Non-Markovianity in the Adapted Caldeira-Leggett model

Sintesi Tecnica: Non-Markovianità nel Modello Caldeira-Leggett Adattato

Enunciato del Problema
I sistemi quantistici aperti sono tipicamente descritti da modelli efficaci che tracciano fuori i gradi di libertà ambientali per focalizzarsi sulla dinamica ridotta del sistema. Tuttavia, trattamenti esatti di tutti i gradi di libertà ambientali sono spesso proibitivi dal punto di vista computazionale. Sebbene il modello Caldeira-Leggett (CL) standard sia una pietra angolare per la comprensione del moto browniano quantistico, della decoerenza e della einselezione, la sua simulazione numerica completa, inclusa la traccia esplicita sia del sistema che dell'ambiente, è impegnativa. Recentemente, il modello Caldeira-Leggett Adattato (ACL) è stato proposto come alternativa computazionalmente efficiente che cattura la fisica essenziale del modello CL standard riguardo alla decoerenza e alla einselezione. Tuttavia, la validità del modello ACL nel riprodurre le caratteristiche non-Markoviane, specificamente gli effetti di memoria derivanti dal flusso di informazioni dall'ambiente al sistema, non era stata ancora esplorata. Inoltre, le origini microscopiche di questi effetti di memoria, in particolare l'interazione tra le correlazioni sistema-ambiente e i cambiamenti nello stato ambientale, rimanevano difficili da caratterizzare a causa dei vincoli computazionali nel tracciare lo stato globale completo.

Metodologia
Gli autori utilizzano il modello ACL, un quadro in cui il sistema è un oscillatore armonico troncato e l'ambiente è modellato tramite matrici hermitiane casuali (Ensemble Gaussiano Unitario) che agiscono su uno spazio di Hilbert a dimensione finita. A differenza di studi precedenti sul modello ACL, questo lavoro impiega una formalità della matrice densità per gestire uno stato ambientale inizialmente misto (stato di Gibbs), richiedendo risorse computazionali significative (dimensione del sistema $N_S=16$, dimensione dell'ambiente $N_E=64$).

Per caratterizzare la non-Markovianità, gli autori adottano l'approccio del flusso di informazioni (quadro Breuer-Laine-Piilo). Definiscono la non-Markovianità come un aumento temporaneo della distinguibilità di due stati del sistema inizialmente distinti, indicando un flusso di informazioni dall'ambiente al sistema. Lo studio confronta due quantificatori di distinguibilità:

1. Distanza di Traccia ($D$): Definita come la metà della norma di traccia della differenza tra gli stati.
2. Radice quadrata della Divergenza di Jensen-Shannon ($\sqrt{J}$): Una metrica derivata dall'entropia relativa quantistica.

Gli autori valutano la misura di non-Markovianità $N$ integrando i tassi positivi di cambiamento della distinguibilità nel tempo. Crucialmente, sfruttano la capacità del modello ACL di tracciare lo stato globale per testare il limite superiore teorico (Eq. 25) per il flusso di informazioni. Questo limite collega la rinascita della distinguibilità del sistema alla somma di:

• Correlazioni totali sistema-ambiente (classiche e quantistiche).
• La distinguibilità degli stati ambientali.

Contributi e Risultati Chiave

1. Validazione del Modello ACL per la Non-Markovianità: Lo studio conferma che il modello ACL riproduce in modo affidabile le caratteristiche non-Markoviane del modello Caldeira-Leggett standard. L'evoluzione temporale della distinguibilità esibisce un comportamento chiaramente non monotono (rinascite), indicando effetti di memoria. Il grado di non-Markovianità ($N$) mostra una dipendenza non monotona dalla forza di accoppiamento $\gamma$, con un picco nel regime di accoppiamento intermedio, e una dipendenza dalla temperatura $\theta$ che si allinea con il modello CL standard a basse temperature.
2. Origini Microscopiche degli Effetti di Memoria: Tracciando esplicitamente la dinamica globale, gli autori caratterizzano i meccanismi che guidano il flusso di informazioni:
   • Correlazioni Sistema-Ambiente: Queste sono principalmente sensibili alla forza di accoppiamento ($\gamma$). Le correlazioni si accumulano più rapidamente e raggiungono valori più alti con un accoppiamento più forte e una temperatura più bassa.
   • Cambiamenti dello Stato Ambientale: Questi sono influenzati principalmente dalla temperatura ($\theta$). La distinguibilità degli stati ambientali è influenzata più pesantemente dalle variazioni di temperatura che dalla forza di accoppiamento.
   • Competizione dei Meccanismi: A forte accoppiamento, sebbene le correlazioni aumentino, l'accelerata rilassamento verso uno stato quasi stazionario sopprime le oscillazioni, portando a una riduzione del flusso totale di informazioni ($N$).
3. Confronto tra Quantificatori di Distinguibilità: Lo studio confronta la distanza di traccia con la radice quadrata della divergenza di Jensen-Shannon. Entrambi i quantificatori producono risultati qualitativamente e largamente quantitativamente simili riguardo al grado di non-Markovianità e al comportamento delle correlazioni. Tuttavia, la distanza di traccia dimostra una sensibilità leggermente superiore nel rilevare la prima rinascita della distinguibilità. Gli autori notano che, sebbene $\sqrt{J}$ spesso produca stime più elevate, non esiste una gerarchia rigorosa tra i due quantificatori per tutte le quantità.
4. Verifica del Limite del Flusso di Informazioni: I risultati confermano che la rinascita della distinguibilità del sistema è limitata superiormente dalla somma delle correlazioni sistema-ambiente e dei cambiamenti dello stato ambientale. Il limite riproduce qualitativamente la dipendenza non monotona dall'accoppiamento e la diminuzione monotona con la temperatura, sostanziando l'interpretazione fisica secondo cui gli effetti di memoria derivano dal recupero di informazioni immagazzinate nell'ambiente e dalle sue correlazioni con il sistema.

Significato e Affermazioni
Il paper afferma di sostanziare l'interpretazione fisica dell'approccio basato sulla distinguibilità alla non-Markovianità collegando esplicitamente il flusso di informazioni alla creazione microscopica di correlazioni e alle modifiche dello stato ambientale. Conferma il modello ACL come uno strumento affidabile ed efficientemente computazionale per esplorare le origini microscopiche della dinamica non-Markoviana, un compito precedentemente ostacolato dal costo computazionale del tracciamento completo dei gradi di libertà ambientali nei modelli standard.

Gli autori concludono modestamente che la loro analisi supporta l'uso della variante ACL per lo studio di fenomeni fondamentali nella meccanica quantistica, come l'emergere di effetti di memoria. Non affermano che il modello sia una soluzione universale per tutti i problemi di sistemi aperti, ma ne evidenziano l'utilità specifica nel colmare il divario tra descrizioni efficaci e il tracciamento microscopico completo. Si suggerisce un lavoro futuro per testare la generalità di questi risultati su diverse geometrie ambientali, come ambienti di spin discreti.