Resumo Técnico: Escalonamento de Tamanho Finito de Janela do Retrocesso de Informação de Estado de Referência em Reservatórios Quânticos Desordenados

Problema

A transição da dinâmica quântica coerente para o comportamento efetivamente irreversível (Markoviano) em sistemas quânticos abertos é uma questão central na informação e termodinâmica quânticas. Embora se assuma frequentemente que o aumento do tamanho de um ambiente promove monotonicamente a decoerência e a Markovianidade, reservatórios estruturados finitos podem não seguir essa tendência. Reservatórios pequenos podem atuar como sistemas auxiliares coerentes, enquanto reservatórios maiores podem exibir transporte interno complexo, recorrência ou efeitos de memória dependentes da desordem. Estudos numéricos atuais frequentemente lutam para distinguir entre o comportamento de escalonamento genuíno e artefatos decorrentes de tamanhos mínimos de reservatório ou janelas específicas de tamanho finito. Este trabalho aborda a questão de como a rota para a Markovianização efetiva depende não apenas do tamanho do reservatório, mas também da janela específica de tamanho finito utilizada para caracterizar o escalonamento.

Metodologia

O estudo emprega um protocolo numérico controlado envolvendo um subsistema de dois qubits acoplado a um reservatório de cadeia de spins XY desordenado e finito.

• Configuração do Sistema: O espaço de Hilbert total consiste em um subsistema ($\mathcal{H}_S$, dimensão 4) e um reservatório ($\mathcal{H}_R$, dimensão $2^N$). O subsistema é inicializado no estado de Bell $|\Phi^+\rangle$, e o reservatório no estado produto $|0\rangle^{\otimes N}$.
• Hamiltoniana: A dinâmica é governada por $H = H_S + H_R + H_{SR}$.
  • $H_S$ é um acoplamento XY ($J_S = 0.6$).
  • $H_R$ inclui desvios locais aleatórios ($\Omega_r \sim \text{Uniform}(-\omega, \omega)$) e acoplamentos XY de vizinhos próximos ($J_r \sim \text{Uniform}(-J_{dis}, J_{dis})$ com $J_{dis}=0.40$).
  • $H_{SR}$ acopla o qubit 1 do subsistema a todos os qubits do reservatório com força $g_{SR} = 0.25$.
• Dissipação: O vazamento local do reservatório é introduzido via operadores dissipativos $L_r = \sigma_r^-$ com força $\gamma_{res}$, evoluindo o sistema sob uma equação mestra de Lindblad.
• Diagnóstico: Em vez da medida de Breuer–Laine–Piilo (BLP) totalmente otimizada, os autores utilizam um diagnóstico de retrocesso de distância de traço de estado de referência ($\mathcal{N}_{ref}$). Este mede a derivada temporal positiva da distância de traço entre o estado reduzido do subsistema $\rho_S(t)$ e um estado de referência de Bell fixo $|\Phi^-\rangle$.
• Extração da Taxa de Markovianização: Para cada tamanho de reservatório $N$ e desordem $\omega$, a dependência de $\mathcal{N}_{ref}$ em relação ao vazamento $\gamma_{res}$ é ajustada a uma forma exponencial $\mathcal{N}_{ref}(\gamma_{res}) = Ae^{-k\gamma_{res}} + C$. O parâmetro $k$ é interpretado como uma taxa de Markovianização emergente.
• Análise de Escalonamento: As taxas extraídas $k(N, \omega)$ são analisadas usando escalonamento de tamanho finito de janela. Os autores ajustam leis de potência $k \sim N^{\alpha_w}$ sobre três janelas distintas: $N \geq 2$, $N \geq 3$ e $N \geq 4$, para determinar se o expoente de escalonamento $\alpha_w$ depende da inclusão de tamanhos mínimos de reservatório.
• Ensemble de Simulação: O estudo utiliza um ensemble completo de 34.560 simulações cobrindo tamanhos de reservatório $N \in \{2, 3, 4, 5, 6\}$, dezoito valores de desordem em $\omega \in [0.34, 0.48]$, seis forças de vazamento e sessenta e quatro sementes de desordem por ponto de parâmetro.

