論文の概要: Graph Symmetry Organizes Exceptional Dynamics in Open Quantum Systems
- arxiv url: http://arxiv.org/abs/2603.10654v1
- Date: Wed, 11 Mar 2026 11:14:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-12 16:22:32.911823
- Title: Graph Symmetry Organizes Exceptional Dynamics in Open Quantum Systems
- Title（参考訳）: オープン量子系における例外ダイナミクスを組織化するグラフ対称性
- Authors: Eric R. Bittner, Bhavay Tyagi, Kevin E. Bassler,
- Abstract要約: 完備Liouvillian 生成器から直接例外点を同定し特徴付けるための対称性分解アプローチを導入する。
さらに固有ベクトル条件に基づく数値診断(例外点強度$mathcalE$)を導入する。
より広範に、このフレームワークは複雑または高次元のオープンシステムにおいて隠された例外構造を体系的に発見することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Exceptional points (EPs), indicative of parity-time (PT) symmetry breaking, play a central role in non-Hermitian physics, yet most studies begin from deliberately engineered effective Hamiltonians whose parameters are tuned to exhibit exceptional behavior. In realistic open quantum systems, however, dynamics are governed by Lindblad superoperators whose spectral structure is high-dimensional, symmetry-constrained, and not obviously reducible to minimal non-Hermitian models. A general framework for discovering exceptional dynamics directly from microscopic dissipative models has been lacking. Here we introduce a symmetry-resolved approach for identifying and characterizing exceptional points directly from the full Liouvillian generator. Correlated dissipation induces graph symmetries that decompose Liouville space into low-dimensional invariant sectors, within which minimal non-Hermitian blocks govern the onset of EPs and PT-breaking behavior. We further introduce a numerical diagnostic - the exceptional-point strength $\mathcal{E}$ - based on eigenvector conditioning, which quantifies proximity to defective dynamics without requiring analytic reduction. Applied to tight-binding models with correlated dephasing and relaxation, the method reproduces analytically predicted exceptional seams and reveals universal scaling of $\mathcal{E}$ near EP manifolds. More broadly, the framework enables systematic discovery of hidden exceptional structure in complex or high-dimensional open systems and is naturally compatible with matrix-free and tensor-network implementations for scalable many-body applications.
- Abstract（参考訳）: 例外点(EP)はパリティ時間(PT)対称性の破れを示すもので、非エルミート物理学において中心的な役割を果たすが、ほとんどの研究は、例外的な振る舞いを示すためにパラメータを調整された故意に設計された実効ハミルトニアンから始まる。
しかし、現実的なオープン量子系では、力学はリンドブラッド超作用素によって支配され、スペクトル構造は高次元で対称性に制約され、最小限の非エルミートモデルに対して明らかに再現できない。
微視的散逸モデルから直接例外力学を発見するための一般的な枠組みは欠如している。
ここでは、完備なリウィリア生成子から直接例外点を同定し特徴付けるための対称性分解アプローチを導入する。
相関散逸は、リウヴィル空間を低次元不変セクターに分解するグラフ対称性を誘導する。
さらに, 固有ベクトル条件に基づく異常点強度$\mathcal{E}$という数値診断を導入する。
相関的な退化と緩和を伴う強結合モデルに適用すると、この手法は解析的に予測された例外的Seamを再現し、EP多様体近傍での$\mathcal{E}$の普遍的スケーリングを明らかにする。
より広範に、このフレームワークは複雑または高次元のオープンシステムにおいて隠れた例外構造を体系的に発見することができ、スケーラブルな多体アプリケーションのためのマトリックスフリーおよびテンソルネットワークの実装と自然に互換性がある。
関連論文リスト
- Random Dot Product Graphs as Dynamical Systems: Limitations and Opportunities [0.0]
