🔬 condensed matter

Anderson Localization: A Floquet operator Krylov space perspective

यह शोध पत्र स्ट्रोबोस्कोपिक गतिकी (stroboscopic dynamics) को एक प्रभावी विषम आइसिंग मॉडल (effective inhomogeneous Ising model) से जोड़कर एंडरसन लोकलाइजेशन (Anderson localization) और ऑब्रे-आंद्रे संक्रमण (Aubry-André transition) को चित्रित करने के लिए फ्लोक्वेट ढांचे (Floquet framework) के भीतर ऑपरेटर क्रिलोव स्पेस विधियों (operator Krylov space methods) का उपयोग करता है, जो पोर्टर-थॉमस वितरण (Porter-Thomas distributions) और मल्टीफ्रेक्टल स्केलिंग (multifractal scaling) जैसे विशिष्ट हस्ताक्षरों को प्रकट करता है जो स्थानीयकृत (localized), विस्थानीकृत (delocalized) और क्रांतिक चरणों (critical phases) को अलग करते हैं।

मूल लेखक: Hsiu-Chung Yeh, Aditi Mitra

प्रकाशित 2026-05-26

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Hsiu-Chung Yeh, Aditi Mitra

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 यह समझने की कोशिश कर रहे हैं कि कागज के एक टुकड़े में स्याही की एक बूंद कैसे फैलती है। भौतिकी (physics) में, यह एक कण (या सूचना) के किसी पदार्थ के माध्यम से चलने के अध्ययन के समान है। कभी-कभी, पदार्थ साफ होता है और स्याही सुचारू रूप से फैलती है। अन्य समय में, कागज ऊबड़-खाबड़ और बाधाओं से भरा होता है और स्याही एक ही जगह पर फंस जाती है। इस "फंसने" वाले व्यवहार को एंडर्सन लोकलाइजेशन (Anderson Localization) कहा जाता है।

यह शोध पत्र क्रायलोव स्पेस (Krylov space) नामक एक गणितीय उपकरण का उपयोग करके इस समस्या का अध्ययन करने का एक नया, चतुर तरीका पेश करता है। सोचिए कि क्रायलोव स्पेस कोई भौतिक स्थान नहीं है, बल्कि एक विशेष "मानचित्र" या "सीढ़ी" है जिसे भौतिक विज्ञानी यह ट्रैक करने के लिए बनाते हैं कि समय के साथ एक सिस्टम कैसे बदलता है।

यहाँ लेखकों द्वारा किए गए कार्यों का सरल उपमाओं (analogies) का उपयोग करके विवरण दिया गया है:

1. "स्ट्रोबोसकोपिक" ट्रिक (स्नैपशॉट लेना)

आमतौर पर, जब भौतिक विज्ञानी यह अध्ययन करते हैं कि चीजें कैसे चलती हैं, तो वे निरंतर समय (continuous time) में फिल्म को फ्रेम-दर-फ्रेम देखते हैं। लेखकों ने कुछ अलग करने का निर्णय लिया: उन्होंने समय को एक स्ट्रोबोसकोप (जैसे कॉन्सर्ट में चमकती रोशनी) की तरह माना। निरंतर गति को देखने के बजाय, उन्होंने केवल विशिष्ट, अंतराल पर मौजूद क्षणों (स्नैपशॉट्स) को देखा।

ऐसा क्यों किया? यह पता चला है कि इन "स्नैपशॉट्स" को देखना गणित को बहुत आसान और तेजी से हल करने में मदद करता है। यह एक जटिल नृत्य को समझने के लिए वास्तविक समय में हर छोटी मांसपेशी की हरकत को ट्रैक करने के बजाय, उच्च-गुणवत्ता वाली तस्वीरों की एक श्रृंखला देखने जैसा है।
परिणाम: उन्होंने इस समस्या को एक "फ्लोकेट" (Floquet) मॉडल पर मैप किया, जो एक नृत्य को एक अलग भाषा में अनुवाद करने जैसा है जहाँ चरणों को गिनना आसान होता है।

2. "क्रायलोव लैडर" (Krylov Ladder)

