🔬 condensed matter

Banded non-Hermitian random matrices, neural networks, and eigenvalue degeneracies

यह शोध पत्र स्पार्स न्यूरल नेटवर्क से प्रेरित टू-बैंडेड (two-banded), नॉन-हर्मिटियन रैंडम मैट्रिसेस की जांच करता है, जो यह प्रकट करता है कि कैसे रैंडम साइन डिसऑर्डर और डायरेक्शनल बायस के बीच की प्रतिस्पर्धा SSH चेन और लैडर मॉडल्स दोनों में विशिष्ट डेलोकलाइजेशन ट्रांजिशन को संचालित करती है और जटिल स्पेक्ट्रल संरचनाएं, जिनमें विस्तारित अवस्थाओं के लूप और विशिष्ट आइजनवैल्यू डिजेनेरेसी शामिल हैं, निर्मित करती है।

मूल लेखक: Richard Huang, David R. Nelson

प्रकाशित 2026-05-20

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Richard Huang, David R. Nelson

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 एक विशाल, गोलाकार ट्रेन ट्रैक दो समानांतर रेलों से बना है। यह ट्रैक एक न्यूरल नेटवर्क (एक मस्तिष्क जैसी प्रणाली) के एक सरल मॉडल का प्रतिनिधित्व करता है, जहाँ "स्टेशन" न्यूरॉन्स हैं। इस विशिष्ट मॉडल में, इन स्टेशनों के बीच के संबंध दो विशेष नियमों का पालन करते हैं:

"डेल'स लॉ" (Dale's Law) का नियम: प्रत्येक स्टेशन या तो पूरी तरह से एक "उत्तेजक" (ट्रेन को आगे धकेलने वाला) है या एक "अवरोधक" (ट्रेन को रोकने वाला)। उन्हें यादृच्छिक रूप से (randomly) सौंपा गया है, जैसे हर स्टेशन के लिए सिक्का उछालना। यह एक अराजक, अव्यवस्थित वातावरण बनाता है।
"दिशात्मक पूर्वाग्रह" (Directional Bias) का नियम: ट्रैक के साथ एक हवा चल रही है। यह हवा एक दिशा में आगे बढ़ना आसान बनाती है और दूसरी दिशा में कठिन।

इस शोध पत्र में वैज्ञानिक अध्ययन कर रहे हैं कि जब वे इस ट्रेन प्रणाली की "ऊर्जा" (या गतिविधि) को अराजकता (random stations) और हवा (directional bias) के मिश्रण के साथ मिलाते हैं, तो क्या होता है। उन्होंने दो अलग-अलग ट्रैक लेआउट देखे: एक SSH चेन (एक ज़िग-ज़ैग दोहरी ट्रैक) और एक लैडर (रिंग्स से जुड़ी दो सीधी समानांतर ट्रैक)।

यहाँ उन्होंने जो पाया है, उसे सरल उपमाओं के माध्यम से समझाया गया है:

1. अराजकता और हवा के बीच का युद्ध

मान लीजिए कि यादृच्छिक स्टेशन गड्ढे हैं जो ट्रेन को फँसा लेते हैं। यदि कोई हवा नहीं है, तो ट्रेन इन गड्ढों में हर जगह फंस जाती है। ऊर्जा "स्थानीयकृत" (localized) हो जाती है, जिसका अर्थ है कि यह छोटे, विशिष्ट स्थानों पर फंसी रहती है और यात्रा नहीं करती।

हालाँकि, जब आप हवा (directional bias) को बढ़ाते हैं, तो यह ट्रेन को गड्ढों से बाहर धकेलना शुरू कर देती है।

परिणाम: ऊर्जा "विस्थानीकृत" (delocalize) होने लगती है, जिसका अर्थ है कि यह ट्रैक के साथ स्वतंत्र रूप से फैलती और यात्रा करती है।
आकार: जैसे-जैसे हवा मजबूत होती है, ऊर्जा जहाँ स्वतंत्र रूप से यात्रा कर सकती है, वह एक जटिल गणितीय मानचित्र में लूप (वलय/रिंग्स) बनाती है। जहाँ ऊर्जा अभी भी फंसी हुई (localized) है, वे इन रिंग्स के अंदर या बाहर स्थित होते हैं।

2. दो अलग-अलग ट्रैक अलग तरह से व्यवहार करते हैं

भले ही दोनों ट्रैक के पास एक ही नियम हों (यादृच्छिक गड्ढे + हवा), वे हवा के प्रति अलग-अलग प्रतिक्रिया देते हैं।

SSH चेन (ज़िग-ज़ैग ट्रैक):