Contribuições Principais

1. Diagnóstico de Escalonamento de Janela: A introdução de um método para comparar explicitamente janelas de escalonamento de tamanho finito para separar regimes dominados por fronteiras (reservatórios mínimos) de comportamentos de escalonamento de reservatórios estendidos.
2. Métrica de Retrocesso de Estado de Referência: A aplicação de um diagnóstico de distância de traço de referência fixa para sondar a recorrência relativa a um alvo coerente específico, oferecendo uma alternativa reproduzível para medidas de não-Markovianidade otimizadas para estudar transições dinâmicas específicas.
3. Estrutura de Transição Dependente de Desordem: A identificação de um crossover no expoente de escalonamento da taxa de Markovianização como função da força de desordem, que varia dependendo da janela de tamanho finito escolhida.

Resultados

• Supressão Exponencial: O retrocesso do estado de referência diminui aproximadamente exponencialmente com o aumento do vazamento do reservatório, permitindo uma extração estável da taxa de Markovianização $k$.
• Escalonamento Dependente de Janela:
  • Ajustes Não Restritos ($N \geq 2$): Estes ajustes são significativamente afetados por um regime de fronteira de reservatório mínimo, onde os menores reservatórios comportam-se como sistemas auxiliares dominados pela fronteira, em vez de pontos representativos em uma sequência de escalonamento.
  • Transição Primária (análise $N \geq 2$): O expoente extraído cruza de negativo para positivo perto de uma desordem crítica $\omega_c \approx 0.417$. Um expoente negativo implica que o aumento do tamanho do reservatório reduz a taxa de Markovianização (preservação de memória), enquanto um expoente positivo implica que reservatórios maiores aceleram a supressão do retrocesso.
  • Janela de Reservatório Estendido ($N \geq 3$): Esta janela identifica um crossover relacionado próximo a $\omega_c \approx 0.411$.
  • Janela Profunda ($N \geq 4$): Esta janela permanece preservadora de memória (escalonamento negativo ou próximo de zero) através do intervalo de desordem amostrado, mas tende para cima com o aumento da desordem.
• Colapso da Qualidade do Ajuste: A qualidade dos ajustes de lei de potência diminui drasticamente perto da região de crossover, indicando comportamentos de escalonamento de tamanho finito conflitantes, onde comportamentos de preservação de memória e de Markovianização estão em conflito.
• Mapa de Fase: O mapa de calor de $k(N, \omega)$ revela que, em baixa desordem, reservatórios maiores podem reduzir a taxa de Markovianização, enquanto em alta desordem, eles atuam como drenos estatísticos eficientes.

Significância e Alegações

O artigo afirma que a emergente Markovianização em reservatórios finitos estruturados é dependente da janela. A transição de dinâmicas de reservatório finito coerentes para a irreversibilidade efetiva não pode ser capturada apenas pelo tamanho do reservatório; ela é contingente à força de desordem, ao vazamento e à janela específica de regime de tamanho finito estudada.

• Irreversibilidade Operacional: Os resultados apoiam uma visão operacional da irreversibilidade onde o comportamento clássico surge não de uma quebra da mecânica quântica, mas da inacessibilidade dinâmica da informação dispersa nos graus de liberdade do ambiente.
• Implicação Metodológica: O estudo fornece um protocolo numérico reproduzível para separar artefatos de fronteira de efeitos genuínos de tamanho de reservatório. Sugere que os menores reservatórios em um conjunto de dados não devem ser assumidos como o início de uma sequência termodinâmica suave, mas podem exigir tratamento distinto como sistemas auxiliares.
• Limitações: Os autores notam modestamente que os resultados são específicos do modelo (cadeia XY desordenada finita) e numéricos. O diagnóstico é baseado em referência e distinto da medida BLP otimizada. Além disso, a janela $N \geq 4$ nos dados de base contém apenas três tamanhos, e os autores observam que uma extensão para $N=7$ está em andamento para validar ainda mais as tendências observadas nas janelas mais profundas.

Em resumo, o trabalho demonstra que a rota para a Markovianização efetiva é complexa e não monotônica em relação ao tamanho em sistemas finitos, necessitando de uma abordagem de janela para caracterizar com precisão o escalonamento do retrocesso de informação.