⚛️ quantum physics

Non-Markovianity in the Adapted Caldeira-Leggett model

यह शोध पत्र सूचना बैकफ्लो (information backflow) और सिस्टम-एनवायरमेंट सहसंबंधों का विश्लेषण करके एडेप्टेड कैलडेरा-लेगेट मॉडल की नॉन-मार्कोवियन विशेषताओं को अभिलक्षित करता है, यह प्रदर्शित करते हुए कि जबकि कपलिंग स्ट्रेंथ मुख्य रूप से सहसंबंध निर्माण को संचालित करती है, तापमान पर्यावरणीय अवस्था परिवर्तनों को महत्वपूर्ण रूप से प्रभावित करता है, जिससे सूक्ष्म क्वांटम घटनाओं की खोज के लिए एक विश्वसनीय उपकरण के रूप में इस मॉडल की वैधता सिद्ध होती है।

मूल लेखक: Luciano Manara, Andrea Smirne, Bassano Vacchini

प्रकाशित 2026-05-20

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Luciano Manara, Andrea Smirne, Bassano Vacchini

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 आप बिलियर्ड्स का एक खेल देख रहे हैं। आमतौर पर, जब आप एक गेंद को मारते हैं, तो वह मेज पर लुढ़कती है, किनारों से टकराती है और अंततः रुक जाती है। भौतिकी की दुनिया में, इसे अक्सर एक "मार्कोवियन" (Markovian) प्रक्रिया के रूप में मॉडल किया जाता है: गेंद का भविष्य का रास्ता केवल इस बात पर निर्भर करता है कि वह अभी कहाँ है, न कि उसके इतिहास पर। वातावरण (मेज और हवा) ऊर्जा को सोख लेता है और उसे तुरंत भूल जाता है।

लेकिन क्या होगा अगर मेज केवल एक निष्क्रिय सतह नहीं थी? क्या होगा अगर मेज एक विशेष, उछाल वाली सामग्री से बनी हो जो हर प्रहार को याद रखती है, उस ऊर्जा को एक क्षण के लिए संचित करती है और फिर उसे वापस गेंद में धकेल देती है? यह "स्मृति" गेंद को अप्रत्याशित तरीकों से उछाल सकती है। क्वांटम भौतिकी में, इसे "नॉन-मार्कोवियनिटी" (non-Markovianity) कहा जाता है, और यह तब होता है जब एक सूक्ष्म प्रणाली (जैसे एक परमाणु) एक विशाल वातावरण (जैसे कणों का बादल) के साथ परस्पर क्रिया करती है, जिससे सूचना वातावरण से वापस प्रणाली की ओर प्रवाहित होती है।

यह शोध पत्र इन जटिल अंतःक्रियाओं को सिम्युलेट करने के लिए डिज़ाइन किए गए एक विशिष्ट, सरल कंप्यूटर मॉडल की जांच करता है। यहाँ उनके कार्य का रोजमर्रा की भाषा में विवरण दिया गया है:

1. समस्या: गणना करने के लिए बहुत अधिक डेटा

वास्तविक क्वांटम वातावरण एक समुद्र तट पर रेत के प्रत्येक कण को ट्रैक करने जैसा है। एक अकेले कंकड़ (सिस्टम) को प्रभावित करने के लिए रेत के हर एक कण की गति को ट्रैक करना असंभव है। वैज्ञानिक इसे वर्णित करने के लिए कैल्डेरा-लेगेट मॉडल (Caldeira-Leggett model) नामक एक प्रसिद्ध मॉडल का उपयोग करते हैं, लेकिन यह गणित के मामले में इतना भारी है कि यह देखना कठिन है कि ब्लैक बॉक्स के अंदर वातावरण वास्तव में क्या कर रहा है।

इसे ठीक करने के लिए, शोधकर्ताओं ने एक हल्का, तेज़ संस्करण बनाया जिसे एडेप्टेड कैल्डेरा-लेगेट (ACL) मॉडल कहा जाता है। इसे एक "सिमुलेशन गेम" के रूप में समझें जो समुद्र तट को प्रबंधनीय ग्रिड में बदलकर सरल बना देता है। पिछले परीक्षणों ने दिखाया कि यह गेम यह भविष्यवाणी करने में अच्छा था कि एक सिस्टम अपनी क्वांटम "जादुई शक्ति" (decoherence) कैसे खो देता है। लेकिन कोई नहीं जानता था कि क्या यह सरल गेम भी "मेमोरी प्रभावों" (non-Markovianity) की सटीक भविष्यवाणी कर सकता है, जहाँ सूचना वापस लौट आती है।

