R‑파라입자 SYK2 모델의 스펙트럼 형식 인자와 무작위 행렬 결합에 관한 전반적 고찰

초록

본 논문은 R‑파라입자 SYK2 모델에 Gaussian(GUE, GOE, GSE) 및 Circular(CUE, COE, CSE) 무작위 행렬을 결합했을 때의 스펙트럼 형식 인자(SFF)를 분석한다. GUE와 CUE 사이에 𝒦_GUE(2t)≈𝒦_CUE(t) 이라는 정확한 시간 스케일링 관계를 증명하고, GSE‑CSE에서도 유사한 현상을 관측한다. GOE와 COE에 대해서는 계산 방법을 제시하나 상세 수치는 제공하지 않는다. 주요 방법으로는 대규모 N 한계에서의 클러스터 함수 접근과 코히런트 상태 전개를 활용했으며, 수치 시뮬레이션으로 분석 결과를 검증하였다.

상세 분석

본 연구는 기존의 SYK2 모델을 R‑파라입자(즉, R‑matrix에 의해 정의된 일반화된 교환 통계)로 확장하고, 그 Hamiltonian의 무작위 결합을 네 종류의 Gaussian ensemble(GUE, GOE, GSE)와 세 종류의 Circular ensemble(CUE, COE, CSE)로 다양화하였다. 핵심 물리량인 스펙트럼 형식 인자(SFF) 𝒦(t)=⟨|Z(β+it)|²⟩/⟨Z(β)⟩² 를 대규모 N(→∞)에서 분석한다.

1. 모델 정의와 파티클 통계

   • R‑파라입자 연산자 ψ⁺{i,a}, ψ⁻{i,a}는 4‑인덱스 텐서 R_{ab}^{cd}에 의해 교환 관계를 정의한다. R‑matrix는 Yang‑Baxter 방정식을 만족하며, 특수 경우 R=±δ는 보존·페르미 통계에 해당한다.
   • Hamiltonian H=m∑{i,j,a}(h{ij}−μδ_{ij})ψ⁺{i,a}ψ⁻{j,a} 로, h_{ij}는 선택된 무작위 행렬 ensemble에서 추출된 Hermitian(또는 unitary) 행렬이다. 대각화 후 H는 자유 입자 형태 H=∑_i(ε_i−μ)n_i 로 변환된다.

2. 스펙트럼 형식 인자와 d_n

   • 각 n‑입자 레벨의 퇴화도 d_n 은 R‑matrix에 의해 결정되며, 단일 모드 파티션 함수 z_R(x)=∑_{n=0}^∞ d_n x^n 로 요약된다. 예시 A(1+mx)와 예시 B(1+mx+x²) 두 형태를 집중 분석한다.
   • SFF는 d_n 과 ε_i 의 조합으로 정의된 다중 적분 형태로 전개되며, 평균 ⟨·⟩ 은 행렬 고유값들의 joint probability density P_b(ε₁,…,ε_N) (b=1,2,4) 로 수행된다.

3. 분석 방법

   • Coherent‑state 접근: Δ_b^N(ε) 를 다항식 전개 후 행렬 α 를 구성하고, α 의 고유값을 무한 차원 연산자 Ō의 스펙트럼으로 근사한다. GUE와 GSE에 대해서는 조화 진동자 기반 코히런트 상태를 사용해 α 의 특이값을 정확히 구할 수 있다. 이 방법은 초기 시간(0<t≲O(1))과 장기 plateau(t≫N)에서 정확하지만, 1≪t≪N 구간의 “ramp”를 재현하지 못한다는 한계가 있다.
   • Cluster‑function 접근: 행렬 고유값들의 n‑점 상관 함수 R_n(ε₁,…,ε_n) 를 커널 K(ε_i,ε_j) 의 행렬식으로 표현한다. GUE의 경우 sine kernel 를 사용하고, 대규모 N 한계에서 T_n(ε₁,…,ε_n) 를 정의해 exp