← 最新论文
🔬 physics

Higher-moment memory enables a quantum magic Mpemba inversion

本文证明了低阶量子统计的平衡并不保证非线性量子资源(如稳定器魔术)的平衡,揭示了一种“量子姆潘巴效应逆转”(quantum Mpemba inversion),即由于高阶矩中保留的隐藏记忆,一个初始状态距离平衡更远的状态反而可能更快地趋于平衡。

原作者: Shuai Zeng

发布于 2026-09-21
📖 1 分钟阅读☕ 轻松阅读

原作者: Shuai Zeng

原始论文采用 CC BY 4.0 许可(https://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

在量子世界中,通往平衡的路径通常被认为是一场向着均匀化迈进的直接行军。当一个复杂的粒子系统发生演化时,科学家通常观察简单的平均值——例如总能量或平均自旋——来观察它是否已经趋于稳定。如果这些基本统计量在两个不同的系统之间相匹配,标准假设是这两个系统本身已经变得不可区分,并且正以相同的速度向最终状态弛豫。这一理念构成了我们对宇宙如何随时间抹平差异的理解的基础。然而,量子系统拥有一种被称为“量子魔力”(quantum magic)的隐藏复杂层,这是一个技术术语,指代一种特定的非经典行为,使系统能够用于高级计算。与简单的平均值不同,这种资源依赖于系统状态中复杂的、非线性的关系。研究人员一直以来的疑问是,一个系统是否可能在基于其简单统计量表现得完全稳定时,仍然保留着关于其初始状态的秘密记忆,特别是在这种量子魔力的弛豫方式方面。

一位研究人员现在已经证明,这不仅是可能的,而且可以用精确度极高的手段进行工程化设计。他们构建了一个场景,其中两个不同的量子系统在受到相同的随机变化作用后,仅经过一步过程,在通过前三个统计细节层面进行测量时,这两个系统就变得完全一致。对于任何检查这些基本属性的观察者来说,这两个系统是不可区分的。然而,更深层的观察揭示了它们并非真正相同。一个特定的第四级细节(它控制着量子魔力)仍然保持着差异。这种隐藏的差异充当了一种记忆,保留了通过简单测量所遗漏的初始状态信息。

该研究人员利用这种隐藏的记忆触发了一个令人惊讶的弛豫逆转。他们设置了两种特定的初始状态,其中一个初始状态距离共同的目标终点比另一个更远。在正常世界中,离目标近的那个在向目标移动的过程中会保持较近的距离。但在这种量子设定下,在抹除了两者在前三个统计层级差异的单次更新之后,情况发生了翻转。最初距离目标较远的那个系统,突然发现自己比最初较近的那个系统更接近目标。这种现象被称为姆潘巴效应(Mpemba effect),其名称源于经典物理学中一个反直觉的观察,即热水有时比冷水结冰更快。在这里,这种效应发生在量子资源的弛豫过程中,证明了通过标准测量无法看到的更高阶细节中所存储的信息,可以反转系统趋于稳定的顺序。

为了实现这一点,科学家使用了一组由三个量子比特(qubits)组成的微型群体,这些量子比特被约束以保持特定的总粒子数恒定。他们应用了一个随机过程,混合了两类操作:一种是高度结构化且离散的,另一种是完全随机且连续的。结构化部分被设计为在前三个统计信息层级上作为一个完美的过滤器,有效地抹除了两个初始状态之间的任何差异。然而,这个过滤器对于第四层级并不完美。它允许一种与量子态几何相关的特定模式得以存续。这种存续的模式正是关键所在。由于两个初始状态对于这个第四层级模式具有不同的值,随机过程推动它们向目标移动的有效速度也不同,从而导致原本落后的那个系统实现了超越。

这项研究证实,量子资源的弛豫并不严格取决于简单低阶统计量的弛豫。研究人员表明,即使两个系统在数学上在前三个统计矩上是相同的,它们在量子魔力方面的表现仍可能不同。他们证明了这种效应是稳健的,即使在初始状态发生轻微改变或随机过程被微调时依然存在。这种逆转是通过两种不同的量子魔力测量方式观察到的,两者都显示了相同的倒置现象。两个系统与目标的距离在最初三个统计细节层级上被计算为精确的零,而第四层级保留了一个可测量的差异,并决定了新的排序。

这项工作在标准测量能观测到的现象与量子资源更深层的现实之间建立了清晰的分隔。它表明,在量子领域,系统的“历史”可以以传统诊断无法察觉的方式进行编码。研究人员发现,这种隐藏的记忆足以完全逆转预期的弛豫时间线。这种效应并非瞬时的模拟伪影,而是从系统的数学结构中推导出的精确结果。通过识别出一个在混合过程中得以存续的特定四阶不变量,该团队提供了一个受控的环境,在此环境中,矩的顺序本身充当了衡量量子资源如何演化的尺度。这意味着,两个系统在标准观察者看来可能完全相同,却在走向最终状态的过程中遵循着完全不同的路径,其中起步较差的一个最终反而处于更好的位置。

这一发现的影响延伸到了我们如何理解复杂量子系统的平衡化。它挑战了“匹配低阶统计量足以预测系统未来行为”的假设。研究表明,统计矩的层级不仅仅是一个不断增加细节的阶梯,而是一系列不同的、信息可以存储并释放于不同时间的层级。研究人员证明,这种高阶记忆在低阶矩变得不可区分后,仍能保持动态活跃。这为看待量子动力学提供了一种新方式,即弛豫的时机取决于所观察的信息层级。研究结果是精确且解析受控的,为量子系统如何违背直觉地处理时间流逝和无序沉降提供了一个精确的范例。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →