Lattice and PT symmetries in tensor-network renormalization group: a case study of a hard-square lattice gas model

Questo articolo dimostra come incorporare le simmetrie reticolari e PT nel gruppo di rinormalizzazione di rete tensoriale (TNRG) bidimensionale attraverso uno studio di caso sul gas reticolare hard-square, proponendo uno schema che ne estende l'applicabilità allo studio di transizioni di fase continue caratterizzate dalla rottura spontanea di tali simmetrie.

L'essenziale

Immagina di dover capire come funziona una folla enorme di persone che si muovono in una piazza, ma con una regola ferrea: nessuno può stare troppo vicino al suo vicino. Se due persone si toccano, devono allontanarsi. Questo è il modello di base del "gas su reticolo duro" (hard-square lattice gas) studiato in questo articolo.

Gli scienziati usano un potente strumento matematico chiamato TNRG (Rinormalizzazione del Gruppo di Tensori) per osservare questa piazza. Immagina il TNRG come un telescopio magico che ti permette di guardare la piazza da sempre più lontano. Quando ti allontani, i dettagli individuali (ogni singola persona) si fondono in un'unica immagine di "folla". Questo ti aiuta a capire se la folla sta fluendo liberamente (come un gas) o se si è bloccata in un ordine rigido (come un solido).

Tuttavia, c'è un problema: quando guardi da lontano, potresti perdere informazioni importanti su come la folla è organizzata. Il telescopio potrebbe "distorcere" l'immagine se non tiene conto di certe regole fondamentali.

Ecco cosa fa questo articolo, spiegato in modo semplice:

1. Il Problema: Le Regole Nascoste della Folla

Nella fisica, le "simmetrie" sono come regole di comportamento che non cambiano anche se ruoti o specchi la scena.

• Simmetrie del reticolo: Immagina di ruotare la piazza di 90 gradi o di guardarla allo specchio. Se la folla si comporta allo stesso modo, c'è una simmetria.
• Simmetria PT: Questa è una regola più strana e matematica, legata a come i numeri "negativi" (che in fisica possono rappresentare situazioni controintuitive o "fantasma") si comportano.

Fino a poco tempo fa, il telescopio TNRG era molto bravo a vedere le regole semplici (come "tutti i giocatori sono uguali"), ma faceva fatica a vedere queste regole geometriche (rotazioni, specchi) e la strana simmetria PT. Quando il telescopio ignorava queste regole, l'immagine della folla diventava instabile e confusa, specialmente quando la piazza stava per cambiare stato (una "transizione di fase").

2. La Soluzione: Un Telescopio più Intelligente

L'autore, Xinliang Lyu, ha inventato un modo per "insegnare" al telescopio TNRG a rispettare queste regole. Ha creato una versione aggiornata dello strumento che:

1. Rispetta la geometria: Sa che ruotare la piazza non dovrebbe cambiare la fisica del gioco.
2. Rispetta la simmetria PT: Sa come gestire i numeri "negativi" senza impazzire.
3. Usa un "Filtro di Entanglement": Immagina di avere un filtro per la polvere che rimuove i dettagli inutili e confusi prima di guardare da lontano. Questo filtro rende l'immagine molto più nitida e precisa.

3. La Prova: Il Gioco dei Due Stati

Per dimostrare che il suo nuovo telescopio funziona, l'autore ha usato il modello del "gas su reticolo duro" perché è come un campo di prova perfetto con due scenari diversi:

• Scenario A (Attività Positiva): È come se la piazza fosse piena di gente che cerca di stare ordinata. Qui, la folla rompe la simmetria di rotazione (sceglie una direzione preferita). Il nuovo metodo riesce a vedere questo ordine molto meglio dei metodi vecchi, fornendo risultati precisi quasi come se avessimo la formula esatta in mano.
• Scenario B (Attività Negativa): Questo è lo scenario "fantasma" (matematicamente possibile ma fisicamente strano). Qui, la folla rompe la simmetria PT. I vecchi telescopi fallivano miseramente qui, perdendo il controllo. Il nuovo metodo, invece, mantiene la stabilità e riesce a misurare le proprietà di questo stato strano con grande precisione.

4. Perché è Importante?

Pensa a questo articolo come all'aggiornamento di un software di navigazione GPS.

