在吸引冷玻色子中寻找具有增强记忆容量的临界态

我们讨论了一类由于涌现的无能隙自由度而表现出急剧增加的记忆存储容量的量子理论。它们的实现，无论在理论上还是实验上，都引起了极大的兴趣。一方面，这类系统是出于量子信息视角的动机。另一方面，它们可以为模拟具有增强模式存储容量的系统（如黑洞和神经网络）提供一个框架。在本文中，我们开发了一种分析方法，使我们能够在具有弱吸引相互作用的通用冷玻色子系统中找到具有增强存储能力的临界态。当某些模式的占据数 $N$ 达到临界水平时，记忆容量的增强便会出现。这些模式通过负能量耦合，协助其他模式成为有效无能隙的。这导致了由近无能隙模式的占据数标记的简并微态。在大 $N$ 极限下，它们变得完全无能隙，且其退相干时间发散。通过这种方式，系统成为量子信息的理想存储器。我们在包含于具有 Dirichlet 边界条件的一维盒子中的 $N$ 个吸引冷玻色子原型模型上展示了我们的方法。尽管我们仅限于截断系统，但我们观察到了具有增强记忆容量临界点的丰富量子相结构。