簇动力学保持快速直至临界点
量子物理
2026-05-11 v1
摘要
簇蒙特卡洛算法被广泛认为是克服晶格自旋系统临界减缓最有效的方法,但这种加速在空位及多临界波动的存在下是否持续尚未确定。我们通过对二维Blume-Capel模型进行系统动力学尺度研究,探讨混合簇-局域更新方案的性能。该模型表现为类似Ising转变的连续相变线,终点为临界点。在整个临界线上,混合动力学保持纯簇更新的近最优效率,尽管存在熟化空位。令人惊讶的是,临界点处该加速精确崩溃,动力学临界指数回归至局域更新值。我们将这种崩溃归因于空位的相关瓦斯 percolation,其新生的系统跨越几何结构阻碍了自旋子域的非局域松弛。我们的结果识别出簇加速在临界点的根本几何限制,并确定空位瓦斯为混合蒙特卡洛动力学决定动力学普适性的机制。
关键词
引用
@article{arxiv.2605.07866,
title = {Hybrid Quantum-Classical Logistic Regression for Calibrated Classification of Pulsar Candidates},
author = {Chanelle Matadah Manfouo and Donovan Slabbert and Prince Koree Osei and Francesco Petruccione},
journal= {arXiv preprint arXiv:2605.07866},
year = {2026}
}
备注
16 pages, 7 figures, 5 tables