इन स्नैपशॉट्स का विश्लेषण करने के लिए, लेखकों ने ऑपरेटरों की एक "सीढ़ी" बनाई।

बीज (The Seed): वे एक विशिष्ट "बीज" (जैसे स्याही की एक एकल बूंद) से शुरू करते हैं।
डंडे (The Rungs): वे पूछते हैं, "यदि मैं एक कदम प्रतीक्षा करूँ, तो स्याही कहाँ है? यदि मैं दो कदम प्रतीक्षा करूँ, तो वह कहाँ है?" प्रत्येक उत्तर उनकी सीढ़ी का एक नया डंडा बन जाता है।
मानचित्र: यह सीढ़ी बिल्कुल एक 1D आइसिंग मॉडल (चुंबकों की एक श्रृंखला) की तरह दिखती है। लेखकों ने महसूस किया कि इस जटिल क्वांटम समस्या को इन चुंबकों की एक श्रृंखला के साथ लंबी छलांग लगाने वाले एक एकल कण के रूप में देखा जा सकता है।

3. औसत निकालने के दो तरीके (द "रेसिपी" समस्या)

जिन सामग्रियों का उन्होंने अध्ययन किया वे "डिज़ऑर्डर्ड" (disordered) थीं, जिसका अर्थ है कि वे यादृच्छिक उभारों और गड्ढों से भरी थीं (जैसे एक ऊबड़-खाबड़ सड़क)। एक स्पष्ट तस्वीर पाने के लिए, उन्हें हजारों अलग-अलग यादृच्छिक सड़कों पर परिणामों का औसत निकालना था।

इस शोध पत्र ने एक महत्वपूर्ण "रेसिपी" अंतर की खोज की:

विधि A (खराब रेसिपी): प्रत्येक ऊबड़-खाबड़ सड़क के लिए गणित की गणना करें, और फिर अंतिम संख्याओं का औसत निकालें।
- परिणाम: इसने डेटा में एक अजीब "गर्त" या छेद बना दिया जो भौतिक रूप से तर्कसंगत नहीं था। यह 100 अलग-अलग सूपों के स्वाद का औसत निकालने जैसा था, लेकिन गणित भ्रमित हो गया और इसने कहा कि सूप के बीच में एक छेद है।
विधि B (अच्छी रेसिपी): पहले "ऊबड़-खाबड़ सड़क" के डेटा (ऑटोकोरिलेशन) का औसत निकालें, और फिर गणित करें।
- परिणाम: इसने एक सुचारू, यथार्थवादी स्पेक्ट्रम (spectrum) प्रदान किया। यह पता चला कि इस विशिष्ट समस्या के लिए, आपको अपनी सीढ़ी बनाने से पहले शोर (noise) को सुचारू करना चाहिए।

4. पदार्थ की तीन अवस्थाएं (स्थानीयकृत, विस्थानित, और क्रिटिकल)

लेखकों ने अपने तरीके का परीक्षण दो प्रसिद्ध मॉडलों पर किया: एंडर्सन मॉडल (यादृच्छिक विकार) और ऑब्री-आंद्रे मॉडल (क्वासी-पीरियडिक विकार)। उन्होंने तीन अलग-अलग व्यवहार पाए:

