[논문 리뷰] Framed Wilson Operators on the Boundaries of Novel SPT Phases

Ryan Thorngren|arXiv (Cornell University)|2014. 04. 16.

Topological Materials and Phenomena참고 문헌 4인용 수 2

한 줄 요약

이 논문은 시간역전대칭을 가진 대칭보호(topological) 상태(SPT) 위상의 경계에서의 위상적 순서(topological order)를 코보르드 분류(cobordism classification)를 통해 조사한다. 여기서 입자와 줄기형 준입자(quasistring)의 뱀 twisting 통계가 스티펠-블룸 클래스(Stiefel-Whitney classes)에 의해 지배되며, 이는 최근 3+1차원에서 제안된 루프 뱀 twisting 통계의 프레임워크를 실현함을 밝힌다.

ABSTRACT

We study topological order on the boundary of Symmetry Pro-tected Topological Phases protected by time-reversal symmetry via the recent cobordism description of these theories. We find that the quasiparticle and quasistring excitations in these systems enjoy spe-cial braiding statistics and other properties which are determined by the behavior of certain Stiefel-Whitney classes. The statistics of qua-sistrings realize a recent description of loop braiding statistics in 3+1d. 1

연구 동기 및 목표

• 시간역전대칭 SPT 상의 경계에서 위상적 순서의 성격을 이해하는 것.
• 이 경계 이론에서 준입자 및 준입자 루프의 뱀 twisting 통계를 특성화하는 것.
• 스티펠-블룸 클래스가 이러한 준입자의 위상적 성질을 어떻게 지배하는지 규명하는 것.
• 경계에서의 진동자들이 최근 개발된 3+1차원에서의 루프 뱀 twisting 통계 프레임워크와 어떻게 연결되는지 밝히는 것.

제안 방법

• 시간역전대칭 시스템의 부스러기(topology)를 묘사하기 위해 SPT 위상의 코보르드 분류를 사용한다.
• 이 SPT 위상의 경계 이론을 분석하여 anyonic 및 루프 형태의 진동자를 식별한다.
• 특히 스티펠-블룸 클래스를 포함한 특성 클래스를 적용하여 준입자 루프의 뱀 twisting 통계를 분류하고 결정한다.
• 준입자 루프의 기댓값 통계를 3+1차원 위상장이론에서 최근 제안된 루프 뱀 twisting 통계의 형식론에 매핑한다.
• 확장된 진동자의 통계적 행동을 유도하기 위해 대수적 위상수학과 장이론 기법에 의존한다.

실험 결과

연구 질문

• RQ1 스티펠-블룸 클래스는 시간역전대칭 SPT 상의 경계에서 준입자 루프의 뱀 twisting 통계를 어떻게 결정하는가?
• RQ2 코보르드 분류는 이러한 경계에서의 위상적 순서를 이해하는 데 어떤 역할을 하는가?
• RQ3 이 시스템의 준입자 및 준입자 루프 진동자는 2+1차원에서의 전통적 anyon과 어떻게 다를까?
• RQ4 경계 진동자는 최근 제안된 3+1차원에서의 루프 뱀 twisting 통계를 어떻게 실현하는가?
• RQ5 이 SPT 경계 이론에서 확장된 진동자의 통계를 지배하는 위상적 불변량은 무엇인가?

주요 결과

• 시간역전대칭 SPT 상의 경계에서 준입자 루프의 뱀 twisting 통계는 기저 만델라의 스티펠-블룸 클래스에 의해 완전히 결정된다.
• 이 시스템의 준입자 루프는 최근 제안된 3+1차원에서의 루프 뱀 twisting 통계의 형식론을 실현한다.
• 시간역전대칭의 존재는 기하학적 특성 클래스에 의해 코딩된 비자명한 위상적 구조를 경계 이론에 유도한다.
• 준입자 진동자는 준입자 루프와 동일한 위상적 불변량에 의해 제약을 받는 뱀 twisting 통계를 나타낸다.
• 코보르드 분류는 가능한 경계 위상과 그 anyonic 구성요소를 식별하는 데 완전한 프레임워크를 제공한다.