Spontaneous symmetry breaking under Bose--Einstein condensation
本概説は、自発的ゲージ対称性の破れ、エルゴード分解、粒子ゆらぎ、および系の安定性といった主要概念間の関係を解明することにより、ボース＝アインシュタイン凝縮に関する文献における既存の論争や混乱を明確にすることを目的としている。
🔬 Category
cond-mat.quant-gas
518 件の論文
量子ガスとは、極低温で原子を制御し、物質の不思議な性質を解き明かす分野です。ここでは、原子が波のように振る舞ったり、目に見えない超流動を起こしたりする現象が研究されています。Gist.Science は、arXiv に投稿されるこの分野の最新プレプリントをすべて収集し、専門用語を噛み砕いた解説と、技術的な詳細な要約の両方を提供しています。
複雑な数式や理論に囲まれがちですが、私たちの日常生活や未来の技術につながる重要な発見がここから生まれています。当サイトでは、どのレベルの知識からでもこれらの研究成果に触れられるよう、丁寧に内容を整理しています。以下に、量子ガス分野の最新の論文リストを掲載します。
Quasi-2D trapped tilted dipoles at zero and finite temperatures in the strongly dipolar regime
近年の双極子超固体ストライプの実験的観測に動機付けられ、本論文は、準2次元捕捉幾何学における強双極子かつ完全偏極した双極子のゼロおよび有限温度の物理を特徴付けるためにボゴリューボフ理論を用い、傾斜角、粒子数、散乱長、およびトラップのアスペクト比が空間変調と液体的性質にどのように影響するかを明らかにし、空間構造の温度誘起的な促進という顕著な現象を提示する。
Magneto-Optical Trapping of a Metal Hydride Molecule
本論文は、金属水素化物分子であるCaHの初の三次元磁気光学トラップを実現し、1ミリケルビン以下の温度を達成するとともに、制御された分子解離を介した水素原子の光学的トラップへの経路を切り拓くものである。
Universal critical behavior in ideal Bose-Einstein condensation
本論文は、理想的なボース＝アインシュタイン凝縮の臨界挙動が、次元性と閉じ込めによって支配される状態密度の低エネルギー・スケーリングのみによって決定される、3つの明確なクラスに分類されることを示す統一的な枠組みを確立するものである。
Dynamics of repeated BEC formation and extraction in dimple traps
本論文は、動力学的モデルを用いてディンプル・トラップ内におけるボース＝アインシュタイン凝縮の繰り返しの形成と抽出のダイナミクスを調査し、部分的な抽出プロトコルが、密度依存的な損失とのバランスを取りつつ、後続の凝縮成長の種として残留原子を利用することで、生産効率を最大化することを実証している。
Searching for cosmic vortices
本論文は、冷たいヘリウム白色矮星によるブラックホールへの潮汐破壊をボース・フェルミ液滴としてモデル化しており、その結果生じる降着円盤が特徴的な電磁的な明滅を引き起こす量子化渦を呈すること、また、脱出する白色矮星上の渦が回転と重力波放射を誘発することを予測している。
Grand-canonical phase diagram and chiral-current suppression at flux in a bosonic two-leg ladder
本研究では、クラスター・グッツウィラー平均場法を用いて、人工磁束を有する2脚ラダー上の斥力ボゾンに関する初のグランドカノニカル相図を構築し、磁束がモットローブ構造をどのように変調するかを明らかにし、さらに磁束における結合対称性がカイラル電流を抑制して非カイラルなモット絶縁状態を生み出すことを示している。
Weakly interacting Bose gases in the canonical ensemble
本論文は、弱相互作用ボース気体の正準分配関数に対する一次摂動再帰公式を導出し、それが大正準集団的アプローチと同じファインマン図を共有する一方で、ディリクレ境界条件を持つボックス型トラップにおける基底状態占有統計および熱力学的性質を正確に特徴付けるために異なる規則を用いていることを示している。
Scalably learning quantum many-body Hamiltonians from dynamical data
本論文は、勾配ベースの機械学習最適化とテンソルネットワーク表現を組み合わせることで、限られた動的データから相互作用する多体ハミルトニアンを効率的に学習する、極めてスケーラブルなデータ駆動型フレームワークを提示しており、限定的な初期状態、観測量、および短い時間発展を用いた場合でも、100スピンを超える系に対して堅牢な性能を示す。