ランダムドット製品グラフ内の時間ネットワークの進化を規定する微分方程式について検討する。
遅延位置における回転あいまいさからのゲージ自由度、確率行列の多様体構造からの実現可能性制約、スペクトル埋め込みによる軌道回復アーティファクトの3つの基本的な障害を同定する。
対称力学はスキュー対称ゲージ汚染を吸収できないので、力学構造は障害物を解消できる。
論文 参考訳（メタデータ） (2026-03-05T21:56:07Z) - KoopGen: Koopman Generator Networks for Representing and Predicting Dynamical Systems with Continuous Spectra [65.11254608352982]
生成元をベースとしたニューラル・クープマン・フレームワークを導入し,構造的かつ状態に依存したクープマン・ジェネレータの表現を通じて動的にモデル化する。
固有のカルテス分解をスキュー結合および自己結合成分に利用することにより、KoopGenは可逆的な散逸から保守的な輸送を分離する。
論文 参考訳（メタデータ） (2026-02-15T06:32:23Z) - Equivariant Neural Networks for Force-Field Models of Lattice Systems [0.0]
等変ニューラルネットワーク(ENN)に基づく対称性保存フレームワークを提案する。
本研究の目的は、格子モデルに固有の離散的な点群と内部対称性を、力場のニューラルネットワーク表現に直接組み込むことである。
結果として生じるML対応大規模力学シミュレーションは、対称性を破る位相のメソスケールの進化を忠実に捉えている。
論文 参考訳（メタデータ） (2026-01-07T17:09:04Z) - SIGMA: Scalable Spectral Insights for LLM Collapse [51.863164847253366]
SIGMA(Spectral Inequalities for Gram Matrix Analysis)は,モデル崩壊のための統一的なフレームワークである。
行列のスペクトル上の決定論的境界を導出するベンチマークを利用することで、SIGMAは表現空間の収縮を追跡するために数学的に基底化された計量を提供する。
我々は、SIGMAが状態への遷移を効果的に捉え、崩壊のメカニズムに関する理論的知見の両方を提供することを示した。
論文 参考訳（メタデータ） (2026-01-06T19:47:11Z) - Random-Matrix-Induced Simplicity Bias in Over-parameterized Variational Quantum Circuits [72.0643009153473]
本稿では,観測可能な期待値とパラメータ勾配の両方がシステムサイズに指数関数的に集中するHaar型普遍性クラスに,表現的変分アンサーゼが入ることを示す。
その結果、そのような回路によって誘導される仮説クラスは、近点関数の狭い族に高い確率で崩壊する。
テンソル-ネットワークベースおよびテンソル-ハイパーネットワークパラメータ化を含むテンソル構造VQCは、ハール型普遍性クラスの外にある。
論文 参考訳（メタデータ） (2026-01-05T08:04:33Z) - Intrinsic-Metric Physics-Informed Neural Networks (IM-PINN) for Reaction-Diffusion Dynamics on Complex Riemannian Manifolds [0.0]
本研究は,本質的物理インフォームドニューラルネットワーク(IM-PINN)を紹介する。
メッシュのない幾何学的深層学習フレームワークであり、連続パラメトリック領域において偏微分方程式を直接解く。
このフレームワークは、進化する表面上の生物学的パターンの形成をシミュレートするための、メモリ効率が高く、解像度に依存しないパラダイムを提供する。
論文 参考訳（メタデータ） (2025-12-26T12:41:05Z) - Biorthogonal Neural Network Approach to Two-Dimensional Non-Hermitian Systems [5.513161407069216]
非エルミート量子多体系は、豊富な物理現象を示す。
非エルミート皮膚効果と例外点は、既存の数値技術にはほとんどアクセスできない。
論文 参考訳（メタデータ） (2025-08-01T21:02:41Z) - Fragmented exceptional points and their bulk and edge realizations in lattice models [0.0]
分割された例外点(FEP)が2次元および3次元格子モデルのバルクスペクトルとエッジスペクトルにどのように誘導されるかを示す。
FEPのフリーデザインは、非エルミート物理学の新しいフロンティアを著しく開放する。
論文 参考訳（メタデータ） (2025-07-29T18:45:34Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳（メタデータ） (2023-04-08T07:55:36Z) - Equivariant Graph Mechanics Networks with Constraints [83.38709956935095]
本稿では,グラフ力学ネットワーク(GMN)を提案する。
GMNは、一般化された座標により、構造体の前方運動学情報(位置と速度)を表す。
大規模な実験は、予測精度、制約満足度、データ効率の観点から、最先端のGNNと比較してGMNの利点を支持する。
論文 参考訳（メタデータ） (2022-03-12T14:22:14Z) - Decimation technique for open quantum systems: a case study with
driven-dissipative bosonic chains [62.997667081978825]
量子系の外部自由度への不可避結合は、散逸(非単体)ダイナミクスをもたらす。
本稿では,グリーン関数の(散逸的な)格子計算に基づいて,これらのシステムに対処する手法を提案する。
本手法のパワーを,複雑性を増大させる駆動散逸型ボゾン鎖のいくつかの例で説明する。
論文 参考訳（メタデータ） (2022-02-15T19:00:09Z)
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。