Crossover to Sachdev-Ye-Kitaev criticality in an infinite-range quantum Heisenberg spin glass
该研究通过大展开分析了具有随机耦合的无限程量子海森堡自旋玻璃模型,揭示了系统如何从高温下的Sachdev-Ye-Kitaev(SYK)临界行为(表现为标度不变的谱密度)随温度降低或量子涨落增强而过渡到最终的亚欧姆自旋玻璃动力学行为。
88 篇论文
该研究通过大展开分析了具有随机耦合的无限程量子海森堡自旋玻璃模型,揭示了系统如何从高温下的Sachdev-Ye-Kitaev(SYK)临界行为(表现为标度不变的谱密度)随温度降低或量子涨落增强而过渡到最终的亚欧姆自旋玻璃动力学行为。
该论文提出了一种基于非厄米算子理论的框架,将 Transformer 的嵌入、自注意力及深度机制分别重构为基变换、相互作用算子及有序算子复合,从而在数学结构层面弥合了深度学习与多体物理之间的概念鸿沟。
该研究通过建立反铁磁伊辛模型框架,揭示了热力学极限下反常弛豫现象中连续时间谱的涌现机制,并提出利用亚稳相磁化率预测最优温控协议,从而在蒙特卡洛模拟中成功验证了包括直接/逆姆潘巴效应在内的多种反常弛豫现象。
该研究利用卷积神经网络和主成分分析,揭示了在一维扩展 Su-Schrieffer-Heeger 链中,机器学习模型能够准确识别保持手征对称性的非对角无序系统拓扑相,却因对称性破缺导致对角无序系统(安德森绝缘体)特征流形发散而失效,从而证明机器学习可作为探测量子物质对称性保护特性的灵敏探针。
该论文表明,多体系统中的姆潘巴效应(即初始远离平衡态的系统比更接近平衡态的系统弛豫更快)不仅存在于非线性或远平衡态动力学中,也能在接近平衡态的线性响应区域内产生:在互惠系统中,通过快慢模式的谱分离可实现均匀效应,而在打破互惠性导致弛豫算符非正规时,甚至能在每个自由度上实现更严格的“更热状态弛豫更快”的效应。
该研究结合城市几何结构与实证企业规模分布,证明城市经济内部结构对通勤时间存在根本性限制,表明在就业高度集中的情况下,无论如何优化空间布局或交通技术,都无法实现普遍的"15 分钟通勤”,因此规划重点应从追求固定时长转向探究特定城市经济结构下的最小可行通勤时间。
该研究在集成光子处理器上实验发现,经典阴影层析的精度存在由硬件光谱畸变决定的“硬件视界”,导致重构误差在初始统计缩放后急剧饱和,从而确立了统计积累无法突破的固有精度下限。
该研究利用 IBM Nighthawk 超导量子处理器对二维无序海森堡 Floquet 模型进行数字量子模拟,通过引入基于碰撞熵的度量方法,揭示了随着海森堡耦合强度增加,系统在不同空间尺度上从次遍历向遍历行为演变的层级结构,并验证了量子模拟在经典张量网络方法失效区域的有效性。
该论文研究了大规模有限系统中随机乘性增长与再分配之间的竞争,发现静态随机增长率下迁移需足够强以防止局域化,而引入时间噪声后则会出现一种部分局域化的新相态,从而为理解人口增长和财富不平等提供了理论视角。
本文通过建立非 Clifford 门功率与最终非稳定化功率之间的直接关系,阐明了在混合 Clifford 与非 Clifford 操作的量子电路中非稳定化功率的生成、热化机制及其在量子混沌涌现中的关键作用。
该研究提出了一种基于自旋准周期系统的统一框架,通过揭示纯相与共存相的判据及临界态的新机制,构建了能精确实现所有七种基本局域化相(包括各类迁移率边)的模型,并给出了详细的实验方案。
本文通过对无序系统中罕见动力学事件的景观无关研究,揭示了平均场无序模型中瞬子结构的多样性,阐明了亚稳态特征与不可逆性临界点,从而为完善随机一级相变(RFOT)瞬子理论提供了新见解。
该研究通过解析推导与随机模拟,揭示了受限几何中受驱格点洛伦兹气体在低障碍物密度下的非平衡动力学特性,阐明了 confinement 如何改变扩散系数的非解析行为并导致超扩散异常现象。
该研究通过对比软件模拟的随机伊辛机(sIM)与标准 Metropolis-Hastings 算法在神经网络量子态模拟中的采样效率,发现尽管 sIM 的自相关时间较长,但其硬件的大规模并行特性仍有望为复杂量子系统的模拟带来 100 至 10000 倍的加速优势。
本文通过重整化群分析和数值模拟,研究了具有关联无序且抑制背向散射的一维相互作用量子粒子系统,发现吸引相互作用会将局域化相变点移至非相互作用点,并揭示了局域化长度随无序强度的标度行为偏离了常规局域化相的特征。
该研究提出利用圆偏振激光驱动单层非晶碳进入非平衡态,成功诱导其产生拓扑相变,并通过光谱定位器等手段揭示了局域原子配位对非晶拓扑材料的关键作用,从而确立了非晶碳作为工程化拓扑相的 versatile 平台。
本文从几何视角出发,利用图里奇曲率揭示了基于图神经网络的 SAT 求解器在难解实例上性能下降的根本原因在于负曲率导致的过度挤压效应,并证实了曲率可作为预测问题复杂度与泛化误差的有效指标。
该论文将实空间强无序重整化群方法扩展至研究具有长程相互作用的无序反铁磁量子自旋链的激发态与有限温度性质,推导了主方程并计算了磁化率、并发度及纠缠熵等物理量,揭示了耦合强度分布与温度及幂律指数 的依赖关系。
本文针对输入驱动的可塑性 Hopfield 网络,建立了一套动力学理论,通过解析快慢时间尺度耦合机制,推导出了自持记忆转换的显式条件,从而为联想记忆模型中的序列推理提供了 principled 的数学解释。
该研究通过结合理论降维与数据驱动方法,揭示了结构复杂性与延迟反馈共同诱导复杂网络振荡的机制,并通过电子电路实验验证了临界阈值,同时利用储层计算实现了对振荡起始的准确预测。