Finite temperature single-particle Green's function in the Lieb-Liniger model

In dit artikel wordt een Monte Carlo-samplingalgoritme ontwikkeld om de Lehmann-representatie voor de single-particle Green's functie bij eindige temperatuur in het repulsieve Lieb-Liniger-model numeriek te evalueren, waardoor het spectrale spectrum in het volledige bereik van temperaturen en interacties, evenals in gegeneraliseerde Gibbs-ensemble's, kan worden bepaald.

De kern

De Grote Uitdaging: Een Orkest in Chaos

Stel je voor dat je een enorm orkest hebt, bestaande uit duizenden muzikanten (de deeltjes in het systeem). Je wilt weten hoe dit orkest klinkt als je één specifieke noot slaat (een deeltje toevoegt of verwijdert). Dit noemen wetenschappers de "Green's functie".

In de wereld van de quantummechanica is dit orkest heel speciaal: het is een Lieb-Liniger-model. Dit is een wiskundig model voor deeltjes (zoals atomen) die op een ring bewegen en elkaar afstoten (net als mensen die niet graag tegen elkaar aanlopen).

Het probleem?
Om te voorspellen hoe dit orkest klinkt op een willekeurig moment, moet je rekening houden met alle mogelijke combinaties van hoe de muzikanten kunnen bewegen. Bij een klein orkest is dat makkelijk. Maar bij een groot orkest (veel deeltjes) is het aantal mogelijke combinaties zo groot dat het exponentieel groeit. Het is alsof je elke mogelijke versie van een symfonie in één seconde moet berekenen. Zelfs de snelste supercomputers van de wereld bezwijken onder deze last, vooral als het orkest warm is (hoge temperatuur) en niet koud en stil (nulpuntstemperatuur).

De Oplossing: Een Slimme Gokker (Monte Carlo)

De auteurs van dit artikel, Riccardo Senese en Fabian Essler, hebben een nieuwe manier bedacht om dit probleem op te lossen. In plaats van elke mogelijke nootcombinatie te berekenen (wat onmogelijk is), hebben ze een Monte Carlo-sampling algoritme ontwikkeld.

De Metafoor van de Gokker:
Stel je voor dat je een enorme berg met goudklompjes moet tellen. De berg is zo groot dat je er nooit doorheen kunt lopen.

• De oude methode: Probeer elke steen in de berg te tellen. (Onmogelijk).
• De nieuwe methode (Monte Carlo): Je bent een slimme gokker. Je gooit een dobbelsteen en loopt alleen naar de plekken waar de kans op goud het grootst is. Je negeert de plekken waar er waarschijnlijk niets ligt.

In hun computerprogramma "gooien" ze virtueel dobbelstenen om te beslissen welke van die miljoenen mogelijke deeltjes-combinaties ze moeten bekijken. Ze focussen alleen op de combinaties die echt belangrijk zijn voor het geluid (de correlatie).

Wat hebben ze ontdekt?

1. Niet alles is even belangrijk: Ze ontdekten dat hoewel er astronomisch veel combinaties zijn, slechts een heel klein (maar nog steeds enorm groot) aantal daarvan echt bijdraagt aan het geluid. De meeste combinaties zijn zo zwak dat je ze kunt negeren.
2. Werken bij elke temperatuur: Vroeger konden wetenschappers dit alleen berekenen bij extreem lage temperaturen (waar de deeltjes bijna stil staan). Met hun nieuwe methode kunnen ze nu ook simuleren hoe het orkest klinkt als het heet is (hoge temperatuur) of als de deeltjes elkaar sterk afstoten.
3. De "Gibbs" Ensembles: Ze hebben hun methode ook getest op situaties die niet helemaal normaal zijn (zogenaamde "Generalized Gibbs Ensembles"). Dit is alsof je het orkest in een vreemde, kunstmatige ruimte zet, en toch precies kunt voorspellen hoe het klinkt.

De Resultaten: Een Perfecte Match

Ze hebben hun nieuwe methode getest tegen bekende, exacte antwoorden voor extreme situaties (zoals wanneer de deeltjes elkaar helemaal niet kunnen passeren, alsof ze ondoordringbare muren zijn).

• Het resultaat: Hun berekeningen kwamen perfect overeen met de theorie.
• De visuele beelden: Ze hebben prachtige kaarten gemaakt (spectrale functies) die laten zien hoe energie en beweging zich door het systeem verplaatsen. Bij lage interactie lijken de deeltjes op vrije vogels die vrij vliegen. Bij sterke interactie gedragen ze zich meer als een dichte menigte die moeilijk vooruitkomt.

Waarom is dit belangrijk?

