[论文解读] Divergence of Lubkin's series for a quantum subsystem's mean entropy

Jacob P. Dyer|arXiv (Cornell University)|Jun 22, 2014

Quantum chaos and dynamical systems参考文献 3被引用 5

一句话总结

该论文证明了Lubkin针对量子子系统平均冯诺依曼熵的级数展开在系统维度 $ m > 2 $ 时发散，尽管该近似在渐近意义上是正确的。通过使用约化密度矩阵幂的平均迹的精确闭式表达式，作者表明该级数仅在 $ m \leq 2 $ 时收敛，从而否定了该级数在该极限之外作为可靠近似方法的有效性。

ABSTRACT

In 1978, Lubkin proposed a method of approximating the mean von Neumann entropy for a subsystem of a finite-dimensional quantum system in an overall pure state by expanding the entropy as a series in terms of the mean trace of powers of the system's reduced density operator, but the convergence of this series was never established. We find an exact closed form expression for the mean traces, which enables us to prove that the series converges if and only if the system's dimension $m\le2$, in spite of the fact that Lubkin's proposed approximation for the entropy is now known to be correct.

研究动机与目标

• 严格分析Lubkin关于量子子系统平均冯诺依曼熵的级数展开的收敛行为。
• 解决长期以来关于Lubkin级数是否收敛的争议，特别是当 $ m > 2 $ 时。
• 推导约化密度矩阵幂的平均迹的精确闭式表达式。
• 调和Lubkin级数发散与他的熵近似仍正确的表面矛盾。
• 确认Page关于平均熵的精确公式的有效性，并与Lubkin的近似进行比较。

提出的方法

• 利用对称函数理论和超几何恒等式，推导出 $ \langle \text{Tr}[(\hat{\rho}_m^{mn})^r] \rangle $ 的精确闭式表达式。
• 通过在Haar测度下约化密度矩阵的联合本征值分布应用矩法。
• 使用Vandermonde行列式和Dirac狄拉克函数，在积分中施加归一化和本征值约束。
• 评估平均迹项在 $ r \to \infty $ 时的渐近行为，以判断Lubkin级数的收敛性。
• 通过调和数的渐近展开，将发散级数与Page的精确公式 $ \langle S_{m,n} \rangle = \sum_{k=n+1}^{mn} \frac{1}{k} - \frac{m-1}{2n} $ 进行比较。
• 对Lubkin近似中的分母进行二项式展开，以比较其误差量级与精确公式的差异。

实验结果

研究问题

• RQ1 Lubkin关于平均冯诺依曼熵的级数展开是否对所有子系统维度 $ m $ 都收敛？
• RQ2 对于任意 $ r $，平均迹 $ \langle \text{Tr}[(\hat{\rho}_m^{mn} - \hat{\rho}_0)^r] \rangle $ 的精确解析形式是什么？
• RQ3 为何Lubkin的近似尽管其级数发散，却仍保持准确？
• RQ4 Lubkin近似中的误差项与Page精确公式中的误差项相比如何？
• RQ5 当 $ n \to \infty $ 时，平均熵的渐近行为是什么？该行为如何验证近似结果的正确性？

主要发现

• Lubkin关于平均熵的级数仅当子系统维度满足 $ m \leq 2 $ 时收敛；当 $ m > 2 $ 时绝对发散。
• 作者推导出 $ \langle \text{Tr}[(\hat{\rho}_m^{mn})^r] \rangle $ 的精确闭式表达式，适用于任意实数 $ r $，从而支持收敛性分析。
• 发散源于当 $ r \to \infty $ 时平均迹项的渐近增长，其呈阶乘增长，主导了交错级数。
• Page的精确公式 $ \langle S_{m,n} \rangle = \sum_{k=n+1}^{mn} \frac{1}{k} - \frac{m-1}{2n} $ 得到确认，并用于推导渐近近似 $ \langle S_{m,n} \rangle \simeq \ln m - \frac{m^2 - 1}{2mn} + \mathcal{O}(n^{-2}) $。
• Lubkin的近似 $ \langle S_{m,n} \rangle \simeq \ln m - \frac{m^2 - 1}{2mn + 2} $ 的误差为 $ \mathcal{O}(n^{-2}) $，约为最优近似的五倍。
• 最优近似中的误差在 $ m = n \to \infty $ 时趋于 $ \frac{1}{12} $，数值证据表明当 $ m = n = 100 $ 时最大误差趋近于 $ 0.083324 $。