लोकलाइज्ड फेज (The Trap - फंसा हुआ चरण):
- क्या होता है: कण फंस जाता है। यह जहाँ से शुरू हुआ था वहाँ से दूर नहीं जा पाता।
- क्रायलोव का दृष्टिकोण: उनकी "सीढ़ी" पर, कण का वेवफ्रंट (wavefront) बिल्कुल निचले डंडे पर रहता है। यह ऊपर नहीं चढ़ता।
- ध्वनि: इसका "स्पेक्ट्रम" (सिस्टम की ध्वनि) स्पष्ट, विशिष्ट चोटियों (peaks) के साथ होता है, जैसे कोई घंटी बज रही हो।
डिलोकलाइज्ड फेज (The Free Runner - मुक्त धावक):
- क्या होता है: कण पूरे सिस्टम में स्वतंत्र रूप से फैलता है।
- क्रायलोव का दृष्टिकोण: वेवफ्रंट सीढ़ी पर तेजी से ऊपर चढ़ता है, बैलिस्टिक रूप से (एक गोली की तरह) आगे बढ़ता है।
- ध्वनि: स्पेक्ट्रम सुचारू और सपाट है। दिलचस्प बात यह है कि डेटा में उतार-चढ़ाव एक पोर्टर-थॉमस वितरण (Porter-Thomas distribution) का पालन करते हैं।
- उपमा: यह थोड़ा आश्चर्यजनक है क्योंकि पोर्टर-थॉमस वितरण आमतौर पर अराजक, जटिल प्रणालियों (जैसे एक भीड़भाड़ वाला कमरा जहाँ हर कोई बेतरतीब ढंग से चिल्ला रहा है) में दिखाई देता है। लेखकों ने पाया कि यहाँ तक कि एक सरल, एकल-कण प्रणाली भी जब विस्थानित होती है, तो एक अराजक भीड़ की तरह व्यवहार करती है।
क्रिटिकल पॉइंट (The Edge - सीमा बिंदु):
- क्या होता है: सिस्टम फँसे होने और मुक्त होने के बीच की रेखा पर होता है।
- क्रायलोव का दृष्टिकोण: वेवफ्रंट फैलता है, लेकिन यह एक "फ्रैक्टल" (fractal) तरीके से होता है—जैसे एक तटरेखा जो आप चाहे कितना भी ज़ूम इन करें, टेढ़ी-मेढ़ी ही दिखती है।
- ध्वनि: यह व्यवहारों का मिश्रण दिखाता है, और डेटा "मल्टीफ्रैक्टल" स्केलिंग का सुझाव देता है, जिसका अर्थ है कि जटिलता इस बात पर निर्भर करती है कि आप इसे कैसे देखते हैं।

5. सीढ़ी का "रीनॉर्मलाइजेशन" (Renormalization)

जैसे-जैसे लेखक अपनी क्रायलोव सीढ़ी पर ऊपर चढ़े (लंबे समय को देखते हुए), उन्होंने अपने "डंडों" (उनके गणित के मापदंडों) के बारे में कुछ दिलचस्प देखा।

डंडों की यादृच्छिकता (randomness) सुचारू होने लगी। इन मापदंडों का वितरण संकीर्ण और संकीर्ण होता गया, और एक "फिक्स्ड पॉइंट" (fixed point) के करीब पहुँच गया।
उपमा: रेडियो ट्यून करने की कल्पना करें। शुरुआत में, स्टैटिक (static) शोर तेज़ और अराजक होता है। जैसे-जैसे आप डायल घुमाते हैं (रिकर्सन स्टेप), स्टैटिक साफ हो जाता है, और आपको एक स्थिर, स्पष्ट फ्रीक्वेंसी मिल जाती है। गणित स्वाभाविक रूप से खुद को "रीनॉर्मलाइज" करता है, गहराई में जाने पर शोर को फ़िल्टर कर देता है।

सारांश

शोध पत्र का दावा है कि निरंतर समय से बदलकर "स्ट्रोबोसकोपिक" स्नैपशॉट्स का उपयोग करके, भौतिक विज्ञविद यह अध्ययन करने के लिए एक अधिक कुशल और सटीक मानचित्र (क्रायलोव स्पेस) बना सकते हैं कि कण विकृत पदार्थों में कैसे फंसते हैं या स्वतंत्र रूप से चलते हैं। उन्होंने पाया कि:

कार्यों का क्रम मायने रखता है: सही उत्तर प्राप्त करने के लिए आपको जटिल गणित करने से पहले कच्चे डेटा का औसत निकालना चाहिए।
सरल जटिल लग सकता है: मुक्त रूप से चलने वाला एक एकल कण भी एक अराजक भीड़ की तरह व्यवहार करता है (पोर्टर-थॉमस वितरण)।
मानचित्र अवस्था को प्रकट करता है: आप केवल यह देखकर कि वेवफ्रंट क्रायलोव सीढ़ी पर कैसे यात्रा करता है, यह बता सकते हैं कि सिस्टम "फंसा हुआ" है या "मुक्त"।

यह कार्य किसी नए चिकित्सा उपचार या नई तकनीक का प्रस्ताव नहीं देता है; बल्कि, यह उस गणितीय टूलकिट को परिष्कृत करता है जिसका उपयोग भौतिक विज्ञानी क्वांटम पदार्थ के मौलिक व्यवहार को समझने के लिए करते हैं।