Dit artikel is een doorbraak omdat het een deur opent die tot nu toe dicht zat.

• Voor de natuurkunde: Het helpt ons te begrijpen hoe atomen zich gedragen in ultra-koude gassen (die in laboratoria worden gebruikt om nieuwe materialen te bouwen).
• Voor de computertechniek: Het laat zien dat we met slimme statistische methoden (gokken in plaats van alles tellen) problemen kunnen oplossen die voorheen als "onoplosbaar" werden beschouwd.

Kort samengevat:
De auteurs hebben een slimme "zoektocht" bedacht in een gigantisch labyrint van quantummogelijkheden. In plaats van elke weg te lopen, weten ze precies welke paden het snelst naar het antwoord leiden. Hierdoor kunnen we nu beter begrijpen hoe deeltjes in de quantumwereld met elkaar communiceren, ongeacht hoe warm ze zijn of hoe sterk ze elkaar afstoten.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het artikel "Finite temperature single-particle Green's function in the Lieb-Liniger model" van Senese en Essler, geschreven in het Nederlands.

Titel: Endelijke temperatuur single-particle Green's functie in het Lieb-Liniger-model

Auteurs: Riccardo Senese en Fabian H.L. Essler
Instituut: Rudolf Peierls Centre for Theoretical Physics, Universiteit van Oxford

---

1. Het Probleem

Het Lieb-Liniger (LL) model is een fundamenteel paradigma voor interagerende kwantumveeldeeltjessystemen in één dimensie. Hoewel het model integraal is (exact oplosbaar via de Bethe-ansatz), blijft de numerieke evaluatie van dynamische correlatiefuncties bij eindige temperaturen en willekeurige interactiestrengths een groot uitdaging.

• De Lehmann-Representatie: Dynamische correlatoren worden uitgedrukt als een som over alle mogelijke "intermediate" eigenstaten (Lehmann-sum). Voor een systeem met $N$ deeltjes op een ring van lengte $L$ groeit het aantal relevante eigenstaten exponentieel met de systeemgrootte ($e^L$).
• De Barrière: Traditionele numerieke methoden (zoals ABACUS) die de Lehmann-som expliciet uitvoeren, zijn beperkt tot zeer lage temperaturen ($T \approx 0$) of kleine systeemgroottes. Bij eindige temperaturen is het aantal bijdragende staten zo groot dat directe sommatie computationeel onmogelijk wordt.
• Specifiek doel: Het berekenen van de single-particle Green's functie $C(x, t) = \langle \lambda | \phi^\dagger(x, t) \phi(0, 0) | \lambda \rangle$ voor het bosonveld $\phi(x)$, waarbij de matrixelementen (form factors) tussen staten met $N$ en $N-1$ deeltjes niet-spars zijn (in tegenstelling tot wat vaak het geval is bij niet-integrale systemen of bij de dichtheidsoperator).

2. Methodologie: Monte Carlo Sampling

De auteurs ontwikkelen een Markov Chain Monte Carlo (MCMC) algoritme om de Lehmann-som stochastisch te benaderen.

• Herformulering als statistisch probleem: De correlatiefunctie wordt herschreven als een verwachtingswaarde over een verdeling van eigenstaten $|\mu\rangle$:
  $$C(x, t) = Z_\lambda \sum_\mu g_{\lambda,\mu}(x, t) e^{-M_{\lambda,\mu}}$$
  Hierbij is $M_{\lambda,\mu} = -\ln(|\langle \mu | \phi(0,0) | \lambda \rangle|^2)$ een "energie"-term en $Z_\lambda$ de partitiefunctie. De auteurs behandelen de verdeling $P_\lambda(\mu) \propto e^{-M_{\lambda,\mu}}$ als een Gibbs-verdeling.
• Metropolis-Hastings Algoritme:
  • De eigenstaten $|\mu\rangle$ worden gekarakteriseerd door sets van gehele getallen (kwantumgetallen) die de Bethe-vergelijkingen oplossen.
  • Het algoritme voert updates uit op deze kwantumgetallen (single-integer updates) om door de ruimte van mogelijke eigenstaten te wandelen.
  • Een voorstel om te bewegen van de ene set kwantumgetallen naar een andere wordt geaccepteerd of verworpen op basis van de verhouding van de matrixelementen (de "energie" $M_{\lambda,\mu}$).
• Efficiëntie: Het cruciale inzicht is dat hoewel het totale aantal staten exponentieel groot is, het aantal staten dat significant bijdraagt aan de som (de "relevante" staten) veel kleiner is, maar nog steeds exponentieel groot ($e^{L \cdot m[\rho]}$). De MCMC-methode kan deze relevante subruimte efficiënt verkennen zonder alle staten te hoeven tellen.
• Fourier-transformatie: Om het spectrum van excitaties te analyseren, wordt de Fourier-getransformeerde $\tilde{C}(k, \omega)$ direct gesampled of afgeleid uit de gesamplede $C(x, t)$, met gebruik van een smoothing-procedure om de Dirac-delta pieken bij eindige $L$ om te zetten in een continue spectrum voor de thermodynamische limiet.