2. प्रयोग: "स्मृति" को ट्रैक करना

लेखकों ने इस ACL मॉडल का उपयोग करके एक क्वांटम सिस्टम को उसके वातावरण के साथ बातचीत करते हुए देखा। वे यह देखना चाहते थे कि क्या सूचना सिस्टम से बाहर निकलती है, वातावरण में फंस जाती है, और फिर वापस अंदर आती है।

इसे मापने के लिए, उन्होंने दो अलग-अलग "रूलर" (मापक) का उपयोग किया कि दो क्वांटम अवस्थाएँ कितनी भिन्न हैं:

ट्रेस डिस्टेंस (Trace Distance): एक मानक, बहुत सख्त रूलर।
स्क्वायर रूट ऑफ जेन्सन-शैनन डायवर्जेंस (Square Root of Jensen-Shannon Divergence): एक थोड़ा अलग, अधिक सांख्यिकीय रूलर।

उन्होंने दो समान परिदृश्य बनाए जो थोड़ी अलग स्थितियों से शुरू हुए और समय के साथ उनके बीच की "दूरी" में बदलाव को देखा।

यदि दूरी कम होती है: सूचना बाहर निकल रही है (सिस्टम भूल रहा है)।
यदि दूरी फिर से बढ़ती है: सूचना वापस आ रही है (वातावरण याद रख रहा है और उसे वापस धकेल रहा है)। यह वृद्धि "मेमोरी प्रभाव" है।

3. उन्हें क्या मिला

परिणाम एक जटिल नृत्य की तरह थे जो सिस्टम और वातावरण के बीच चल रहा था:

"बाउंस" (उछाल) होता है: उन्होंने पुष्टि की कि सरल ACL मॉडल वास्तव में ये मेमोरी प्रभाव दिखाता है। सूचना वापस आती है, ठीक वैसे ही जैसे वास्तविक, जटिल भौतिकी मॉडल में होता है।
"टाइटनेस" (कपलिंग) की भूमिका: सिस्टम वातावरण से कितनी मजबूती से जुड़ा है, यह मायने रखता है।
- यदि वे ढीले जुड़े हुए हैं, तो सिस्टम धीरे-धीरे आगे-पीछे उछलता है।
- यदि वे मजबूती से जुड़े हुए हैं, तो सिस्टम जल्दी से सब कुछ भूल जाता है, लेकिन फिर बाद में सूचना का एक बड़ा "धक्का" वापस पाता है।
- यदि वे बहुत मजबूती से जुड़े हैं, तो सिस्टम इतनी तेजी से शांत हो जाता है कि मेमोरी प्रभाव धुंधले होकर गायब हो जाते हैं।
"गर्मी" (तापमान) की भूमिका:
- ठंडे वातावरण आमतौर पर मजबूत मेमोरी प्रभाव की अनुमति देते हैं।
- गर्म वातावरण आमतौर पर मेमोरी को खत्म कर देते हैं। हालाँकि, लेखकों ने पाया कि उनके विशिष्ट सरल मॉडल में, यदि वातावरण बहुत गर्म है और कनेक्शन बहुत मजबूत है, तो मेमोरी प्रभाव वास्तव में थोड़ा बढ़ जाते हैं। वे इसका श्रेय अपने सिमुलेशन के "सीमित आकार" (रेत के कणों की सीमित संख्या) को देते हैं, जो उच्च गर्मी पर कृत्रिम लहरें पैदा करता है।

4. स्मृति के लिए कौन जिम्मेदार है?

लेखकों ने इस बात का विश्लेषण किया कि यह स्मृति कहाँ से आती है। उन्होंने दो चीजों को देखा:

सहसंबंध (Correlations): सिस्टम और वातावरण एक-दूसरे के साथ कितने "एंटैंगल्ड" या जुड़े हुए होते हैं।
पर्यावरणीय परिवर्तन (Environmental Changes): वातावरण स्वयं अपनी स्थिति कितनी बदलता है।

