불규칙 양자 집합과 반무한 격자 동역학의 등가성
초록
본 논문은 확률 분포로 정의되는 무작위 파라미터를 갖는 양자 시스템들의 집합(불규칙 양자 집합)의 정확한 평균 동역학을, 동일한 확률 분포에 의해 결정되는 결합 상수들을 가진 단일 입자의 반무한 격자 모델에 일대일 매핑함으로써 구현한다. 정규 직교 다항식 기반의 기저 변환을 이용해 연속적인 확률 적분을 이산 격자 형태로 바꾸고, 이를 통해 평균화에 따른 탈코히런스 현상을 기하학적으로 해석한다. 선형 형태의 불규칙성을 갖는 경우는 최근접 이웃 결합만을 가진 1‑차원 체인으로 단순화되며, 예시로는 무작위 에너지 오프셋을 가진 단일 큐비트의 디페이징과 두 색소 사이의 디머 모델이 제시된다.
상세 분석
논문은 먼저 불규칙 양자 집합을 “각 실현 λ가 서로 독립이며, 확률 밀도 p(λ)로 가중된 무한히 많은 복제” 로 정의하고, 각 실현의 해밀토니안 ˆHλ=ˆH0+ˆVλ을 제시한다. 여기서 ˆH0는 λ에 무관한 고정 부분, ˆVλ은 λ에 선형 혹은 비선형으로 의존하는 교란 항이다. 평균 동역학은 ρ¯(t)=∫dλ p(λ) e^{-iˆHλt}|ψ0⟩⟨ψ0|e^{iˆHλt} 로 표현되며, 전통적인 수치적 샘플링은 고차원 λ공간에서의 적분 오차와 계산 비용을 초래한다.
핵심 아이디어는 확률 측도 p(λ)dλ에 대해 정규 직교 다항식 {ϕk(λ)}을 구성하고, |n,λ⟩=∑k p^{1/2}(λ)ϕk(λ)|n,k⟩ 로 새로운 이산 기저를 정의하는 것이다. 이 변환은 λ에 대한 연속 적분을 다항식 인덱스 K=(k1,…,kl) 로 라벨링된 반무한 격자 공간으로 바꾸며, 격자상의 각 노드가 하나의 다항식 차수를 나타낸다. 교란 항 f_{nm}(λ)는 다항식의 3‑항 재귀 관계 αk,βk에 의해 인접 노드 간 전이(최근접 결합)와 동일 노드 내 상호작용으로 전환된다. 따라서 ˆHEns는 ˆH0의 λ‑독립 부분이 각 노드에 동일하게 배치되고, 교란 항이 인접 노드 사이의 홉으로 나타나는 트리디아고날(또는 다차원) 격자 해밀토니안이 된다.
특히 교란이 선형 형태 f_{nm}(λ)=∑i c_i^{nm}λ_i 일 때, 재귀 계수 βk+1만이 비제로가 되므로 격자는 1‑차원 체인(또는 l 차원 직교 격자)으로 축소된다. 이때 격자 상의 홉 강도는 βk에 비례하고, 온사이트 에너지 이동은 αk에 의해 조정된다. 이러한 구조는 Lanczos 트라이디아고날화와 동일한 수학적 형태이며, 기존의 체인 매핑 기법을 확률적 평균에 일반화한 것으로 볼 수 있다.
구체적인 예로, 무작위 오프셋 λ을 갖는 두 레벨 큐비트( |0⟩,|1⟩ )의 집합을 고려한다. 초기 상태가 모든 실현에서 (|0⟩+|1⟩)/√2 로 동일하면, 변환 후 격자 초기 파동함수는 원점 노드에만 집중된다. 격자 시뮬레이션을 수행하면 ⟨σx⟩(t)와 같은 코히런스가 p(λ)의 특성함수 φ(t)=∫p(λ)e^{iλt}dλ 로 정확히 재현된다. 가우시안, 코시, 반원, 균등 분포에 대해 각각 감쇠, 진동, 리바이벌 현상이 관찰되며, 이는 특성함수의 복소수 진폭과 위상 구조에 직접 대응한다.
또 다른 예는 두 색소 사이의 전자 전달을 모델링한 디머 시스템이다. 각 색소의 에너지가 독립적인 가우시안 분포를 따를 때, 2‑차원(λ1,λ2) 다항식 인덱스가 5×무한 격자를 형성한다. 격자 차원을 절단하고 시간 전개를 수행한 뒤 격자 자유도를 트레이스하면, 색소 별 인구와 코히런스가 정확히 평균화된 형태로 얻어진다. 여기서도 격자 매핑은 전통적인 몬테카를로 샘플링보다 오차가 기계 정밀도 수준으로 낮으며, 특히 복잡한 상관 구조가 없는 경우에 효율적이다.
한계점으로는 교란 파라미터 수 l이 커질수록 격자 차원이 급격히 증가해 메모리와 연산량이 폭발한다는 점이다. 저자들은 이러한 경우에 샘플링이 여전히 유리하다고 인정한다. 또한, 비선형 교란이나 다중 변수 간 상관이 존재하면 인접 이웃을 넘어선 장거리 홉이 나타나며, 격자 해밀토니안이 희소성을 잃을 수 있다. 그럼에도 불구하고, 선형 교란이 물리학에서 가장 흔히 나타나는 상황임을 감안하면, 제안된 매핑은 많은 실험·이론 상황에 바로 적용 가능하다.
댓글 및 학술 토론
Loading comments...
의견 남기기