Anderson Localization: A Floquet operator Krylov space perspective

本文在 Floquet 框架内采用算符 Krylov 空间方法，通过将脉冲式动力学与有效非均匀 Ising 模型相联系来表征安德森局域化与 Aubry-André 转变，揭示了能够区分局域化、退局域化及临界相的显著特征，如 Porter-Thomas 分布与多重分形标度。

要点

想象一下，你试图理解一滴墨水如何在一张纸上扩散。在物理学中，这类似于研究一个粒子（或信息）如何在材料中运动。有时，材料是洁净的，墨水会平滑地扩散开来；而有时，纸张皱巴巴且充满障碍，墨水会被困在某处。这种“被困”的行为被称为安德森局域化（Anderson Localization）。

本文介绍了一种新颖而巧妙的方法，利用一种名为克拉沃空间（Krylov space）的数学工具来研究这一问题。请将克拉沃空间想象为一个物理场所，而更像是一张特殊的“地图”或一架“梯子”，物理学家构建它来追踪系统随时间的变化。

以下是作者所做工作的分解，使用了简单的类比：

1. “频闪”技巧（拍摄快照）

通常，当物理学家研究物体如何运动时，他们会以连续时间的方式逐帧观看“电影”。但作者决定尝试不同的方法：他们将时间视为一种频闪仪（就像音乐会上的闪光灯）。他们不再观察平滑的运动，而只在看系统在特定、间隔开的时刻（快照）。

• 为什么要这样做？ 事实证明，观察这些“快照”使得数学计算变得更容易、更快速。这就像试图通过观看一系列高质量的照片来理解复杂的舞蹈，而不是试图实时追踪每一块肌肉的微小运动。
• 结果： 他们将问题映射到了一个“弗洛凯”（Floquet）模型上，这就像将舞蹈翻译成另一种语言，其中的舞步更容易计数。

2. “克拉沃梯子”

为了分析这些快照，作者构建了一个算符（数学工具）的“梯子”。

• 种子： 他们从一个特定的“种子”开始（就像一滴墨水）。
• 梯级： 他们问：“如果我等待一步，墨水在哪里？如果我等待两步，它在哪里？”每一个答案都成为他们梯子上的一个新梯级。
• 地图： 这个梯子最终看起来完全像是一个一维伊辛模型（1D Ising model，即一串磁铁）。作者意识到，这个复杂的量子问题可以被可视化为一个单粒子在这些磁铁组成的链上跳跃。

3. 两种平均方式（“食谱”问题）

他们研究的材料是“无序”的，意味着它们充满了随机的凸起和凹坑（就像一条颠簸的道路）。为了获得清晰的图像，他们必须在成千上万条不同的随机道路上对结果进行平均。

本文发现了一个关键的“食谱”差异：

• 方法 A（糟糕的食谱）： 先对每一条颠簸道路单独计算数学，然后对最终数字进行平均。
  • 结果： 这导致数据中出现了一个奇怪的“凹陷”或空洞，这在物理上没有意义。这就像是对 100 种不同汤的味道进行平均，但数学计算却混淆了，声称汤中间有个洞。
• 方法 B（好的食谱）： 首先对“颠簸道路”数据本身（即自相关函数）进行平均，然后再进行数学计算。
  • 结果： 这产生了一个平滑、真实的谱图。事实证明，对于这个特定问题，必须在构建梯子之前先平滑掉噪声。

4. 物质的三种状态（局域化、退局域化和临界态）

作者在两个著名模型上测试了他们的方法：安德森模型（随机无序）和奥布里 - 安德烈模型（准周期无序）。他们发现了三种截然不同的行为：

• 局域化相（陷阱）：

  • 发生什么： 粒子被困住。它无法远离起点移动。
  • 克拉沃视角： 在他们的“梯子”上，粒子的波前停留在最底部的梯级。它没有向上攀爬。
  • 声音： “谱”（系统的声音）具有尖锐、清晰的峰值，就像钟声一样。