• Prima: Il GPS funzionava bene per le strade dritte (modelli semplici), ma si perdeva nelle curve strette o nelle zone con segnali strani (simmetrie complesse).
• Ora: Con questo nuovo metodo, il GPS è diventato "a tutto tondo". Può navigare in qualsiasi tipo di territorio fisico, anche quello più complicato e strano.

In sintesi, questo lavoro rende il TNRG uno strumento più robusto e affidabile per studiare come la materia cambia stato (da liquido a solido, o in stati quantistici esotici), assicurandosi che non si perda mai di vista la bellezza e l'ordine nascosti nelle leggi della natura.

Sommario tecnico

1. Il Problema

Il Gruppo di Rinormalizzazione a Reti Tensoriali (TNRG) è un metodo numerico potente per studiare le transizioni di fase in sistemi classici e quantistici. Sebbene l'incorporazione di simmetrie globali "on-site" (come $U(1)$ e $SU(2)$) nei tensori sia ben consolidata, la gestione delle simmetrie reticolari (riflessione e rotazione) e della simmetria PT (Parità-Tempo) all'interno del TNRG è rimasta un'area meno esplorata.

Il problema centrale affrontato è che, senza incorporare esplicitamente queste simmetrie, i punti fissi del gruppo di rinormalizzazione (RG) corrispondenti a fasi ordinate (dove le simmetrie sono rotte spontaneamente) diventano instabili. Gli errori numerici o le scelte arbitrarie nell'algoritmo (come l'ordine di coarsening) possono rompere artificialmente la degenerazione degli stati fondamentali, portando a flussi RG errati e a una difficoltà nel trovare i punti fissi critici corretti.

Il modello scelto per lo studio è il gas reticolare a quadrato rigido con esclusione tra primi vicini (1NN). Questo modello presenta due transizioni di fase continue:

1. Transizione a attività positiva ($z > 0$): Rottura spontanea delle simmetrie reticolari (transizione di fase di tipo Ising 2D).
2. Transizione a attività negativa ($z < 0$): Rottura spontanea della simmetria PT (singolarità del bordo di Yang-Lee, una teoria di campo conforme non unitaria).

2. Metodologia

L'autore propone un nuovo schema TNRG in due dimensioni che incorpora rigorosamente le simmetrie reticolari e PT, potenziato da una tecnica di filtraggio dell'entanglement (Entanglement Filtering - EF) nota come ottimizzazione degli anelli (loop optimization).

I pilastri metodologici sono:

• Rappresentazione Tensoriale Simmetrica:
  Viene costruita una rete tensoriale iniziale per la funzione di partizione che rende esplicite le simmetrie.

  • Per la simmetria PT: Si richiede che tutti i tensori siano a valori reali ($A = A^*$), il che garantisce che la matrice di trasferimento sia reale.
  • Per le simmetrie reticolari: Si definiscono forme "deboli" e "forti" di simmetria. La forma debole lega il tensore $B$ (su un sottoreticolo) alle rotazioni e riflessioni del tensore $A$. La forma forte introduce una matrice di gauge di scambio ($g$) diagonale.

• SVD Simmetrica (Symmetric SVD Splitting):
  Al posto della SVD standard utilizzata nel TRG (Tensor Renormalization Group), viene introdotta una decomposizione agli autovalori (ED) simmetrica per tensori che soddisfano la simmetria di riflessione diagonale.

  • Questo approccio garantisce che la matrice di legame $\sigma'$ risultante sia diagonale con valori $\pm 1$, preservando la struttura reale e le simmetrie senza introdurre numeri complessi o errori di precisione macchina che romperebbero la simmetria PT.
  • Viene dimostrato che i tensori risultanti mantengono le proprietà di simmetria richieste.

• Integrazione dell'Ottimizzazione degli Anelli (Loop Optimization):
  Per gestire l'entanglement critico e ridurre gli errori di troncamento, viene inserita una fase di ottimizzazione tra i passaggi di coarsening.

  • L'algoritmo ottimizza un tensore a 3 gambe ($\tilde{v}_\Lambda$) per approssimare la rete tensoriale, filtrando i tensori ridondanti (CDL - Corner Double Line).
  • Viene sviluppato un metodo di aggiornamento specifico che rispetta le simmetrie reticolari, utilizzando l'inverso di Moore-Penrose per gestire la bassa ranghezza dei tensori coinvolti.

• Stabilità dei Punti Fissi:
  Il metodo dimostra che, imponendo queste simmetrie, i punti fissi corrispondenti alle fasi con rottura spontanea di simmetria (SSB) diventano strutturalmente stabili, a differenza di quanto accade con schemi TRG standard o HOTRG che rompono le simmetrie reticolari.