तकनीकी सारांश: एंडरसन लोकलाइजेशन: एक फ्लोकेट ऑपरेटर क्रायलोव स्पेस परिप्रेक्ष्य

समस्या विवरण
यह शोध पत्र एंडरसन लोकलाइजेशन (Anderson localization) और ऑबरी-आंद्रे (Aubry-André - AA) मॉडल में एकल-कण लोकलाइजेशन-डिलोकलाइजेशन संक्रमण की समस्या को संबोधित करता है। जबकि क्वांटम मेनी-बॉडी सिस्टम में ऑपरेटर प्रसार (operator spreading) के अध्ययन के लिए ऑपरेटर क्रायलोव स्पेस विधियाँ एक शक्तिशाली उपकरण के रूप में उभरी हैं (जिसमें हैमिल्टोनियन, यूनिटरी और विसरणात्मक गतिकी शामिल हैं), लेखक निरंतर-समय विकास (continuous-time evolution) के बजाय स्टोरोस्कोपिक (stroboscopic/discrete-time) गतिकी के माध्यम से इन समस्याओं का अध्ययन करने में विशिष्ट कम्प्यूटेशनल और वैचारिक लाभों की पहचान करते हैं। केंद्रीय चुनौती एक बीज ऑपरेटर (seed operator) की गतिकी को हैमिल्टोनियन $H$ के तहत, एक प्रभावी ऑपरेटर क्रायलोव स्पेस विवरण में मैप करने की है, जो स्पेक्ट्रल फलनों के कुशल गणना और लोकलाइजेशन गुणों के निष्कर्षण की अनुमति देता है।

कार्यप्रणाली
लेखक एक फ्लोकेट ऑपरेटर क्रायलोव स्पेस दृष्टिकोण का उपयोग करते हैं। निरंतर समय विकास $e^{-iHt}$ का विश्लेषण करने के बजाय, वे समय को चरणों $t = nT $में विभाजित करते हैं, जिससे एक यूनिटरी ऑपरेटर$ U = e^{-iHT}$ उत्पन्न होता है। यह समस्या को एक स्टोरोस्कोपिक फ्लोकेट गतिकी ढांचे में मैप करता है।

क्रायलोव स्पेस निर्माण:
- आर्नोल्डी इटरेशन (Arnoldi Iteration): मानक दृष्टिकोण क्रम $(U^\dagger)^n O_0 U^n$ के ग्राम-श्मिट ऑर्थोगोनलाइजेशन (Gram-Schmidt orthogonalization) के माध्यम से एक क्रायलोव आधार $\{|O_n)\}$ उत्पन्न करना है। इस आधार में, यूनिटरी $U$ एक अपर-हेस्सेबर्ग (upper-Hessenberg) रूप लेता है।
- फ्लोकेट ITFIM मैपिंग: लेखक एक विशिष्ट आधार रूपांतरण का उपयोग करते हैं (जो जॉर्डन-विग्नर रूपांतरण के समकक्ष है) जो क्रायलोव गतिकी को 1D फ्लोकेट इनहोमोजिनियस ट्रांसवर्स फील्ड आइसिंग मॉडल (ITFIM) में मैप करता है। इस निरूपण में, यूनिटरी मैट्रिक्स विरल (sparse) और पांच-विकर्ण (five-diagonal) हो जाता है (एक CMV मैट्रिक्स संरचना)। इस प्रभावी मॉडल के पैरामीटर "क्रायलोव कोण" $\theta_j$ हैं, जो पुनरावर्ती रूप से निर्धारित होते हैं।
- मोमेंट विधि (Moment Method): कम्प्यूटेशनल रूप से महंगे ग्राम-श्मिट प्रक्रिया से बचने के लिए, लेखक एक "मोमेंट विधि" का उपयोग करते हैं। यह डिस्क्रीट-टाइम ऑटोकोरिलेशन फंक्शन $A(nT) = (O_0 | (U^\dagger)^n O_0 U^n)$ से सीधे क्रायलोव कोणों को निकालने की अनुमति देता है, बिना पूर्ण ऑर्थोगोनल आधार बनाए।
स्पेक्ट्रल फंक्शन अनुमान:
- स्पेक्ट्रल फंक्शन को बर्नस्टीन-स्ज़ेगो (Bernstein–Szegő) सन्निकटन का उपयोग करके कंप्यूट किया जाता है, जो यूनिट सर्कल पर ऑर्थोगोनल पॉलिनोमिअल्स (OPUC) का उपयोग करता है जो क्रायलोव कोणों द्वारा उत्पन्न होते हैं। इसकी तुलना ऑटोकोरिलेशन फंक्शन के मानक ट्रंकेटेड फूरियर ट्रांसफॉर्म से की जाती है।
- दो औसत (averaging) योजनाओं की जांच की गई है: (i) विकार (disorder) के वास्तविकताओं पर क्रायोलोव पैरामीटर्स का औसत लेना, और (ii) विकार-औसत ऑटोकोरिलेशन फंक्शन से क्रायलोव पैरामीटर्स निकालना।
अध्ययन किए गए मॉडल:
- एंडरसन मॉडल (Anderson Model): एक 1D गैर-परस्पर क्रियाशील (non-interacting) फर्मिओनिक सिस्टम जिसमें रैंडम ऑन-साइट पोटेंशियल $h_j \in [-h, h]$ है।
- ऑबरी-आंद्रे (AA) मॉडल: एक 1D सिस्टम जिसमें एक क्वाजी-पीरियोडिक पोटेंशियल $h_j = h \cos(2\pi\beta j)$ है, जो $h=2$ पर एक तीव्र लोकलाइजेशन-डिलोकलाइजेशन संक्रमण प्रदर्शित करता है।

