多体局域化的记忆层次结构：模拟热力学极限

局域记忆——从子系统提取其初始状态信息的能力——是多体局域化的核心特征。我们引入、研究并比较了几种记忆的信息论量化方法，并发现了它们之间的层次关系。我们还发现，虽然Holevo量是记忆最完整的量化指标，其表现远超不平衡度，但其退相干对应项在捕捉小系统尺寸下多体局域化转变的临界性质方面显著更优。这促使我们建议，可以通过人为退相干原本量子化的量来模拟热力学极限。将该方法应用于冯·诺依曼熵，得到的临界指数与解析预测一致，这是类似小有限尺寸系统处理中所缺失的特征。此外，退相干过程通过避免量子态层析而显著简化了实验。