Lanczos Method for QRPA Strength Functions in Atomic Nuclei

Resumo Técnico: Método de Lanczos Simétrico para Funções de Força QRPA

Enunciado do Problema
O cálculo das funções de resposta nucleares de mudança de carga é essencial para descrever o decaimento $\beta$, o decaimento $\beta\beta$ e excitações coletivas em núcleos atômicos. Para núcleos de massa média e pesados de camada aberta, particularmente sistemas deformados, a Aproximação de Campo Médio de Quasipartículas Aleatória (QRPA) fornece um arcabouço microscópico necessário. No entanto, a dimensão da matriz QRPA cresce rapidamente com o tamanho do espaço de quasipartículas, tornando a construção explícita e a decomposição de autovalores completa proibitivamente caras.

Embora o Método de Amplitude Finita (FAM) ofereça uma alternativa livre de matrizes ao computar respostas através de campos induzidos, as abordagens convencionais baseadas em FAM resolvem o problema da resposta linear frequência por frequência. Isso exige a resolução de um novo sistema linear para cada frequência complexa na contorno escolhido. Consequentemente, reconstruir uma função de força sobre um amplo intervalo de energia torna-se computacionalmente custoso. O artigo aborda a necessidade de um método que capture informações espectrais globalmente sobre um intervalo de frequência estendido sem o custo de resoluções repetidas para frequências específicas.

Metodologia
Os autores desenvolvem um arcabouço de Lanczos simétrico para aproximar as funções de força de QRPA de mudança de carga. A metodologia procede através das seguintes etapas:

1. Reformulação Espectral: Partindo das equações de resposta linear do FAM, os autores derivam representações espectrais equivalentes. No caso em que as matrizes QRPA $A$ e $B$ são reais, eles formulam um problema de autovalor reduzido envolvendo os produtos de matriz $MK$e$KM$, onde $M = A + B$ e $K = A - B$.
2. Projeção de Lanczos Simétrica: Diferente da matriz QRPA padrão que não é Hermítica no produto interno euclidiano, o operador reduzido $MK$ é autoadjunto em relação ao produto interno $K$ ($\langle x, y \rangle_K = x^T K y$). Esta propriedade permite a aplicação de um processo de Lanczos simétrico.
3. Aproximação de Execução Única: O algoritmo de Lanczos gera uma matriz tridiagonal $T_m$ a partir de uma única execução de subespaço de Krylov. Os autovalores de $T_m$ aproximam as energias de excitação ao quadrado ($\Omega_i^2$), e os vetores de Ritz associados aproximam as amplitudes de transição QRPA.
4. Reconstrução da Função de Força: Usando os pares de Ritz, o método reconstrói a função de força com alargamento Lorentziano sobre um amplo intervalo de energia. Isso contrasta com os resolvedores frequência por frequência (FAM ou GMRES) que devem ser executados separadamente para cada ponto de frequência.
5. Inicialização: A recursão de Lanczos é inicializada com um vetor derivado da combinação do campo externo $f_+ = F^{20} + F^{02}$, garantindo que a projeção respeite os setores de simetria do sistema axialmente deformado.

Principais Contribuições

• Derivação do Problema de Autovalor Reduzido: O artigo estabelece a equivalência entre o problema de resposta linear QRPA completo e um problema de autovalor reduzido envolvendo $MK$e$KM$, facilitando o uso da projeção de Lanczos simétrica.
• Implementação Livre de Matriz: O método evita a montagem da matriz QRPA completa. Os produtos matriz-vetor (matvecs) são computados usando o formalismo de campo induzido, de forma semelhante ao FAM, mas aplicado à estrutura do operador reduzido.
• Eficiência em Varreduras Espectrais Amplas: A abordagem demonstra que uma única execução de Krylov pode capturar a informação espectral dominante necessária para um perfil de força completo, oferecendo uma alternativa significativa aos cálculos pontuais de frequência.

Resultados Numéricos
O método foi testado em dois núcleos: o de massa média $^{112}\text{Sn}$ e o de terras raras pesado $^{150}\text{Nd}$, utilizando o funcional de densidade de energia de Skyrme SkM*.

• Validação de Referência: Os autores primeiro estabeleceram o Método de Resíduos Mínimos Generalizados (GMRES) como uma referência eficiente frequência por frequência. O GMRES reproduziu os perfis de força do IFAM (FAM iterativo) convergido, mas exigiu menos iterações (ex: 2347 vs 3781 para $^{112}\text{Sn}$).
• Precisão de Lanczos: Comparando a aproximação de Lanczos contra a referência GMRES:
  • Para $^{112}\text{Sn}$, o aumento da dimensão de Krylov de $m=50$ para $m=100$ melhorou significativamente o acordo com a referência, capturando tanto as distribuições amplas quanto as estruturas de pico locais.
  • Para $^{150}\text{Nd}$, o aumento de $m$ de 100 para 200 similarmente reduziu as discrepâncias.
  • Métricas de divergência de Kullback-Leibler (KL) confirmaram que o aumento da dimensão de Lanczos reduziu substancialmente o erro de nível de distribuição (ex: a divergência KL para $^{112}\text{Sn}$ caiu de $2,89 \times 10^{-2}$ em $m=50$ para $2,34 \times 10^{-3}$ em $m=100$).
• Custo Computacional: O método de Lanczos provou ser mais eficiente do que os resolvedores frequência por frequência para varreduras espectrais amplas. Uma execução de Lanczos de 100 passos para $^{112}\text{Sn}$ exigiu aproximadamente 600 operações equivalentes a matvecs, comparado a 2347 para a referência GMRES. Economias similares foram observadas para $^{150}\text{Nd}$.

Significância e Alegações
O artigo afirma que a projeção de Lanczos simétrica fornece uma abordagem eficiente e precisa para cálculos de função de força QRPA quando a informação espectral é necessária sobre um intervalo de frequência estendido. O método retém as vantagens de eficiência livre de matriz dos cálculos do tipo FAM, enquanto explora a informação espectral mais ampla disponível através da projeção de Lanczos.

Os autores posicionam este trabalho como uma alternativa prática para núcleos pesados e deformados onde as matrizes QRPA explícitas são grandes demais para serem construídas e as resoluções repetidas frequência por frequência tornam-se computacionalmente proibitivas. O artigo não pretende substituir os resolvedores específicos de frequência para casos onde apenas algumas frequências discretas são necessárias, mas sim otimizar a reconstrução de perfis de resposta completos. Sugere-se que trabalhos futuros estendam o método para campos externos adicionais e cálculos sistemáticos maiores.