। प्राथमिक महत्व इस बात में निहित है कि चुना गया औसत एन्सेम्बल (विशेष रूप से चार्ज फ्लक्चुएशन का स्केल) ऑफ-डायगोनल मैट्रिक्स एलिमेंट्स के सांख्यिकीय व्यवहार को मौलिक रूप से बदल देता है।

लेखक इस बात पर जोर देते हैं कि जबकि डायगोनल ETH (जो डायगोनल एलिमेंट्स को मैक्रोस्टेट पैरामीटर्स से जोड़ता है) वैध रहता है, ऑफ-डायगोनल ETH एंसेटैटस के लिए एक अधिक सूक्ष्म प्रारूप की आवश्यकता है जो फ्लक्चुएशन स्केल $\gamma$ को ध्यान में रखता हो। यह कार्य अराजक और इंटीग्रेबल दोनों सिस्टम्स में देखे गए स्केलिंग व्यवहारों के लिए एक एकीकृत स्पष्टीकरण प्रदान करता है, यह स्पष्ट करते हुए कि इंटीग्रेबल मॉडल्स में "एनोमलस" व्यवहार अक्सर विशिष्ट फ्लक्चुएशन स्केल्स ( $\gamma \approx 1/2$ ) को प्रोब करने के आर्टिफैक्ट (artifact) हैं, न कि थर्मलइज़ेशन की अंतर्निहित विफलता। ये निष्कर्ष सुझाव देते हैं कि थर्मलइज़ेशन डायनेमिक्स की पूर्ण समझ, विशेष रूप से क्वांटम क्वेंच प्रोटोकॉल में जहाँ फ्लक्चुएशन स्केल्स भिन्न होते हैं, इस मल्टीस्केल निर्भरता को शामिल करना आवश्यक है।