• 退局域化相（自由奔跑者）：

  • 发生什么： 粒子在整个系统中自由扩散。
  • 克拉沃视角： 波前沿着梯子飞驰，像子弹一样进行弹道运动。
  • 声音： 谱是平滑且平坦的。有趣的是，数据中的涨落遵循波特 - 托马斯分布（Porter-Thomas distribution）。
  • 类比： 这有点令人惊讶，因为波特 - 托马斯分布通常出现在混沌、复杂的系统中（就像一个拥挤的房间，每个人都在随机大喊大叫）。作者发现，即使是简单的单粒子系统，在退局域化时也会表现得像一个混乱的人群。

• 临界点（边缘）：

  • 发生什么： 系统正处于被困与自由之间的边缘。
  • 克拉沃视角： 波前扩散，但它是以一种“分形”方式进行的——就像海岸线，无论放大多少倍看起来都是锯齿状的。
  • 声音： 它表现出混合的行为，数据表明存在“多重分形”标度，意味着复杂性取决于你观察它的角度。

5. 梯子的“重整化”

随着作者沿着他们的克拉沃梯子向上攀登（观察更长的时间），他们注意到关于“梯级”（他们的数学参数）的一些有趣现象。

• 梯级的随机性开始平滑化。这些参数的分布变得越来越窄，趋近于一个“固定点”。
• 类比： 想象一下调收音机。起初，静电噪音很大且混乱。当你转动旋钮（递归步骤）时，噪音变得清晰，你找到了一个稳定、清晰的频率。数学自然地“重整化”了自己，随着你深入，过滤掉了噪声。

总结

本文声称，通过从连续时间切换到“频闪”快照，物理学家可以构建一个更高效、更准确的地图（克拉沃空间），用于研究粒子如何在无序材料中被困住或自由移动。他们发现：

1. 操作顺序很重要： 必须在进行复杂数学计算之前对原始数据进行平均，才能得到正确的答案。
2. 简单可以看起来复杂： 即使是自由移动的单粒子，其行为也像混乱的人群（波特 - 托马斯分布）。
3. 地图揭示了相态： 你只需观察波前如何沿着克拉沃梯子传播，就能判断系统是“被困”还是“自由”。

这项工作并没有提出新的医疗疗法或新技术；相反，它完善了物理学家用来理解量子物质基本行为的数学工具箱。

技术摘要

技术摘要：安德森局域化：Floquet 算子 Krylov 空间视角

问题陈述
本文探讨了安德森局域化问题以及 Aubry-André (AA) 模型中的单粒子局域化 - 退局域化转变。尽管算子 Krylov 空间方法已成为研究量子多体系统中算子扩散（包括哈密顿量、幺正及耗散动力学）的有力工具，但作者指出，通过随机（离散时间）动力学而非连续时间演化来研究这些问题具有特定的计算和概念优势。核心挑战在于将种子算子在哈密顿量 $H$ 下的动力学映射为有效的算子 Krylov 空间描述，从而能够高效计算谱函数并提取局域化性质。

方法论
作者采用了一种 Floquet 算子 Krylov 空间方法。他们不分析连续时间演化 $e^{-iHt}$，而是将时间离散化为步长 $t = nT$，生成幺正算子$U = e^{-iHT}$。这将问题映射到了随机 Floquet 动力学框架中。

1. Krylov 空间构建：

   • Arnoldi 迭代： 标准方法涉及通过对序列 $(U^\dagger)^n O_0 U^n$ 进行 Gram-Schmidt 正交化来生成 Krylov 基 $\{|O_n)\}$。在此基底下，幺正算子 $U$ 呈现上 Hessenberg 形式。
   • Floquet ITFIM 映射： 作者利用了一种特定的基变换（等价于 Jordan-Wigner 变换），将 Krylov 动力学映射到一维 Floquet 非均匀横向场伊辛模型（ITFIM）。在此表示中，幺正矩阵变得稀疏且呈五对角结构（CMV 矩阵结构）。该有效模型的参数是"Krylov 角”$\theta_j$，它们通过递归方式确定。
   • 矩方法： 为了避免计算昂贵的 Gram-Schmidt 过程，作者利用了一种“矩方法”。这使得能够直接从离散时间自相关函数 $A(nT) = (O_0 | (U^\dagger)^n O_0 U^n)$ 中提取 Krylov 角，而无需构建完整的正交基。

