🔬 condensed matter

Bias and Correlations in Quasiperiodicity: Impact on Localization in an Extended Aubry-André Model

本文表明，在扩展的 Aubry-André 模型中，偏置参数与相关性共同决定了定域化行为，并揭示了增加势强会降低偏置以有利于定域化，而零偏置即使在弱强度下也会导致完全定域化。

原作者： Adithya J D, Ranjan Modak, Shaon Sahoo

发布于 2026-09-15

📖 1 分钟阅读☕ 轻松阅读

原作者： Adithya J D, Ranjan Modak, Shaon Sahoo

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

在量子物理学的微观世界中，电子等粒子并不总是能在材料中自由流动。有时，它们会被困住，被它们所经过的景观中的不规则性所捕获。这种被称为“局域化”（localization）的现象是单维系统中自然界的一条基本法则。如果粒子遇到的障碍物是完全随机且彼此无关的，那么即使是极微小的无序度也足以让粒子完全停止运动，将其冻结在单个位置。这种行为被称为安德森局域化（Anderson localization），已被人们理解了几十年。然而，自然界往往比纯粹的随机性更为微妙。在许多材料中，无序并非完全随机，而是遵循一种虽然永不重复但却极其严格的重复模式，即准周期性（quasiperiodicity）。长期以来，科学家们一直在思考这些有序但不重复的模式如何影响粒子的运动能力。与随机情况（即运动总是无法实现）不同，准周期景观有时可以允许粒子流动，从而创造出一种受困态与自由态并存的复杂混合状态。

来自印度理工学院蒂鲁帕蒂分校（IIT Tirupathi）的一个研究小组对这一谜题进行了深入研究，调查了为什么某些准周期模式允许粒子运动，而另一些则会困住粒子。他们专注于一个特定的数学模型，该模型描述了一个粒子可以在其中进行跳跃的位点链，其中每个位点的高度以准周期的方式变化。通过系统地调整势能强度和模式形状，研究人员发现，理解粒子是被困还是自由的关键不在于模式的相关性如何，而在于该模式内数值的分布方式。他们发现，如果势能值分布均匀，粒子往往会陷入停滞，模拟随机无序的行为。但如果分布是不均匀的，即倾向于某些特定值而非其他值，粒子则更有可能保持自由状态。

研究人员基于一个著名的被称为奥布里-安德雷（Aubri-André）模型的扩展版本构建了他们的研究。在这种设置下，沿链各点的势能由一个特定的数学函数决定。他们引入了一个变量，允许他们平滑地变形这个函数，从而改变势能值在整个链上的分布方式。随着他们微调这种变形，他们观察到了系统行为的剧烈转变。当势能值呈均匀分布时，即所有可能的值出现的概率相等时，系统的行为表现得就像是完全无序的。即便是在势能非常弱的情况下，每一个状态都变得局域化了，从而困住了粒子。这是一个令人惊讶的结果，因为尽管该模式仍具有高度的有序性和相关性，但它的表现却与导致完全局域化的随机无序完全一致。

相比之下，当研究人员调整参数以创造一种偏置分布（即某些势能值出现的频率远高于其他值）时，系统发生了性质变化。粒子重新开始运动。团队识别出了两个关键的偏置阈值：在低于较低阈值时，无论其他因素如何，整个能谱都保持局域化状态；而在高于较高阈值时，系统可以支持自由态与受困态的混合，甚至可以变得完全自由。这一发现挑战了一种普遍直觉，即增加模式中不同点之间的相关性会自动帮助粒子运动。研究人员表明，事实并非总是如此。在他们的模型中，增加势能的强度实际上增加了位点之间的相关性，但同时也降低了偏置。正是这种偏置的降低驱动了系统向局域化转变，从而抵消了相关性增加的影响。

为了测试他们的理论，该团队将他们的框架应用于另一个旨在实现零偏置（即势能值完全均匀）的模型。尽管该模型拥有很强的相关性，但模拟显示，即使在极低的势能强度下，所有状态都会变得局域化。这证实了他们的假设，即偏置是决定这些系统中局域化的主导因素。这项工作表明，对于一大类准周期模型而言，势能值的非均匀分布是允许粒子去局域化的必要条件。如果没有这种偏置，系统就会回归到完全局域化的状态，其行为类似于随机无序系统。

这项工作的意义超越了单一的数学模型。它为看待量子系统中受困态与自由态之间的转变提供了一个全新的视角。通过将偏置识别为一个关键的控制参数，研究人员为根据势能本身的统计特性来预测本征态的命运提供了一种方法。这一洞察对于未来在超冷原子、光子晶格以及其他可以通过高精度工程手段构建准周期势能的量子模拟器实验中至关重要。该研究并未声称解决了局域化问题的方方面面，但它在势能分布的形状与粒子在其内部的迁移率之间建立了一个清晰的定量联系。研究结果表明，在量子世界中，数值的分布方式与数值本身同样重要。