"जादुई क्षण": जैसे-जैसे आप हवा बढ़ाते हैं, ऊर्जा के चार अलग-अलग रिंग धीरे-धीरे फैलते हैं। एक बहुत ही विशिष्ट हवा की गति पर, चारों रिंग आपस में टकराकर केंद्र में मिल जाते हैं और एक बड़ा रिंग बन जाते हैं।
"एक्सेपशनल पॉइंट" (Exceptional Point): यह शोध पत्र इस टकराव को एक एक्सेपशनल पॉइंट कहता है। कल्पना कीजिए कि एक जादू के खेल में दो अलग-अलग चीजें (जैसे एक लाल गेंद और एक नीली गेंद) अचानक एक ही वस्तु बन जाती हैं और अपनी व्यक्तिगत पहचान खो देती हैं। इस विशिष्ट हवा की गति पर, सिस्टम का व्यवहार नाटकीय रूप से बदल जाता है, और रिंगों के बीच के "छेद" गायब हो जाते हैं।

लैडर मॉडल (समानांतर ट्रैक):

"दो-चरणीय" प्रतिक्रिया: यह ट्रैक अधिक जिद्दी है। जैसे-जैसे आप हवा बढ़ाते हैं, ऊर्जा फैलना शुरू करती है, लेकिन यह सब कुछ एक साथ नहीं मिलाती है।
- चरण 1: पहले, ऊर्जा के बाहरी रिंग फैलते हैं, लेकिन वे बीच में "फंसी हुई" ऊर्जा का एक कोर छोड़ देते हैं। रिंग बढ़ते हैं, लेकिन वे केंद्र को अभी तक निगल नहीं पाते हैं।
- चरण 2: केवल तभी जब हवा बहुत तेज हो जाती है (एक विशिष्ट "डायबोलिक पॉइंट" के पार), केंद्र से यात्रा करने वाली ऊर्जा का दूस been रिंग दिखाई देता है, जो फंसी हुई ऊर्जा को बाहर धकेलता है।
"डायबोलिक पॉइंट" (Diabolic Point): शोध पत्र इस क्षण को डायबोलिक पॉइंट कहता है जहाँ दो रिंग मिलते हैं। SSH चेन के विपरीत, यहाँ मिलने वाली दो चीजें अलग रहती हैं (जैसे दो अलग-अलग गेंदें एक-दूसरे को छू रही हों लेकिन एक नहीं बन रही हैं)। यह एक "डैजेनेरेसी का बिंदु" है जहाँ ऊर्जा स्तर मेल खाते हैं, लेकिन अंतर्निहित संरचना अलग रहती है।

3. पथ की भविष्यवाणी करना

वैज्ञानिकों ने केवल ट्रेनों को देखा ही नहीं; उन्होंने एक गणितीय "स्पीडोमीटर" बनाया जिसे ल्यपुनोव एक्सपोनेंट (Lyapunov exponent) कहा जाता है।

इसे एक मानचित्र के रूप में समझें जो यह दिखाता है कि हवा कितनी तेजी से ट्रेन को गड्ढे से बाहर धकेल सकती है।
उन्होंने पाया कि ऊर्जा के यात्रा करने वाले रिंग हमेशा वहीं बनते हैं जहाँ "हवा की गति" "गड्ढे की ताकत" से मेल खाती है। यदि आप गड्ढों के गणित को जानते हैं, तो आप बिल्कुल भविष्यवाणी कर सकते हैं कि यात्रा करने वाले रिंग कहाँ दिखाई देंगे, और उनके कंप्यूटर सिमुलेशन ने साबित किया कि यह 100% सटीक था।

4. किनारों पर क्या होता है? (ओपन बाउंड्रीज़)

अब तक, हमने माना कि ट्रैक एक पूर्ण वृत्त (कोई शुरुआत या अंत नहीं) है। लेकिन क्या होगा यदि ट्रैक की एक शुरुआत और एक अंत हो?

