一维量子多体物理中磁性与局域化系统研究

来源 :中国科学技术大学 | 被引量 : 0次 | 上传用户:ghosty
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
一维量子多体物理在凝聚态物理、冷原子物理、量子信息等领域发挥着重要的作用。起初,对一维系统的研究主要集中在理论上,但随着实验技术的进步,越来越多的实验平台,诸如超冷原子光晶格、离子阱、超导量子比特等体系,都实现了对维度受限系统的模拟。这使得一维量子多体物理也成为实验上的一个研究热点。量子多体物理问题一般都很难解析求解,因此人们发展了大量数值方法,例如量子蒙特卡罗(Quantum Monte Carlo,QMC)、数值重整化群(Numerical Renormalization Group,NRG)、密度矩阵重整化群(Density Matrix Renormalization Group,DMRG)、矩阵乘积态(Matrix Product State,MPS)、时间演化块消减(Time Evolving Block Decimation,TEBD)等算法。这使得人们亦可通过数值模拟来研究量子多体系统。近期,磁性、动力学和局域化作为量子多体系统的三个重要性质,在理论、数值和实验中得到了广泛地研究。这些性质的结合还产生了很多新奇的物理现象,例如动力学阻挫、动力学局域化、多体局域化离散时间晶体等。针对这些性质,本文主要通过理论和数值方法研究了三类量子多体系统,这包括量子磁性系统、周期性驱动系统和多体局域化系统。其中,量子磁性系统属于平衡态体系,而周期性驱动系统和多体局域化系统属于非平衡态体系。我们主要讨论了这三类系统中有关相变的问题。量子磁性系统具有一般意义上的量子相变,周期性驱动系统存在由驱动频率控制的转变,而多体局域化系统包含由系统的无序或准周期性诱导的相变。本论文的主要结论及创新点如下:1.将各向同性的Majumdar-Ghosh(MG)模型推广到了完全各向异性模型,得到了模型的基态相图,证明了各向异性参数下精确二聚体相的存在。在一维或准一维磁性材料中,存在大量化合物其基态为二聚体态。以往理论大多基于各向同性的J1-J2模型来理解这类材料,但真实材料难免存在各向异性。因此,在本文第三章我们将各向同性的MG模型推广到了完全各向异性模型。通过理论和数值计算,我们发现该各向异性模型存在精确的二聚体基态,并且证明了精确二聚体相的严格相边界。我们探讨了该模型在实验中对应的观测结果,表明该模型有望用于对二聚体基态材料的理论描述。由于各向异性的存在,使得该模型更符合真实材料。2.在周期性驱动的Bose-Hubbard模型中发现了类似二能级系统中的多频率共振现象,并观察到类似经典力学和单粒子系统中的进动和章动动力学行为。以往对周期性驱动系统的研究,大多集中于高频和低频这两种极端情形。对于驱动频率远高于系统能量尺度的高频情况,可用Floquet理论进行描述;对于驱动频率远低于系统能级间距的低频情况,利用绝热定理可很好理解。在第四章我们研究了周期性驱动的Bose-Hubbard模型的中等频率区间,发现当驱动频率ω是初始时刻系统基态与第一激发态能隙ΔE12的有理数倍时,即ω=β△E12(β=p/q,其中p和q互为质数且p>q),在合适的参数下波函数会周期性恢复到初始状态,且恢复周期与β有关。在这种情况下,允许我们将多体系统映射到单体系统,从而证实了多频率共振相的存在,且系统的动力学行为与进动和章动动力学一致。这个现象可在实验上通过周期性驱动的超冷原子光晶格来实现。3.利用Bethe拟设方法,建立了多体局域化与Anderson局域化之间的关系,表明多体局域化可看作是虚拟晶格中具有无限范围关联无序的无穷维Anderson局域化。Anderson局域化和多体局域化之间存在相似性,但也有着本质的不同。目前已有一些工作表明两者之间的联系,而本文从一个新的角度看待这一问题。在第五章我们利用Bethe拟设方法,表明多体局域化可看作是虚拟晶格中具有无限范围关联无序的无穷维Anderson局域化。利用理论和数值方法,通过对系统能级、波函数和动力学性质的研究,我们发现随着虚拟晶格维度的增加,系统缓慢地从Anderson局域化过渡到多体局域化,从而验证了这一物理图像的正确性。我们的研究结果为多体局域化的理解提供了新的视角,也为实验上探索这两种局域化之间的关系提供了理论基础。4.利用随机矩阵理论,研究了多体局域化系统的长程能级间距比和随机能级间距比的统计性质,得到了相应的概率密度函数的解析式。以往研究表明,可利用能谱的连续能级间距比的统计性质来刻画系统从遍历相到多体局域化相的转变。但在数值计算或实验中,如果我们只知道部分非连续能谱的信息,是否仍能判断系统的多体局域化转变?为此,在第六章我们提出了两种新的统计量:长程能级间距比和随机能级间距比。利用随机矩阵理论,我们通过合理的近似得到了这两个统计量的概率密度函数,并在数值上进行了验证。此外,我们具体计算了自旋1/2的一维无序系统,表明根据这两个统计量得到的临界无序强度和临界指数,与之前连续能级间距比给出的结果一致。因此,部分非连续能谱的信息仍可判断系统从遍历相到多体局域化相的转变。