3. Belangrijkste Resultaten

De auteurs presenteren resultaten voor een breed scala aan temperaturen ($\tau$) en interactiestrengths ($\gamma$), inclusief Generalized Gibbs Ensembles (GGE).

• Validatie:
  • Onbeperkte interactie ($\gamma = \infty$): De resultaten komen perfect overeen met exacte analytische oplossingen die gebaseerd zijn op Fredholm-determinanten (bekend uit de literatuur voor het Tonks-Girardeau-gas).
  • Zwakke interactie ($\gamma \to 0$): De resultaten convergeren naar het vrije boson- (of fermion-) limiet, zoals verwacht.
  • Statische correlatoren: De berekende correlatielengtes bij $t=0$ komen overeen met eerdere resultaten van Pătu en Klümper.
• Spectrale Functies:
  • Bij lage interactie ($\gamma \leq 1$) vertoont het spectrum een scherpe quasipartikelpiek die iets verbreed is door temperatuur en interacties.
  • Bij hoge interactie en temperatuur verspreidt het spectrale gewicht zich over een continuüm.
  • Bij lage temperaturen en hoge interactie wordt een verbrede "type II" dispersie zichtbaar (een kenmerk van het LL-model).
• GGE Dynamics: Het algoritme werkt ook voor Generalized Gibbs Ensembles, waarbij de symmetrie van de rapiditeitsdichtheid wordt gebroken (bijv. door $\beta_3 \neq 0$), wat leidt tot opvallende verschillen in de dynamica ten opzichte van thermische toestanden.
• Schaalbaarheid: De methode is succesvol toegepast op systemen met $N=200$ deeltjes, wat aanzienlijk groter is dan wat met eerdere methoden mogelijk was voor dynamische correlatoren bij eindige temperatuur.

4. Technische Inzichten en Vergelijkingen

• Dichtheidsoperator vs. Bosonveld: In Appendix H vergelijken de auteurs de matrixelementen van het bosonveld $\phi(x)$ met die van de dichtheidsoperator $\varrho(x) = \phi^\dagger \phi$.
  • Voor $\varrho(x)$ zijn de matrixelementen "spars" (ze vallen exponentieel af met $L$ voor de meeste staten), waardoor methoden zoals ABACUS werken tot $N \approx 50-100$.
  • Voor $\phi(x)$ vallen de matrixelementen veel langzamer af (of zijn zelfs niet-spars in de zin dat er exponentieel veel grote bijdragen zijn). Dit maakt directe sommatie onmogelijk en vereist noodzakelijkerwijs sampling.
  • De auteurs tonen aan dat er voor $\varrho(x)$ zelfs matrixelementen bestaan die slechts polynomaal afnemen met $L$ (in plaats van exponentieel), wat de succesvolle toepassing van ABACUS verklaart. Voor $\phi(x)$ is dit niet het geval.

5. Betekenis en Impact

• Doorbraak in Bereik: Dit werk opent de deur tot het bestuderen van dynamische correlaties in integrabele systemen bij willekeurige temperaturen en voor grote systeemgroottes, regimes die tot nu toe ontoegankelijk waren voor klassieke computationele methoden.
• Generalisatie: Het algoritme is niet beperkt tot het LL-model of het bosonveld; het kan worden toegepast op andere dynamische correlatoren in integrabele modellen, inclusief kwantum-quench-problemen (niet-evenwichtsdynamica).
• Fundamenteel Inzicht: De studie bevestigt dat hoewel integrabele systemen een enorme Hilbert-ruimte hebben, slechts een sub-exponentieel (maar nog steeds exponentieel groot) deel daarvan relevant is voor dynamische observabelen, en dat deze "relevante" staten efficiënt kunnen worden gesampled.

Conclusie: Senese en Essler hebben een robuust Monte Carlo-framework ontwikkeld dat de "curse of dimensionality" bij het berekenen van dynamische correlaties in integrabele systemen overwint. Dit stelt onderzoekers in staat om de spectrale functies van het Lieb-Liniger model nauwkeurig te karakteriseren in regimes die direct relevant zijn voor recente experimenten met koude atomen.