3. Risultati Chiave

Gli esperimenti numerici sul modello 1NN hard-square hanno prodotto risultati significativi:

• Stabilità del Flusso RG:

  • Per la transizione a $z > 0$, l'uso del TRG standard (senza simmetrie) porta a una rapida instabilità del punto fisso SSB (l'indice di degenerazione $X$ si discosta da 2). Il nuovo metodo simmetrico mantiene la stabilità per un numero molto maggiore di passi RG.
  • Per la transizione a $z < 0$, l'uso di una rappresentazione complessa (senza imporre la realtà dei tensori) rompe la simmetria PT a causa degli errori di macchina, rendendo il punto fisso instabile. Il metodo proposto, mantenendo i tensori reali, preserva esattamente la simmetria PT e stabilizza il punto fisso.

• Precisione dei Parametri Critici:

  • Transizione Ising ($z_c^+$): Il metodo proposto stima $z_c^+ \approx 3.796255$ con un errore relativo di circa $10^{-6}$ a dimensione di legame $\chi=20$. Per ottenere la stessa precisione, il TRG standard richiederebbe $\chi=50$.
  • Singolarità del Bordo di Yang-Lee ($z_c^-$): Il metodo stima $z_c^- \approx -0.119338886$ con un errore di $4 \times 10^{-8}$ a $\chi=20$, superando di ordini di grandezza l'accuratezza del TRG standard.

• Dimensioni di Scaling:
  Le dimensioni di scaling estratte dai tensori al punto fisso coincidono con i valori esatti della teoria di campo conforme (CFT) per la classe di universalità di Ising 2D e per il modello minimale $M(2,5)$ (Yang-Lee). Il metodo proposto mostra una convergenza molto più rapida e stabile rispetto ai metodi convenzionali, anche per la CFT non unitaria.

• Gestione delle CFT Non Unitarie:
  Il lavoro dimostra che l'ottimizzazione degli anelli (EF) è efficace anche per CFT non unitarie (dove la legge dell'area per l'entropia di entanglement non si applica direttamente), riducendo gli errori di troncamento da $\sim 10^{-1}$ a $\sim 10^{-7}$.

4. Contributi Principali

1. Definizione Formale delle Simmetrie: Fornisce definizioni rigorose per le simmetrie reticolari (rotazione/riflessione) e PT all'interno di una rete tensoriale coarsened, distinguendo tra forme deboli e forti.
2. Algoritmo TNRG Simmetrico: Sviluppa uno schema di TNRG basato su una SVD simmetrica che impone e preserva queste simmetrie, risolvendo il problema dell'instabilità dei punti fissi SSB.
3. Generalizzazione dell'Ottimizzazione degli Anelli: Adatta l'ottimizzazione degli anelli (loop optimization) per gestire matrici di legame non banali e simmetrie reticolari, superando i limiti delle versioni precedenti (come il symmetric loop-TNR) che assumevano matrici di legame banali.
4. Validazione su Modelli Complessi: Dimostra l'efficacia del metodo su un modello con due transizioni di fase distinte, inclusa una non unitaria, fornendo stime di alta precisione per parametri critici e dimensioni di scaling.

5. Significato e Impatto

Questo lavoro rappresenta un passo fondamentale verso la maturità del TNRG come metodo numerico generale per la fisica statistica.

• Robustezza: Risolve il problema dell'instabilità numerica nelle fasi ordinate, rendendo il TNRG uno strumento affidabile per studiare la rottura spontanea di simmetrie reticolari.
• Versatilità: Estende la capacità del TNRG di studiare sistemi con attività negativa e simmetrie PT, aprendo la strada allo studio di singolarità di Yang-Lee e teorie non unitarie.
• Efficienza: Dimostra che incorporare le simmetrie riduce drasticamente la dimensione di legame necessaria per raggiungere una data accuratezza, rendendo i calcoli più efficienti.
• Fondamentale per Modelli Hard-Core: Fornisce il primo schema TNRG avanzato (con EF) specifico per i gas reticolari a core rigido, permettendo potenzialmente di studiare modelli con range di esclusione più ampi in futuro.

In sintesi, il paper trasforma il TNRG da un semplice strumento numerico a un metodo rigoroso e simmetrico, capace di catturare la fisica sottile delle transizioni di fase complesse in due dimensioni.