मुख्य परिणाम

एंडरसन मॉडल (लोकलाइज्ड चरण):
- किसी भी विकार शक्ति $h$ के लिए, विकार-औसत ऑटोकोरिलेशन एक स्थिरांक पर संतृप्त (saturate) हो जाता है, जो लोकलाइजेशन की पुष्टि करता है।
- क्रायलोव कोण $\theta_j$ जैसे-जैसे पुनरावृत्ति चरण $j$ बढ़ता है, $\pi/2$ (प्रभावी ITFIM के महत्वपूर्ण बिंदु) की ओर बढ़ते हैं।
- $\langle \cos \theta_j \rangle$ का क्षय विशिष्ट पावर-लॉ (power laws) का पालन करता है: मजबूत विकार के लिए $\langle \cos \theta_{2j-1} \rangle \sim 1/\sqrt{j}$ और $\langle \cos \theta_{2j} \rangle \sim -1/j$ ।
- औसत योजना: लेखक प्रदर्शित करते हैं कि विकार-औसत ऑटोकोरिलेशन से क्रायलोव पैरामीटर्स निकालना, स्वयं पैरामीटर्स को औसत करने की तुलना में अधिक भौतिक स्पेक्ट्रल फंक्शन (स्मूथ, बिना कृत्रिम डिप्स के) प्रदान करता है, जो $\omega=0$ और $\pi$ के पास अनफिजिकल डिप्स पैदा करता है।
- वास्तविक स्थान (real space) में लोकलाइजेशन, क्रायलोव स्पेस में 0-मोड वेवफंक्शन के "स्ट्रेच्ड-एक्सपोनेंशियल" (stretched-exponential) लोकलाइजेशन के अनुरूप है।
ऑबरी-आंद्रे मॉडल (डिलोकलाइज्ड, क्रिटिकल और लोकलाइज्ड चरण):
- डिलोकलाइज्ड चरण ( $h < 2$ ): ऑटोकोरिलेशन क्षय होता है, और वेवफंक्शन क्रायलोव स्पेस में बैलिस्टिक रूप से फैलता है ( $j \sim n$ )। ऑटोकोरिलेशन के सांख्यिकी पोर्टर-थॉमस (Porter-Thomas) वितरण का पालन करते हैं, और IPR $L^{-1}$ के रूप में स्केल करता है।
- क्रिटिकल पॉइंट ( $h = 2$ ): सिस्टम मल्टीफ्रैक्टल स्केलिंग प्रदर्शित करता है। IPR $L^{-D}$ के रूप में स्केल करता है जहाँ $D \approx 0.5$ है। वेवफंक्शन बल्क में फैलता है लेकिन एक पूंछ (tail) विकसित करता है। क्रिटिकल पॉइंट पर भी एक पोर्टर-थॉमस वितरण देखा जाता है।
- लोकलाइज्ड चरण ( $h > 2$ ): ऑटोकोरिलेशन क्षय नहीं होता है बल्कि निरंतर दोलन (oscillations) प्रदर्शित करता है। क्रायलोव कोणों में तीव्र उतार-चढ़ाव होता है, और स्पेक्ट्रल फंक्शन स्पष्ट शिखर (peaks) प्रदर्शित करता है जो लंबे समय तक जीवित रहने वाले मोड को दर्शाता है। वेवफंक्शन क्रायलोव चेन के मूल (origin) के पास सीमित रहता है।
- वेवफ्रंट वेट (Wavefront Weight): एक मात्रा $W(nT)$, जो प्रचारित होने वाले फ्रंट (propagating front) पर वेवफंक्शन के भार को परिभाषित करती है, फेज ट्रांजिशन के संकेतक के रूप में कार्य करती है, जो $h=2$ के आसपास तेजी से गिरती है।
क्रायलोव कोण सांख्यिकी:
- पुनरावृत्ति चरण बढ़ने के साथ क्रायलोव कोणों का वितरण संकुचित होता है, जो एक गाऊसी (Gaussian) वितरण के करीब पहुँचता है। इस वितरण की चौड़ाई धीरे-धीरे $\sigma \sim j^{-0.2}$ के रूप में घटती है, जो एक धीमी लॉगरिदमिक नैरोइंग (logarithmic narrowing) का सुझाव देती है।
- बड़े इंडेक्स के लिए क्रायलोव कोण अनिवार्य रूप से असंबद्ध (uncorrelated) पाए जाते हैं।

