基于频率急剧变化的捕获型玻色气体中动态生成的关联
机器学习
2025-09-03 v1
摘要
我们研究了N个非相互作用玻色子在谐振阱中受到重复量子急剧变化的系统，其中阱频率在从指数分布中抽取的随机时间间隔后切换为另一个值。每个周期包含两个步骤：(i)改变阱频率以实现受Hamiltonian约束的单位演化，(ii)在随机时刻重新应用原始阱以将气体冷却回初始状态。该协议有效地将其转化为开放量子系统并将其驱动进入唯一的非平衡稳态（NESS）。我们对NESS进行解析和数值分析，发现位置联合概率密度函数（JPDF）中存在条件独立且同分布（CIID）结构。CIID结构中的JPDF是具有公共随机方差的高斯乘积，然后根据其分布进行平均，使得JPDF不可因子化，产生远距涌现动力学关联。气体的平均密度轮廓显示与初始高斯形状显著偏离。我们进一步计算序统计和间隙统计，揭示了在总体和边缘区域中都存在普遍尺度。我们还分析了全计数统计，暴露了丰富的参数依赖结构。我们的结果表明，随机急剧变化如何在量子许多体系统中生成非平凡关联。
引用
@article{arxiv.2509.00488,
title = {Localizing and Mitigating Memorization in Image Autoregressive Models},
author = {Aditya Kasliwal and Franziska Boenisch and Adam Dziedzic},
journal= {arXiv preprint arXiv:2509.00488},
year = {2025}
}
备注
Accepted at ICML 2025 Workshop on the Impact of Memorization on Trustworthy Foundation Models