其他文献
在特定的外部刺激下,具有变构功能的DNA分子器件可以在不同构象之间进行切换,改变其形状特征,重排空间构象甚至提升性能。近年来,适配体、三链体、G-四链体和i-motif等功能核酸已经成为刺激响应型DNA器件的变构元件,特别是它们对内源性ATP、pH和K+等刺激物特异性响应的特征使它们成为活细胞成像、细胞逻辑计算、药物靶向递送和分子医学等领域的强大工具。但利用DNA构建刺激响应型的分子器件仍有问题需
热固性树脂是一种可以实现三维交联并具有稳定分子网络结构的聚合物。热固性树脂具有优异的机械性能、突出的耐温性能和丰富的可加工特性等优点,因而在工业化生产过程中获得了广泛的应用。热固性树脂基多孔材料,简称热固性多孔材料,以其独特的孔道结构带来的新颖物理化学性质,在工业建筑、能源存储与转化、传感器和生物医疗等领域展现出了广阔的应用前景。伴随着高分子科学和纳米科学的迅速发展,各种热固性多孔材料不断涌现,造
超大规模神经元集群的结构重建与形态分析是脑科学领域里的重要研究课题,在计算神经生物学中有着广泛应用。神经元形态是神经元活动、神经可塑性和神经连通性的关键性决定因素,被认为与神经元的生理特性和神经功能密切相关。随着光学显微成像技术的发展,从超大规模脑图像中重建出超大规模神经元集群并对这些神经元形态数据进行分析,对于研究神经系统机理有着至关重要的作用,并对老年痴呆症和阿尔茨海默病等脑神经相关疾病的研究
卤化铅钙钛矿材料具有带隙连续可调、消光系数高以及缺陷容忍度高等优异性质。经过十余年的快速发展,以这种材料为核心的钙钛矿太阳能电池(Perovskite Solar Cells,PSCs)的实验室转换效率已经突破25%,部分性能指标可与传统硅基和薄膜光伏电池相媲美,极具发展潜力。现有卤化铅钙钛矿薄膜制备以低温液相合成为基础,这种工艺流程简单,但所制备的薄膜内部通常存在大量缺陷,导致薄膜内易发生离子迁
随着电磁波技术的应用和发展,人类生存空间的电磁环境日益恶化。微波吸收与屏蔽材料对避免电磁干扰、保护人员安全、提高设备可靠性、确保网络系统的安全畅通有重要意义。新型的三元层状过渡金属碳/氮化合物MAX相由于其独特的层状结构和键合特点使其兼具金属与陶瓷的优异性能,如较高的强度和模量,良好的导热与导电性、抗氧化、耐腐蚀、化学稳定性,以及可加工性等。作为一种新型的微波吸收与屏蔽材料有广阔的应用前景,并且已
远距离量子纠缠的分发是目前量子通信所面临的主要挑战之一,它的实现对构建全球化的量子网络来说至关重要。光子是我们最常用的编码量子信息的载体,但是光子在光纤中不可避免的损耗使得纠缠分发难以在数百公里以外的距离上实现。幸运的是,量子中继方案提供了一种在远距离节点之间建立纠缠的手段,为构建量子网络开辟了道路。其基本原理是:远距离的量子通信链路被切分成数个短距离的基本链路,首先建立基本链路内节点的纠缠,然后
杂环化合物,尤其是具有刚性骨架的含氮杂环化合物,广泛存在于天然产物及药物分子中,在生命科学、合成化学和材料科学等领域发挥着重要作用。因此,化学家们对杂环化合物的构筑给予了高度关注,并发展了多种合成方法。然而,这些方法仍存在着一定的局限性,因此开发高步骤经济性和高原子经济性的杂环化合物的合成方法具有重要的意义和价值。共轭二烯作为一类简单易得的有机合成原料,被广泛应用于过渡金属催化或有机小分子催化的环
出于临床医学上一些重要疾病指征的精确测量需求,医学超声快速成像技术得益于其高效的成像速度,相关研究得到了有效推进,在该过程中也进一步提高了对超声快速成像质量的要求,主要集中在近场的图像分辨率及成像算法带来的伪影优化等方面,其根本原因在于超声阵列式换能器的结构带来的实际声场与理论声场的误差。为了从根源上对超声快速成像质量有所改善,本论文从超声探头设计与成像应用角度入手,主要开展了以下工作:一、提出了
近年来,高能量密度的锂离子电池发生了许多火灾和爆炸事故,引发了全社会对其安全性的广泛关注。隔膜是锂离子电池中的重要组成部分,对于保证锂离子电池安全高效运行具有重要意义。目前,聚烯烃隔膜因其卓越的机械性能和低廉的价格占据了隔膜产业大部分的市场份额。但聚烯烃隔膜电解质润湿性不佳、热稳定性差,在锂离子电池受热时可能导致电池内短路,甚至导致热失控(TR)事故。因此,锂离子电池的安全需求对隔膜的热稳定性提出
受摩尔定律的影响,计算机系统的存储和计算能力在过去几十年里经历了跨越式的提升,从而为大数据和人工智能的发展提供了肥沃的土壤。特别是近年来,神经网络的快速发展及其在计算机视觉、自然语言处理、社交网络、知识图谱等领域的成功应用,真正推动了人工智能时代的繁荣,使人类的生产生活变得愈加高效便捷。随着神经网络的应用领域愈发广阔,神经网络模型变得越来越庞杂,处理的数据类型也从欧几里得图像和视频数据向非欧几里得