स्किन इफेक्ट (Skin Effect): इन नॉन-हर्मिटियन सिस्टम में, हवा केवल ट्रेन को धकेलती ही नहीं; यह सभी ट्रेनों को ट्रैक के एक छोर (स्किन) पर इकट्ठा कर देती है।
यदि हवा दाईं ओर चलती है, तो सभी ट्रेनें दाईं दीवार पर जमा हो जाती हैं। यदि यह बाईं ओर चलती है, तो वे बाईं ओर जमा हो जाती हैं। यह तब भी होता है जब ट्रैक में यादृच्छिक गड्ढे भरे हों।
SSH सरप्राइज: ज़िग-ज़ैग SSH ट्रैक के लिए, यदि हवा कमजोर है और गड्ढों की व्यवस्था एक निश्चित तरीके से है, तो ट्रेनें केवल जमा ही नहीं होतीं; वे ट्रैक के बिल्कुल सिरों पर "एज मोड्स" (edge modes) में फंस जाती हैं, जो एक विशेष प्रकार की रस्सी की गांठ की तरह काम करती है जो केवल सिरों पर कस जाती है।

सारांश

यह शोध पत्र अन्वेषण करता है कि कैसे अराजकता (यादृच्छिक कनेक्शन) और दिशा (बायस्ड फ्लो) एक न्यूरल नेटवर्क मॉडल में एक-दूसरे से लड़ते हैं।

अराजकता ऊर्जा को छोटे स्थानों में फंसाने की कोशिश करती है।
दिशा ऊर्जा को मुक्त करने और इसे बहने में मदद करने की कोशिश करती है।
SSH चेन और लैडर इन बलों के परस्पर क्रिया के दो अलग-अलग तरीके हैं। चेन अपने प्रवाह पैटर्न को एक साथ मिला देती है (एक "एक्सेपशनल पॉइंट"), जबकि लैडर इसे दो अलग-अलग चरणों में करती है (एक "डायबोलिक पॉइंट")।
वैज्ञानिकों ने साबित किया है कि वे ऊर्जा के प्रवाह की बिल्कुल सटीक भविष्यवाणी कर सकते हैं और उन्होंने दिखाया है कि यदि ट्रैक के अंत हैं, तो ऊर्जा अनिवार्य रूप से किनारों पर जमा हो जाएगी।

तकनीकी सारांश: बैंडेड नॉन-हर्मिटीयन रैंडम मैट्रिसेस, न्यूरल नेटवर्क, और आइगेनवैल्यू डिजनरेसी (Eigenvalue Degeneracies)

समस्या विवरण
यह कार्य दो-बैंडेड, नॉन-हर्मिटीयन रैंडम मैट्रिसेस के स्पेक्ट्रल और लोकलाइजेशन गुणों की जांच करता है, जो सर्कुलर, वन-डायमेंशनल टोपोलॉजी वाले स्पार्स न्यूरल नेटवर्क से प्रेरित हैं। यह अध्ययन जैविक न्यूरल नेटवर्क में निहित दो विशिष्ट विशेषताओं के बीच परस्पर क्रिया पर केंद्रित है: डेल का नियम (Dale's Law) (न्यूरॉन्स को शुद्ध रूप से उत्तेजक या निरोधात्मक होने के लिए बाध्य करना, जिससे होपिंग टर्म्स में रैंडम-साइन डिसऑर्डर उत्पन्न होता है) और स्पार्स कनेक्टिविटी (जिसे यहाँ एक लैटिस संरचना के रूप में मॉडल किया गया है)। शोधकर्ता यह समझने का लक्ष्य रखते हैं कि ये बाधाएं, नॉन-हर्मिटीयन डायरेक्शनल बायस (असिमेट्रिक होपिंग) के साथ मिलकर, मल्टी-बैंडेड सिस्टम में आइगेनस्टेट लोकलाइजेशन और आइगेनवैल्यू डिजनरेसी को कैसे प्रभावित करती हैं। यह अध्ययन दो प्रतिमान मॉडलों की तुलना करता है: नॉन-हर्मिटीयन SSH चेन और एक नॉन-हर्मिटीयन लैडर (सीढ़ी) मॉडल।

कार्यप्रणाली
लेखक विश्लेषणात्मक तकनीकों और संख्यात्मक सिमुलेशन के संयोजन का उपयोग करते हैं:

मॉडल निर्माण: दो मॉडल परिमित सीमा स्थितियों (बाद में ओपन बाउंड्री कंडीशंस) के साथ परिभाषित किए गए हैं। दोनों में डेल के नियम को संतुष्ट करने के लिए होपिंग एम्प्लीट्यूड पर रैंडम-साइन डिसऑर्डर ( $\sigma \in \{+1, -1\}$ $σ \in {+ 1, - 1}$ ) और हर्मिटीसिटी को तोड़ने वाला एक डायरेक्शनल बायस पैरामीटर $g$ $g$ शामिल है।
- SSH चेन: इसमें वैकल्पिक इंट्रासेल ( $t_+$ ) और इंटरसेल ( $t_-$ ) होपिंग के साथ बायस $g$ है।
- लैडर मॉडल: दो युग्मित (coupled) हटाना-नेल्सन चेन्स से बना है जिसमें सिमेट्रिक रंंग (rung) होपिंग ( $u$ ) और बायस्ड इंट्रा-चेन होपिंग ( $t$ ) है।
स्पेक्ट्रल विश्लेषण: लेखक जटिल तल (complex plane) में आइगेनस्पेक्ट्रा का विश्लेषण करते हैं, जिसमें आइगेनवैल्यू का वितरण और लोकलाइज्ड एवं एक्सटेंडेड अवस्थाओं के बीच अंतर करने के लिए इनवर्स पार्टिसिपेशन रेशियो (IPR) पर ध्यान केंद्रित किया जाता है। नॉन-हर्मिटीयन सिस्टम के लिए, बाएं और दाएं आइगेनवेक्टर्स को शामिल करने वाला एक गेज-इनवेरिएंट IPR उपयोग किया जाता है।
ट्रांसफर मैट्रिक्स फॉर्मलिज्म: एक्सटेंडेड अवस्थाओं के कंटूर (contours) की भविष्यवाणी करने के लिए, आइगेनवैल्यू समस्या को रिकर्सन संबंधों में पुनर्गठित किया जाता है। रैंडम ट्रांसफर मैट्रिसेस के उत्पादों से जुड़े लियापुनोव एक्सपोनेंट्स ( $\gamma$ ) की गणना की जाती है। डेलोकलाइजेशन मानदंड को $g = \gamma = \xi^{-1}$ के रूप में स्थापित किया गया है, जहाँ $\xi$ लोकलाइजेशन लेंथ है।
सिंगुलर वैल्यू विश्लेषण: लेखक यह दिखाने के लिए कि रैंडम-साइन डिसऑर्डर वाले मैट्रिक्स के सिंगुलर मान शुद्ध मॉडल के समान हैं, $M = H \cdot \Sigma$ (जहाँ $H$ शुद्ध नॉन-हर्मिटीयन मॉडल है और $\Sigma$ रैंडम साइन्स का एक डायगोनल मैट्रिक्स है) के संबंध का उपयोग करते हैं। यह जटिल तल में आइगेनवैल्यू मोड्युली पर कठोर सीमाएँ प्रदान करता है।

मुख्य योगदान और परिणाम

डिसऑर्डर के तहत डिजनरेसी का बने रहना:
- SSH चेन: डिसऑर्डर की अनुपस्थिति में, बायस $g$ को ट्यून करने से एक एक्सेप्चनल पॉइंट (जहाँ आइगेनवैल्यू और आइगेनवेक्टर्स विलीन हो जाते हैं) एक क्रिटिकल वैल्यू $g_c$ पर प्राप्त होता है। लेखक यह प्रदर्शित करते हैं कि यह एक्सेप्चनल पॉइंट रैंडम-साइन डिसऑर्डर की उपस्थिति में भी बना रहता है, जो एक एकल आइगेनवेक्टर के साथ दो-गुना डिजेनरेट जीरो आइगेनवैल्यू के रूप में प्रकट होता है।
- लैडर मॉडल: इसके विपरीत, शुद्ध लैडर मॉडल $g_c$ पर एक डायबोलिक पॉइंट (विशिष्ट आइगेनवेक्टर्स के साथ डिजेनरेट आइगेनवैल्यू) प्रदर्शित करता है। यह डायबोलिक पॉइंट भी डिसऑर्डर के परिचय के बाद भी जीवित रहता है, जो एक पूर्ण सेट ऑफ आइगेनवेक्टर्स के साथ दो-गुना डिजेनरेट जीरो आइगेनवैल्यू बनाए रखता है।
विशिष्ट डेलोकलाइजेशन घटनाएँ:
- SSH चेन: जैसे-जैसे डायरेक्शनल बायस $g$ बढ़ता है, अवस्थाएं बैंड के भीतर से डेलोकलाइज होना शुरू कर देती हैं, जिससे जटिल तल में एक्सटेंडेड अवस्थाओं के चार लूप बनते हैं। ये लूप विस्तारित होते हैं और अंततः $g = g_c$ पर ओरिजिन (origin) पर विलीन हो जाते हैं, जिससे स्पेक्ट्रम में एक होल (hole) बन जाता है। $g > g_c$ के लिए, सभी अवस्थाएं अंततः डेलोकलाइज हो जाती हैं।
- लैडर मॉडल: डेलोकलाइजेशन की प्रक्रिया दो अलग-अलग चरणों में होती है। प्रारंभ में, $g < g_c$ के लिए, एक्सटेंडेड अवस्थाएं चार लूप बनाती हैं जो स्पेक्ट्रम में होल नहीं बनाती हैं (लोकलाइज्ड अवस्थाएं अंदर रहती हैं)। जैसे ही $g > g_c$ होता है, ओरिजिन से एक्सटेंडेड अवस्थाओं का एक दूसरा सेट उभरता है, जिसके परिणामस्वरूप लोकलाइज्ड अवस्थाओं द्वारा अलग किए गए दो संकेंद्रित (concentric) एक्सटेंडेड लूप बनते हैं। केवल पर्याप्त बड़े $g$ के लिए ही सभी अवस्थाएं डेलोकलाइज होती हैं।
एक्सटेंडेड स्टेट कंटूर की भविष्यवाणी:
एक्सटेंडेड अवस्थाएं किन कंटूरों पर स्थित हैं, इसकी सटीक भविष्यवाणी ट्रांसफर मैट्रिक्स फॉर्मलिज्म से प्राप्त लियापुनोव एक्सपोनेंट्स द्वारा की जाती है। संख्यात्मक डायगोनलाइजेशन पुष्टि करता है कि एक्सटेंडेड अवस्थाएं उन कंटूरों पर स्थित होती हैं जहाँ लियापुनोव एक्सपोनेंट $\gamma(\lambda)$ बायस पैरामीटर $g$ के बराबर होता है।
ओपन बाउंड्री कंडीशंस और स्किन इफेक्ट:
ओपन बाउंड्री कंडीशंस के तहत, दोनों मॉडल नॉन-हर्मिटीयन स्किन इफेक्ट प्रदर्शित करते हैं, जहाँ आइगेनस्टेट्स सीमाओं (boundaries) पर जमा हो जाते हैं।
- लैडर मॉडल के लिए, आइगेनवैल्यूज $g$ से स्वतंत्र रहते हैं ( $g=0$ के मामले के समान), लेकिन $g > 0$ के लिए आइगेनस्टेट्स बाईं (दाहिनी) सीमा पर लोकलाइज होते हैं।
- SSH चेन के लिए भी, आइगेनवैल्यूज $g$ से स्वतंत्र हैं, लेकिन सिस्टम $t_+ < t_-$ की स्थिति में लगभग शून्य आइगेनवैल्यू के साथ टोपोलॉजिकल एज स्टेट्स को सपोर्ट कर सकता है, जो क्लीन SSH चेन की एक विशेषता है।

