量子自旋网络对攻击的响应

我们研究了定义在网络上的自旋模型的基态，这些网络是我们印制的（例如非复杂随机网络如 Erdos-Renyi 或复杂网络如 Watts-Strogatz 和 Barabasi-Albert），以及它们对我们用网络攻击建模的退相干过程的响应。我们通过计算涌现网络的网络度量分布来量化这些基态的复杂性及其对攻击的响应，该涌现网络的链路权重是自旋间的两两互信息。我们聚焦于投影测量自旋的攻击。我们发现基态中的涌现网络不满足复杂性的通常准则，其平均性质可由哈密顿量中的一个无量纲参数很好地刻画。虽然经典网络对攻击的响应已被充分研究，其中已知经典复杂网络比随机网络对随机攻击更具鲁棒性，但我们发现了量子网络的反直觉结果。我们发现定义在不同类别印制网络上的哈密顿量的基态对我们所有攻击的响应相似，并且攻击将涌现网络的平均性质按常数因子重新标度。平均场理论解释了相对稠密网络的这些结果，但我们也发现了超出平均场理论有效 regime 的简单重标度行为。我们的计算表明，复杂自旋网络并不比非复杂自旋网络对投影测量攻击（以及推测也对其他量子攻击）更具鲁棒性，这与经典情形相反。理解自旋网络对退相干和攻击的响应将在理解开放量子系统物理和设计鲁棒的复杂量子系统（长远来看甚至可能是最大抵抗退相干的鲁棒量子互联网）方面具有应用。