技术摘要：准周期性中的偏差与相关性：对扩展 Aubry–André 模型中局域化的影响

问题陈述
虽然安德森局域化理论指出，在维度为一的情况下，任何程度的无相关无序都会导致所有本征态局域化，但准周期势能支持更丰富的行为谱，包括迁移边缘和离域相。然而，一个根本性的空白在于：仅根据势能的结构来预测本征态的命运仍然存在困难。尽管准周期势能中的相关性是打破安德森局域化范式的必要条件，但它们不足以保证离域。直觉上，人们可能会认为增加相关性的强度会增强离域性；然而，在标准的 Aubry–André (AA) 模型中，增加势能强度虽然增强了二点相关性，却驱动系统趋向于局域化。这种反直觉的行为表明，相关性本身不足以作为预测局域化、离域或迁移边缘存在的判据。本文旨在识别决定这些局域化特性的特定势能特征。

方法论
作者研究了一个扩展的、 $\theta$ 变形的 Aubry–André 模型，其哈密顿量定义为：
$\hat{H} = -t \sum_{i=1}^{N-1} (\hat{c}^\dagger_i \hat{c}_{i+1} + \text{h.c.}) + \sum_{i=1}^N \epsilon_i \hat{c}^\dagger_i \hat{c}_i$
其中，在位势能由下式给出： $\epsilon_i = V \cdot \text{sgn}[\cos(2\pi\alpha i + \phi)] \cdot |\cos(2\pi\alpha i + \phi)|^\theta$ 。这里， $V$ 代表势能强度， $\alpha = (\sqrt{5}-1)/2$ 是无理频率， $\theta$ 是连续变形参数（ $\theta \in [0, \infty)$ ）。标准 AA 模型对应于 $\theta=1$ 。

为了表征无序度，作者引入了两个独立的参数：

相关参数 ( $S_c$ )： 空间相关函数 $C_\theta(r)$ 的加权平均值，用于量化势能中空间相关性的强度。
偏差参数 ( $S_b$ )： 定义为晶格位点上经验概率分布的标量标准差。均匀分布的 $S_b = 0$ ，而非均匀（有偏差）分布的 $S_b > 0$ 。

通过使用逆参与率 (IPR) 和排序后的 IPR 值的有限尺寸缩放来分析局域化特性，以确定离域态的比例 ( $n_d$ )。研究采用了规模达 $N=4000$ 的数值模拟，并利用 Weyl 等分布定理来解析推导概率分布和相关函数。

主要贡献与结果
本文确立了偏差参数是决定局域化-离域转变的关键因素，而非仅仅是相关强度。

相关性与局域化的解耦： 作者证明，增加势能强度 $V$ 会增加相关参数 $S_c$ ，但同时会降低偏差参数 $S_b$ 。这种偏差的减少驱动了系统的局域化，解释了为何更强的相关性（通过更高的 $V$ ）会导致更局域化的谱这一反直观现象。
相图与临界阈值： 通过在 $\theta-V$ $θ - V$ 参数空间中绘制离域态比例 ( $n_d$ $n_{d}$ ) 的图谱，作者识别出三种相：完全局域化、完全离域以及混合相（局域态与离域态共存，具有迁移边缘）。
- 他们确定了该类哈密顿量家族的两个临界偏差阈值：下阈值 $S_b^*$ 和上阈值 $S_b^{**}$ 。
- $S_b < S_b^*$ ： 整个谱是局域化的 ( $n_d = 0$ )。
- $S_b < S_b^{**}$ ： 整个谱无法实现离域 ( $n_d < 1$ )，从而排除了完全离域相的可能性。
- 对于标准 AA 模型 ( $\theta=1$ )，这些阈值重合，导致了尖锐的转变。
零偏差验证： 为了测试“低偏差驱动局域化”的假设，作者检查了一个由 $i\alpha$ 的分数部分定义的独立准周期模型。该模型具有有限的相关性，但具有完美的均匀概率分布，即 $S_b = 0$ 。数值结果证实，对于这种零偏差模型，即使在弱势能强度下，所有本征态在热力学极限下也会变为局域态，有效地恢复了安德森式的局域化情景，尽管其中存在相关性。

意义与主张
本文声称，虽然相关性是超越传统安德森局域化图景的必要条件，但偏差（势能值分布的非均匀性）才是决定本征态性质的核心量。作者提出，偏差促进离域，反之，足够小的偏差（趋于零）则有利于完全局域化。

研究表明存在模型无关的临界偏差阈值。具体而言，作者推测可能存在一个普遍的下界 $S_b^*$ ，使得任何偏差低于该阈值的准周期势能都会导致完全局域化的谱。虽然本文确定的特定 $S_b^*$ 和 $S_b^{**}$ 值是基于扩展 AA 模型推导出的，但观察到零偏差会导致完全局域化这一现象，支持了偏差是局域化行为基本预测因子的广泛推测。作者指出，其发现目前仍属于经验性结论，并呼吁未来的解析工作来建立关于偏差的全局、模型无关的界限，并探索具有不连续概率分布的系统。

类似论文