महत्व
यह शोध स्थापित करता है कि मल्टी-बैंडेड नॉन-हर्मिटीयन सिस्टम में रैंडम-साइन डिसऑर्डर (डेल का नियम) और डायरेक्शनल बायस के बीच की परस्पर क्रिया, सिंगल-बैंड मॉडलों से गुणात्मक रूप से भिन्न समृद्ध स्पेक्ट्रल संरचनाओं की ओर ले जाती है। यह कार्य इस बात पर प्रकाश डालता है कि क्लीन लिमिट में आइगेनवैल्यू डिजनरेसी (एक्सेप्चनल बनाम डायबोलिक पॉइंट्स) की प्रकृति, डिसऑर्डर्ड सिस्टम में डेलोकलाइजेशन ट्रांजिशन की टोपोलॉजी को कैसे निर्धारित करती है। विशेष रूप से, लैडर मॉडल का दो-चरणीय डेलोकलाइजेशन और नेस्टेड लूप्स का निर्माण एक नई घटना है जो पहले से अध्ययन किए गए सिंगल-बैंड नॉन-हर्मिटीयन रैंडम मैट्रिसेस में नहीं देखी गई थी। लियापुनोव एक्सपोनेंट्स का उपयोग करके इन जटिल स्पेक्ट्रल कंटूरों की भविष्यवाणी करने की क्षमता, रैंडम मैट्रिसेस में लोकलाइजेशन को समझने के लिए एक मजबूत सैद्धांतिक ढांचा प्रदान करती है। परिणाम बताते हैं कि न्यूरल क्लस्टर्स (जिन्हें यहाँ यूनिट सेल्स के रूप में मॉडल किया गया है) की स्थानिक उप-संरचना (spatial substructure) नेटवर्क डायनेमिक्स के स्थिरता और डेलोकलाइजेशन गुणों को निर्धारित करने में महत्वपूर्ण भूमिका निभाती है।

1. अराजकता और हवा के बीच का युद्ध

2. दो अलग-अलग ट्रैक अलग तरह से व्यवहार करते हैं

3. पथ की भविष्यवाणी करना

4. किनारों पर क्या होता है? (ओपन बाउंड्रीज़)

सारांश

इसी तरह के और पेपर