2. 谱函数估计：

   • 谱函数使用 Bernstein–Szegő 近似计算，该方法利用由 Krylov 角生成的单位圆上的正交多项式（OPUC）。这与此前对自相关函数的标准截断傅里叶变换进行了比较。
   • 研究了两种平均方案：(i) 对无序实现中的 Krylov 参数（角）进行平均，以及 (ii) 从无序平均后的自相关函数中提取 Krylov 参数。

3. 研究的模型：

   • 安德森模型： 一个具有随机格点势 $h_j \in [-h, h]$ 的一维非相互作用费米子系统。
   • Aubry-André (AA) 模型： 一个具有准周期势 $h_j = h \cos(2\pi\beta j)$ 的一维系统，已知在 $h=2$ 处表现出尖锐的局域化 - 退局域化转变。

主要结果

• 安德森模型（局域化相）：

  • 对于任何无序强度 $h$，无序平均后的自相关函数饱和为一个常数，证实了局域化。
  • 随着递归步数 $j$ 的增加，Krylov 角 $\theta_j$ 趋近于 $\pi/2$（有效 ITFIM 的临界点）。
  • $\langle \cos \theta_j \rangle$ 的衰减遵循不同的幂律：对于强无序，$\langle \cos \theta_{2j-1} \rangle \sim 1/\sqrt{j}$ 且 $\langle \cos \theta_{2j} \rangle \sim -1/j$。
  • 平均方案： 作者证明，与平均参数本身相比，从无序平均后的自相关函数中提取 Krylov 参数能产生更物理的谱函数（平滑，无人为凹陷）。平均参数本身会在 $\omega=0$ 和 $\pi$ 附近产生非物理的凹陷。
  • 实空间中的局域化对应于 Krylov 空间中 0 模波函数的“拉伸指数”局域化。

• Aubry-André 模型（退局域化、临界和局域化相）：

  • 退局域化相 ($h < 2$)： 自相关函数衰减，波函数在 Krylov 空间中呈弹道式扩散（$j \sim n$）。自相关函数的统计遵循 Porter-Thomas 分布，逆参与比（IPR）按 $L^{-1}$ 标度。
  • 临界点 ($h = 2$)： 系统表现出多重分形标度。IPR 按 $L^{-D}$ 标度，其中 $D \approx 0.5$。波函数扩散到体相但形成拖尾。在临界点也观察到了 Porter-Thomas 分布。
  • 局域化相 ($h > 2$)： 自相关函数不衰减，而是表现出持续的振荡。Krylov 角显示出强烈的涨落，谱函数显示出表明长寿命模式的显著峰值。波函数仍被限制在 Krylov 链的原点附近。
  • 波前权重： 定义在传播前沿处的波函数权重 $W(nT)$作为相变的指示器，在$h=2$ 附近急剧下降。

• Krylov 角统计：

  • 随着递归步数的增加，Krylov 角的分布变窄，趋近于高斯分布。该分布的宽度随 $\sigma \sim j^{-0.2}$ 缓慢衰减，表明存在缓慢的对数变窄。
  • 发现对于大索引，Krylov 角基本上是不相关的。

意义与主张
本文主张，通过随机 Floquet 映射研究哈密顿量动力学相比连续时间 Krylov 方法具有独特的优势：

1. 计算效率： 矩方法允许直接从自相关数据计算 Krylov 参数，无需进行完整的 Gram-Schmidt 正交化。
2. 物理洞察： 映射到有效的 Floquet ITFIM 提供了清晰的单粒子解释，其中局域化 - 退局域化转变对应于有效模型中边缘模式的出现（退局域化）或消失（局域化）。
3. 平均的鲁棒性： 该研究确立了在提取 Krylov 参数之前对物理可观测量（自相关）进行平均，比平均参数本身能产生更符合物理实际的谱函数。
4. 普适性： 在非相互作用单粒子模型的退局域化和临界区域观察到 Porter-Thomas 统计，表明 Krylov 空间中的算子扩散即使在可积或非相互作用系统中也能模拟混沌行为。

作者得出结论，递归过程有效地执行了重整化群流，将系统驱动至 Krylov 链中的固定点，在此处角度趋近于 $\pi/2$。他们确定了临界点处多重分形标度的出现以及 Krylov 角的特定幂律行为作为局域化转变的关键特征。未来的工作建议将这些发现扩展到更高维度和相互作用系统。