味道依赖系统中的复杂度增长
高能物理 - 唯象学
2025-12-01 v1
摘要
在本工作中，我们研究了基于机器学习算法拟合lattice QCD 方程状态(EoS)和 baryon number 灵敏度数据的味道依赖Einstein-Maxwell-Dilaton(EMD)模型中的全息复杂度增长。在Complexity=Action(CA)猜想框架下，我们引入探针弦进入体积几何中，并评估其Nambu-Goto(NG)作用在Wheeler-DeWitt(WDW)块上的时间导数，作为复杂度增长的全息双面。我们的分析探讨了复杂度增长对弦速度、化学势、温度和味道数的依赖性。结果表明，稳定弦时复杂度增长最大，随弦速度而降低。在化学势为零时，纯胶质系统的复杂度增长最大，加入夸克味道后则降低。随着温度和化学势的增加，复杂度增长一致性地得到增强。此外，复杂度增长在对应于一次相变的区域呈现多值行为，而在交叉过程中呈现单值行为，这表明复杂度可作为相变的探针。
引用
@article{arxiv.2511.22799,
title = {Complexity Growth in Flavor-Dependent Systems},
author = {Wen-Bin Chang and Xun Chen and Defu Hou},
journal= {arXiv preprint arXiv:2511.22799},
year = {2025}
}