महत्व और दावे
यह पेपर दावा करता है कि निरंतर-समय क्रायलोव विधियों की तुलना में फ्लोकेट मैपिंग के माध्यम से हैमिल्टोनियन गतिकी का अध्ययन करने के विशिष्ट लाभ हैं:

कम्प्यूटेशनल दक्षता: मोमेंट विधि ऑटोकोरिलेशन डेटा से सीधे क्रायलोव पैरामीटर्स की गणना करने की अनुमति देती है, जिससे पूर्ण ग्राम-श्मिट ऑर्थोगोनलाइजेशन की आवश्यकता समाप्त हो जाती है।
भौतिक अंतर्दृष्टि: प्रभावी ITFIM में मैपिंग एक स्पष्ट एकल-कण व्याख्या प्रदान करती है जहाँ लोकलाइजेशन-डिलोकलाइजेशन संक्रमण प्रभावी मॉडल में एज मोड्स (edge modes) की उपस्थिति (डिलोकलाइज्ड) या अनुपस्थिति (लोकलाइज्ड) के अनुरूप है।
औसत की मजबूती: अध्ययन स्थापित करता है कि क्रायलोव पैरामीटर्स को औसत लेने से पहले भौतिक अवलोकन (ऑटोकोरिलेशन) को औसत लेना अधिक भौतिक रूप से सुसंगत स्पेक्ट्रल फंक्शन देता है।
सार्वभौमिकता (Universality): गैर-परस्पर क्रियाशील एकल-कण मॉडल में पोर्टर-थॉमस सांख्यिकी का अवलोकन यह सुझाव देता है कि क्रायलोव स्पेस में ऑपरेटर प्रसार एकीकृत या गैर-परस्पर क्रियाशील सिस्टम में भी अराजक (chaotic) व्यवहार की नकल कर सकता है।

लेखक निष्कर्ष निकालते हैं कि पुनरावृत्ति प्रक्रिया प्रभावी रूप से एक रिनॉर्मलाइजेशन ग्रुप फ्लो (renormalization group flow) करती है, जो सिस्टम को क्रायलोव चेन में एक फिक्स्ड पॉइंट की ओर ले जाती है जहाँ कोण $\pi/2$ के करीब पहुँच जाते हैं। वे मल्टीफ्रैक्टल स्केलिंग की उभरती हुई प्रकृति और क्रायलोव कोणों के विशिष्ट पावर-लॉ व्यवहार को लोकलाइजेशन ट्रांजिशन के प्रमुख संकेतों के रूप में पहचानते हैं। भविष्य के कार्यों के लिए इन निष्कर्षों को उच्च आयामों और इंटरैक्टिंग सिस्टम तक विस्तारित करने का सुझाव दिया गया है।