उपमा: कल्पना करें कि एक बच्चा (सिस्टम) और एक माता-पिता (वातावरण) हैं।

सहसंबंध ऐसे हैं जैसे बच्चा और माता-पिता हाथ पकड़े हुए हैं। लेखकों ने पाया कि हाथ पकड़ने की मजबूती (coupling strength) यहाँ मुख्य कारक है। मजबूत पकड़ = अधिक पकड़।
पर्यावरणीय परिवर्तन ऐसे हैं जैसे माता-पिता थक गए हैं या उत्साहित हैं। लेखकों ने पाया कि कमरे का तापमान मुख्य कारक है। एक गर्म कमरा माता-पिता की प्रतिक्रिया को अधिक नाटकीय बना देता है।

5. निष्कर्ष

पत्र यह निष्कर्ष निकालता है कि एडेप्टेड कैल्डेरा-लेगेट मॉडल इन मेमोरी प्रभावों का अध्ययन करने के लिए एक विश्वसनीय, तेज़ और सटीक उपकरण है। यह भारी, जटिल मूल मॉडलों के बहुत समान व्यवहार करता है।

उन्होंने यह भी पुष्टि की कि दोनों "रूलर" (ट्रेस डिस्टेंस और जेन्सन-शैनन) बहुत समान परिणाम देते हैं, हालांकि ट्रेस डिस्टेंस सूचना के पहले "बाउंस" को पकड़ने में थोड़ा अधिक संवेदनशील है।

संक्षेप में: लेखकों ने सिद्ध किया कि एक सरल, तेज़ कंप्यूटर मॉडल क्वांटम सिस्टम की जटिल "स्मृति" को सटीक रूप से सिम्युलेट कर सकता है, जिससे हमें यह समझने में मदद मिलती है कि सूचना एक कण और उसके परिवेश के बीच कैसे आगे-पीछे बहती है, बिना समुद्र तट की रेत के हर एक कण की गणना किए।

तकनीकी सारांश: अनुकूलित कैलडेरा-लेगेट मॉडल में गैर-मार्कोवियनता (Non-Markovianity)

समस्या विवरण
खुले क्वांटम सिस्टम (Open quantum systems) को आमतौर पर प्रभावी मॉडलों द्वारा वर्णित किया जाता है जो सिस्टम के न्यूनीकरण गतिकी (reduced dynamics) पर ध्यान केंद्रित करने के लिए पर्यावरणीय स्वतंत्रता वाले अंशों (degrees of freedom) को हटा देते हैं। हालाँकि, सभी पर्यावरणीय स्वतंत्रता वाले अंशों का सटीक उपचार अक्सर गणनात्मक रूप से अत्यधिक कठिन होता है। जबकि मानक कैलडेरा-लेगेट (CL) मॉडल क्वांटम ब्राउनियन मोशन, डिकोहेरेंस (decoherence) और आइन्सेलेक्शन (einselection) को समझने के लिए एक आधारशिला है, इसका पूर्ण संख्यात्मक सिमुलेशन—जिसमें सिस्टम और पर्यावरण दोनों की स्पष्ट ट्रैकिंग शामिल है—चुनौतीपूर्ण है। हाल ही में, एक कम्प्यूटेशनल रूप से कुशल विकल्प के रूप में अनुकूलित कैलडेरा-लेगेट (ACL) मॉडल प्रस्तावित किया गया था जो डिकोहेरेंस और आइन्सेलेक्शन के संबंध में मानक CL मॉडल के आवश्यक भौतिक विज्ञान को पकड़ता है। हालाँकि, गैर-मार्कोवियन विशेषताओं, विशेष रूप से पर्यावरण से सिस्टम तक सूचना के वापस प्रवाह (information backflow) से उत्पन्न होने वाले मेमोरी प्रभावों को पुनरुत्पादित करने में ACL मॉडल की वैधता का अभी तक अन्वेषण नहीं किया गया था। इसके अलावा, सिस्टम-पर्यावरण सहसंबंधों (correlations) और पर्यावरणीय अवस्था में परिवर्तनों के बीच परस्पर क्रिया के कारण इन मेमोरी प्रभावों के सूक्ष्म मूलों को चरित्रित करना कठिन बना हुआ था, क्योंकि पूर्ण वैश्विक अवस्था (global state) को ट्रैक करने में गणनात्मक बाधाएं थीं।

