論文の概要: Quenched properties of the Spectral Form Factor

• arxiv url: http://arxiv.org/abs/2509.14406v2
• Date: Mon, 29 Sep 2025 17:26:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 14:13:47.535848
• Title: Quenched properties of the Spectral Form Factor
• Title（参考訳）: スペクトル形状因子の焼成特性
• Authors: Dimitrios Charamis, Manas Kulkarni, Jorge Kurchan, Laura Foini,
• Abstract要約: ヘミチアンおよび非ヘミチアンランダム行列に対する焼成SFFの特性を計算した。 log MathrmSFF$のゆらぎは深く、分割関数の0に近づくと1つの薄いスパイクになる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Spectral Form Factor (SFF) is defined as the modulus squared of the partition function in complex temperature for hermitian matrices and a suitable generalisation has been given in the non hermitian case. In this work we compute the properties of the quenched SFF for hermitian and non hermitian random matrices. Despite the fact that the (annealed) SFF is not self-averaging the quenched SFF is self-averaging but these two averages coincide up to subleading constants (at least for high enough temperatures). The fluctuations of $\log \mathrm{SFF}$ are deep and one encounters thin spikes when moving close to a zero of the partition function. We study the partition function at late times by considering a suitable change of variable which turns out to be compatible with a Gumbel distribution. We note that the exponential tails of this distribution can be obtained by the deep spikes in the $\log \mathrm{SFF}$, namely the zeros of the partition function. We compare with the results obtained in isolated many-body systems and we show that same results hold at late times also for non-hermitian Hamiltonains and non-hermitian random matrices.
• Abstract（参考訳）: スペクトル形状因子 (SFF) は, ヘミチアン行列の複素温度における分配関数のモジュラードとして定義され, 非エルミチアンの場合, 適切な一般化がなされている。 本研究では、エルミートおよび非エルミートランダム行列に対する焼成SFFの特性を計算する。 焼成された)SFFが自己解離していないにもかかわらず、焼成されたSFFは自己解離するが、これらの2つの平均は(少なくとも十分高い温度では)昇華定数に一致する。 $\log \mathrm{SFF}$ の揺らぎは深く、分割関数の零点に近づくと薄いスパイクに遭遇する。 本稿では,Gumbel分布に適合する変数の適切な変化を考慮し,近年の分割関数について検討する。 この分布の指数的尾は、$\log \mathrm{SFF}$の深いスパイク、すなわち分割関数の零点によって得られることに注意する。 我々は、孤立多体系で得られた結果と比較し、非エルミートハミルトン系や非ヘルミートランダム行列に対しても、遅くとも同じ結果が得られることを示した。

関連論文リスト

• Exact spectral form factors of non-interacting fermions with Dyson statistics [0.0]
  スペクトル形成因子(SFF)は、量子多体系におけるランダム行列の振る舞いの強力な診断である。 SFFをテキストテクスチャ的に計算できるランダム回路アンサンブルのファミリーを導入する。 我々は、回路アンサンブルの整合回路表現を開発し、量子シミュレータにおける実験的な実現を可能にした。
  論文  参考訳（メタデータ） (2024-10-10T18:00:00Z)
• Single-Particle Universality of the Many-Body Spectral Form Factor [0.0]
  我々は、非相互作用ユニタリ回路と相関するオンサイトポテンシャルによって進化したフェルミオンの系を考える。 これらのポテンシャルが円ランダム行列アンサンブルの固有値分布から引き出されるとき、単一粒子セクターはカオス力学を示す。
  論文  参考訳（メタデータ） (2024-10-09T18:00:00Z)
• Exact dynamics of quantum dissipative $XX$ models: Wannier-Stark localization in the fragmented operator space [49.1574468325115]
  振動と非振動崩壊を分離する臨界散逸強度において例外的な点が見つかる。 また、演算子部分空間全体の単一減衰モードにつながる異なるタイプの散逸についても記述する。
  論文  参考訳（メタデータ） (2024-05-27T16:11:39Z)
• Nearly $d$-Linear Convergence Bounds for Diffusion Models via Stochastic Localization [40.808942894229325]
  データ次元において線形である第1収束境界を提供する。 拡散モデルは任意の分布を近似するために少なくとも$tilde O(fracd log2(1/delta)varepsilon2)$ stepsを必要とすることを示す。
  論文  参考訳（メタデータ） (2023-08-07T16:01:14Z)
• Unified Fourier-based Kernel and Nonlinearity Design for Equivariant Networks on Homogeneous Spaces [52.424621227687894]
  等質空間上の群同変ネットワークに対する統一的枠組みを導入する。 昇降した特徴場のフーリエ係数の空間性を利用する。 安定化部分群におけるフーリエ係数としての特徴を取り扱う他の方法が、我々のアクティベーションの特別な場合であることを示す。
  論文  参考訳（メタデータ） (2022-06-16T17:59:01Z)
• Agnostic Learning of Halfspaces with Gradient Descent via Soft Margins [92.7662890047311]
  勾配降下は、分類誤差$tilde O(mathsfOPT1/2) + varepsilon$ in $mathrmpoly(d,1/varepsilon)$ time and sample complexity.
  論文  参考訳（メタデータ） (2020-10-01T16:48:33Z)
• A Random Matrix Analysis of Random Fourier Features: Beyond the Gaussian Kernel, a Precise Phase Transition, and the Corresponding Double Descent [85.77233010209368]
  本稿では、データサンプルの数が$n$である現実的な環境で、ランダムフーリエ(RFF)回帰の正確さを特徴付けます。 この分析はまた、大きな$n,p,N$のトレーニングとテスト回帰エラーの正確な推定も提供する。
  論文  参考訳（メタデータ） (2020-06-09T02:05:40Z)
• Debiased Sinkhorn barycenters [110.79706180350507]
  最適輸送(OT)におけるエントロピー正則化(Entropy regularization)は、機械学習におけるWassersteinメトリクスやバリセンタに対する近年の関心の原動力となっている。 このバイアスがエントロピー正則化器を定義する基準測度とどのように密接に関連しているかを示す。 両世界の長所を保ち、エントロピーを滑らかにしないシンクホーン様の高速な反復をデバイアスド・ワッサースタインのバリセンタとして提案する。
  論文  参考訳（メタデータ） (2020-06-03T23:06:02Z)
• Fast Convergence for Langevin Diffusion with Manifold Structure [32.494158429289584]
  値と問合せが可能な関数 f に対して、p(x) 形式のプロット e-beta fx) の分布からサンプリングする問題に対処する。 我々の研究は、パラメータの空間に高い完成度がある場合、どのようにして同じ出力を生成するかを理解するための重要な第一歩である、と我々は主張する。
  論文  参考訳（メタデータ） (2020-02-13T15:49:04Z)

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。