纠缠Rényi负性的变化追踪:量子蒙特卡洛研究
计算机视觉与模式识别
2024-09-24 v2
摘要
纠缠熵通过量子蒙特卡洛(QMC)方法分析纯态中的相和临界性方面一直是一个强有力的工具。然而,与耗散系统、有限温度和分离区域相关的混合态纠缠,由于缺乏有效的数值方法,仍较少被探索。在这项工作中,我们在重加权-退火框架内提出了一种实用且易于实现的QMC方法,通过追踪纠缠Rényi负性(RN)沿给定参数路径的变化,实现对其的高效计算。该方法具有可扩展性、可并行性,非常适合高维和大规模模拟。我们将其应用于多种场景,包括一维和二维系统、基态和热态、二分和三分划分,不仅获得了底层共形场论的信息,还揭示了纠缠在量子与热相变中的作用。
关键词
引用
@article{arxiv.2409.10272,
title = {Performance of Human Annotators in Object Detection and Segmentation of Remotely Sensed Data},
author = {Roni Blushtein-Livnon and Tal Svoray and Michael Dorman},
journal= {arXiv preprint arXiv:2409.10272},
year = {2024}
}
备注
14 pages, 10 figures, 2 tables