Krylov complexity of many-body localization: Operator localization in Krylov basis
Notice bibliographique
Résumé
We study the operator growth problem and its complexity in the many-body localization (MBL) system from the Lanczos algorithm perspective. Using the Krylov basis, the operator growth problem can be viewed as a single-particle hopping problem on a semi-infinite chain with the hopping amplitudes given by the Lanczos coefficients. We find that, in the MBL systems, the Lanczos coefficients scale as \sim n/\ln(n) <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" display="inline"> <mml:mrow> <mml:mo>∼</mml:mo> <mml:mi>n</mml:mi> <mml:mi>/</mml:mi> <mml:mo>ln</mml:mo> <mml:mo stretchy="false" form="prefix">(</mml:mo> <mml:mi>n</mml:mi> <mml:mo stretchy="false" form="postfix">)</mml:mo> </mml:mrow> </mml:math> asymptotically, same as in the ergodic systems, but with an additional even-odd alteration and an effective randomness. We use a simple linear extrapolation scheme as an attempt to extrapolate the Lanczos coefficients to the thermodynamic limit. With the original and extrapolated Lanczos coefficients, we study the properties of the emergent single-particle hopping problem via its spectral function, integrals of motion, Krylov complexity, wavefunction profile and return probability. Our numerical results of the above quantities suggest that the emergent single-particle hopping problem in the MBL system is localized when initialized on the first site. We also study the operator growth in the MBL phenomenological model, whose Lanczos coefficients also have an even-odd alteration, but approach constants asymptotically. The Krylov complexity grows linearly in time in this case.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».