[论文解读] Boundary RG Flows of N=2 Minimal Models

Kentaro Hori|ArXiv.org|Jan 21, 2004

Advanced Neuroimaging Techniques and Applications参考文献 49被引用 18

一句话总结

本文利用具有B型D-brane的Landau-Ginzburg（LG）模型，研究了N=2极小模型中的边界重整化群（RG）流。提出了一种代数矩阵形变机制，识别出驱动RG流的算符，并证明B-D-brane电荷晶格为ℤ_{k+2}，同时通过镜像对称性和相同的矩阵形式，重现了已知的A-D-brane晶格ℤ^{k+1}。

ABSTRACT

We study boundary renormalization group flows of N=2 minimal models using Landau-Ginzburg description of B-type. A simple algebraic relation of matrices is relevant. We determine the pattern of the flows and identify the operators that generate them. As an application, we show that the charge lattice of B-branes in the level k minimal model is Z_{k+2}. We also reproduce the fact that the charge lattice for the A-branes is Z^{k+1}, applying the B-brane analysis on the mirror LG orbifold.

研究动机与目标

• 通过Landau-Ginzburg模型中的B-D-brane，系统描述N=2极小模型中的边界RG流。
• 在B型LG框架下，识别出生成边界RG流的具体算符。
• 确定在k级N=2极小模型中B-D-brane的D-brane电荷晶格结构。
• 通过镜像对称性与镜像LG轨道上的B-D-brane形式，重现已知的A-D-brane电荷晶格ℤ^{k+1}。

提出的方法

• 使用超势W = X^{k+2}及其形变的N=2极小模型的Landau-Ginzburg描述。
• 应用Kontsevich的因式分解方法处理B-D-brane，通过超势的矩阵因式分解表示D-brane。
• 引入涉及旋转矩阵与对角矩阵的连续矩阵形变M_t，导致流(A ⊕ B) ⇒ (AB ⊕ 1)。
• 从矩阵形变的无穷小形式推导出微扰算符，将其与打破U(1) R-对称性的相关算符联系起来。
• 利用极小模型与其ℤ_{k+2}-轨道之间的镜像对称性，关联A-D-brane与B-D-brane的电荷晶格。
• 将矩阵流机制应用于镜像LG轨道，重现A-D-brane电荷晶格ℤ^{k+1}。

实验结果

研究问题

• RQ1 当通过Landau-Ginzburg模型中的B-D-brane描述时，N=2极小模型中边界RG流的代数结构是什么？
• RQ2 在B型LG框架下，哪些具体算符生成边界RG流？
• RQ3 在k级N=2极小模型中，B-D-brane的D-brane电荷晶格结构是什么？
• RQ4 如何通过镜像LG轨道上的B-D-brane形式，推导出已知的A-D-brane电荷晶格ℤ^{k+1}？
• RQ5 矩阵因式分解与连续形变在实现边界RG流中的D-brane重组与快子凝聚过程中起什么作用？

主要发现

• 边界RG流由形如M_t = (A ⊕ 1) R(t) (1 ⊕ B) R(t)^T的矩阵形变控制，该形变生成流(A ⊕ B) ⇒ (AB ⊕ 1)。
• 生成该流的算符被识别为与矩阵(0 ⊕ -AB; 1 ⊕ 0)成比例的微扰算符，该算符打破U(1) R-对称性。
• 在k级极小模型中，B-D-brane的电荷晶格被确定为ℤ_{k+2}，即阶为k+2的有限阿贝尔群。
• 通过将B-D-brane矩阵流机制应用于镜像ℤ_{k+2}-轨道LG模型，重现了A-D-brane电荷晶格ℤ^{k+1}。
• 两个B-D-brane流变为单个B-D-brane（或两个的和）的过程，通过连续形变实现，该形变重组了Chan-Paton因子。
• 证明了有效形变存在的条件，等价于镜像A-D-brane重组过程中D-brane射线的匹配。