論文の概要: Asymptotic Behavior of Random Time-Inhomogeneous Markovian Quantum Dynamics

• arxiv url: http://arxiv.org/abs/2509.08924v1
• Date: Wed, 10 Sep 2025 18:35:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-12 16:52:24.10489
• Title: Asymptotic Behavior of Random Time-Inhomogeneous Markovian Quantum Dynamics
• Title（参考訳）: ランダム時間-不均一マルコフ量子ダイナミクスの漸近挙動
• Authors: Lubashan Pathirana, Jeffrey Schenker,
• Abstract要約: ランダム環境における連続時間・時間不均質マルコフ量子力学について検討する。 正規化された進化は、ほぼ確実にフルランク状態の定常族に収束する。 収束は、疾患に依存する可能性のある指数的な速度で起こる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study the asymptotic behavior of continuous-time, time-inhomogeneous Markovian quantum dynamics in a stationary random environment. Under mild faithfulness and eventually positivity-improving assumptions, the normalized evolution converges almost surely to a stationary family of full-rank states, and the normalized propagators converge almost surely to a rank-one family determined by these states. Beyond a disorder-dependent threshold, these convergences occur at exponential rates that may depend on the disorder; when the environment is ergodic, the rate itself is deterministic. When the dynamical propagators display vanishing maximal temporal stochastic correlation, convergence in stochastic expectations for the above limits is faster than any power of the time separation, and improves to exponential rates when the dynamical propagators display stochastically independent increments. These expectation bounds yield disorder-uniform high-probability estimates. The framework does not require complete positivity or trace preservation and encompasses random Lindbladian evolutions and collision-model dynamics.
• Abstract（参考訳）: 定常ランダム環境における連続時間・時間不均質マルコフ量子力学の漸近挙動について検討する。 軽度忠実性と最終的に肯定的な仮定の下では、正規化された進化はほぼ確実にフルランク状態の定常族に収束し、正規化されたプロパゲータはこれらの状態によって決定されるランク1族にほぼ確実に収束する。 障害依存しきい値を超えると、これらの収束は、障害に依存する指数的な速度で起こり、環境がエルゴード的であれば、その速度そのものは決定論的である。 動力学的プロパゲータが最大時間的確率相関を消滅させると、上記の限界に対する確率的期待の収束は時間分離のどのパワーよりも速くなり、動力学的プロパゲータが確率的に独立なインクリメントを示すときの指数速度に改善する。 これらの予測は、障害-一様高確率推定をもたらす。 このフレームワークは完全な陽性やトレース保存を必要とせず、ランダムなリンドブラディアン進化と衝突モデル力学を含んでいる。

関連論文リスト

• Asymptotic Fate of Continuously Monitored Quantum Systems [0.0]
  量子軌道 (quantum trajectory) とは、連続的な間接的な測定によって外部の摂動を受ける量子系の自然な反応である。 個々の実現のレベルで自然に可逆な局所化遷移が起こり、そこでは、進化は全空間の既約成分の1つに効果的に制約される。 本報告では, 連続監視システムの挙動を, 多くのヒルベルト体の傷痕状態の安定化と局所測定によるベル状態の生成を例に示す。
  論文  参考訳（メタデータ） (2025-06-12T16:40:37Z)
• Transient Dynamics of the Quantum Stuart-Landau Oscillator [0.0]
  制限サイクルと同期を示す量子系の過渡ダイナミクスについて検討する。 システムはコヒーレントな状態から進化するので、古典的な振る舞いを特徴付ける。 いくつかのフォック、熱、コヒーレント状態の定常状態に到達するのに要する時間を定量化する。
  論文  参考訳（メタデータ） (2024-06-18T07:05:11Z)
• Dynamics of Pseudoentanglement [0.03320194947871346]
  量子絡み合いのダイナミクスは、孤立多体系における熱平衡の出現を説明する上で中心的な役割を果たす。 近年の研究では、多体状態のアンサンブルを記述する擬似絡み合いの概念が導入されている。 量子系の熱平衡を達成するためには、どの程度の絡み合いが必要か?
  論文  参考訳（メタデータ） (2024-03-14T17:54:27Z)
• Real-time dynamics of false vacuum decay [49.1574468325115]
  非対称二重井戸電位の準安定最小値における相対論的スカラー場の真空崩壊について検討した。 我々は,2粒子既約(2PI)量子実効作用の非摂動的枠組みを,Nの大規模展開において次から次へと誘導する順序で採用する。
  論文  参考訳（メタデータ） (2023-10-06T12:44:48Z)
• Defining stable phases of open quantum systems [0.0]
  標準セルオートマトンでは均一性が満足していることが示される。 チャネルが一様であること、従って安定性を示すのに十分な条件を推測する。
  論文  参考訳（メタデータ） (2023-08-28T17:55:31Z)
• Role of boundary conditions in the full counting statistics of topological defects after crossing a continuous phase transition [62.997667081978825]
  トポロジカル欠陥の統計学における境界条件の役割を解析する。 また, クイン数分布の累積は, クエンチ率に比例して普遍的なスケーリングを示すことを示した。
  論文  参考訳（メタデータ） (2022-07-08T09:55:05Z)
• Boosting the Confidence of Generalization for $L_2$-Stable Randomized Learning Algorithms [41.082982732100696]
  適切に設計されたサブバッグプロセスは、データとアルゴリズムの両方にほぼ28の指数関数的一般化バウンダリをもたらすことを示す。 さらに、自然減衰学習率を持つ凸問題や非重み付き問題に対する高確率一般化境界を改善するために、総合的な結果を導出する。
  論文  参考訳（メタデータ） (2022-06-08T12:14:01Z)
• Observation of Time-Crystalline Eigenstate Order on a Quantum Processor [80.17270167652622]
  量子体系は、その低温平衡状態において豊富な相構造を示す。 超伝導量子ビット上の固有状態秩序DTCを実験的に観測する。 結果は、現在の量子プロセッサ上での物質の非平衡相を研究するためのスケーラブルなアプローチを確立する。
  論文  参考訳（メタデータ） (2021-07-28T18:00:03Z)
• On the Sample Complexity and Metastability of Heavy-tailed Policy Search in Continuous Control [47.71156648737803]
  強化学習(Reinforcement learning)は、システムダイナミクスモデルなしで、時間をかけてインセンティブを順次明らかにする、インタラクティブな意思決定のためのフレームワークである。 定義された連鎖を特徴付け、テールインデックスのレヴィプロセスに関連するポリシーがより広いピークに収まることを識別する。
  論文  参考訳（メタデータ） (2021-06-15T20:12:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。