कार्यप्रणाली
लेखक ACL मॉडल का उपयोग करते हैं, जो एक ढांचा है जहाँ सिस्टम एक ट्रंकेटेड हार्मोनिक ऑसिलेटर है और पर्यावरण को एक परिमित-आयामी हिल्बर्ट स्पेस (Hilbert space) पर कार्य करने वाले हर्मिटीयन रैंडम मैट्रिसेस (Gaussian Unitary Ensemble) के माध्यम से मॉडल किया गया है। ACL मॉडल के पिछले अध्ययनों के विपरीत, यह कार्य एक प्रारंभिक मिश्रित पर्यावरणीय अवस्था (Gibbs state) को संभालने के लिए डेंसिटी मैट्रिक्स फॉर्मलिज्म का उपयोग करता है, जिसके लिए महत्वपूर्ण कम्प्यूटेशनल संसाधनों (सिस्टम आयाम $N_S=16$ , पर्यावरण आयाम $N_E=64$ ) की आवश्यकता होती है।

गैर-मार्कोवियनता को चरित्रित करने के लिए, लेखक सूचना बैकफ्लो (Breuer-Laine-Piilo फ्रेमवर्क) दृष्टिकोण को अपनाते हैं। वे गैर-मार्कोवियनता को दो प्रारंभिक रूप से भिन्न सिस्टम अवस्थाओं की विशिष्टता (distinguishability) में अस्थायी वृद्धि के रूप में परिभाषित करते हैं, जो पर्यावरण से सिस्टम की ओर सूचना के वापस प्रवाह का संकेत देता है। अध्ययन दो विशिष्टता मापनकर्ताओं (quantifiers) की तुलना करता है:

ट्रेस डिस्टेंस ( $D$ ): जिसे अवस्थाओं के अंतर के ट्रेस नॉर्म का आधा भाग के रूप में परिभाषित किया गया है।
जेन्सन-शैनन डायवर्जेंस का वर्गमूल ( $\sqrt{J}$ ): जो क्वांटम रिलेटिव एंट्रॉपी से व्युत्पन्न एक मीट्रिक है।

लेखक समय के साथ विशिष्टता परिवर्तन की सकारात्मक दरों को एकीकृत करके गैर-मार्कोवियनता माप $N$ का मूल्यांकन करते हैं। महत्वपूर्ण रूप से, वे सैद्धांतिक ऊपरी सीमा (समीकरण 25) का परीक्षण करने के लिए ACL मॉडल की वैश्विक अवस्था को ट्रैक करने की क्षमता का लाभ उठाते हैं। यह सीमा सिस्टम विशिष्टता के पुनरुद्धार (revival) को निम्नलिखित के योग से जोड़ती है:

कुल सिस्टम-पर्यावरण सहसंबंध (क्लासिकल और क्वांटम)।
पर्यावरणीय अवस्थाओं की विशिष्टता।

मुख्य योगदान और परिणाम

गैर-मार्कोवियनता के लिए ACL मॉडल का सत्यापन: अध्ययन पुष्टि करता है कि ACL मॉडल मानक कैलडेरा-लेगेट मॉडल के गैर-मार्कोवियन गुणों को विश्वसनीय रूप से पुनरुत्पादित करता है। विशिष्टता का समय विकास स्पष्ट गैर-मोनोटोनिक व्यवहार (पुनरुद्धार) प्रदर्शित करता है, जो मेमोरी प्रभावों का संकेत देता है। गैर-मार्कोवियनता की डिग्री ( $N$ ) कपलिंग स्ट्रेंथ $\gamma$ पर एक गैर-मोनोटोनिक निर्भरता प्रदर्शित करती है, जो मध्यवर्ती-कपलिंग शासन (intermediate-coupling regime) में चरम पर पहुँचती है, और तापमान $\theta$ पर एक निर्भरता दिखाती है जो कम तापमान पर मानक CL मॉडल के अनुरूप है।
मेमोरी प्रभावों के सूक्ष्म मूल: वैश्विक गतिकी को स्पष्ट रूप से ट्रैक करके, लेखक सूचना बैकफ्लो को संचालित करने वाले तंत्रों को चरित्रित करते हैं:
- सिस्टम-पर्यावरण सहसंबंध: ये मुख्य रूप से कपलिंग स्ट्रेंथ ( $\gamma$ ) के प्रति संवेदनशील हैं। मजबूत कपलिंग और निम्न तापमान के साथ सहसंबंध अधिक तेज़ी से बनते हैं और उच्च मान तक पहुँचते हैं।
- पर्यावरणीय अवस्था परिवर्तन: ये मुख्य रूप से तापमान ( $\theta$ ) से प्रभावित होते हैं। पर्यावरणीय अवस्थाओं की विशिष्टता तापमान विविधताओं से कपलिंग स्ट्रेंथ की तुलना में अधिक प्रभावित होती है।
- तंत्रों की प्रतिस्पर्धा: स्ट्रॉन्ग कपलिंग पर, जबकि सहसंबंध बढ़ते हैं, एक क्वासी-स्टेडी स्टेट की ओर त्वरित विश्रांति (relaxation) दोलनों को दबा देती है, जिससे कुल सूचना बैकफ्लो ( $N$ ) में कमी आती है।
विशिष्टता मापनकर्ताओं की तुलना: अध्ययन ट्रेस डिस्टेंस की जेन्सन-शैनन डायवर्जेंस के वर्गमूल के साथ बेंचमार्किंग करता है। दोनों मापनकर्ता गैर-मार्कोवियनता की डिग्री और सहसंबंधों के व्यवहार के संबंध में गुणात्मक रूप से और काफी हद तक मात्रात्मक रूप से समान परिणाम देते हैं। हालाँकि, ट्रेस डिस्टेंस विशिष्टता के पहले पुनरुद्धार का पता लगाने में थोड़ी उच्च संवेदनशीलता प्रदर्शित करता है। लेखक नोट करते हैं कि जबकि $\sqrt{J}$ अक्सर बड़े अनुमान प्रदान करता है, दोनों मापनकर्ताओं के बीच सभी मात्राओं के लिए कोई सख्त पदानुक्रम (hierarchy) मौजूद नहीं है।
सूचना बैकफ्लो सीमा का सत्यापन: परिणाम पुष्टि करते हैं कि सिस्टम विशिष्टता का पुनरुद्धार सिस्टम-पर्यावरण सहसंबंधों और पर्यावरणीय अवस्था परिवर्तनों के योग द्वारा ऊपरी रूप से सीमित (upper-bounded) है। सीमा कपलिंग पर गैर-मोनोटोनिक निर्भरता और तापमान के साथ मोनोटोनिक कमी को गुणात्मक रूप से पुनरुत्पादित करती है, जो इस भौतिक व्याख्या की पुष्टि करती है कि मेमोरी प्रभाव पर्यावरण में संग्रहीत सूचना और सिस्टम के साथ उसके सहसंबंधों की रिकवरी से उत्पन्न होते हैं।

महत्व और दावे
यह शोध दावा करता है कि यह विशिष्टता-आधारित गैर-मार्कोवियनता दृष्टिकोण के भौतिक अर्थ को स्पष्ट रूप से सहसंबंधों की स्थापना और पर्यावरणीय अवस्था संशोधनों के साथ जोड़कर पुष्ट करता है। यह पुष्टि करता है कि ACL मॉडल गैर-मार्कोवियन गतिकी के सूक्ष्म मूलों की खोज के लिए एक विश्वसनीय और कम्प्यूटेशनल रूप से कुशल उपकरण है, एक ऐसा कार्य जो मानक मॉडलों में पूर्ण पर्यावरणीय स्वतंत्रता को ट्रैक करने की कम्प्यूटेशनल लागत के कारण पहले बाधित था।

लेखक विनम्रतापूर्वक निष्कर्ष निकालते हैं कि उनका विश्लेषण क्वांटम यांत्रिकी की मौलिक घटनाओं, जैसे कि मेमोरी प्रभावों के उद्भव के अध्ययन के लिए ACL वेरिएंट के उपयोग का समर्थन करता है। वे यह दावा नहीं करते कि यह मॉडल सभी ओपन सिस्टम समस्याओं के लिए एक सार्वभौमिक समाधान है, बल्कि यह प्रभावी विवरणों और पूर्ण सूक्ष्म ट्रैकिंग के बीच के अंतर को पाटने में इसकी विशिष्ट उपयोगिता को उजागर करते हैं। भविष्य के कार्य के लिए विभिन्न पर्यावरणीय ज्यामिति, जैसे कि डिस्क्रीट स्पिन एनवायरनमेंट में इन निष्कर्षों की व्यापकता का परीक्षण करने का सुझाव दिया गया है।

1. समस्या: गणना करने के लिए बहुत अधिक डेटा

2. प्रयोग: "स्मृति" को ट्रैक करना

3. उन्हें क्या मिला

4. स्मृति के लिए कौन जिम्मेदार है?

5. निष्कर्ष

इसी तरह के और पेपर