[论文解读] Classification of modular data up to rank 12

Siu‐Hung Ng, Eric C. Rowell+1 more|arXiv (Cornell University)|Aug 18, 2023

Personal Information Management and User BehaviorDecision Sciences被引用 3

一句话总结

该论文使用 GAP 中的计算代数方法对秩至 12 的模数据进行了分类，将先前至秩 6 的分类结果扩展至秩 12。它识别出所有已知的秩至 12 的模张量范畴，其中在秩 11 和 12 处存在少数尚未确认实现的潜在幺正模数据，推测其可能源自近群范畴的中心或对称性的规范化。

ABSTRACT

We use the computer algebra system GAP to classify modular data up to rank 12. This extends the previously obtained classification of modular data up to rank 6. Our classification includes all the modular data from modular tensor categories up to rank 12, with a few possible exceptions at rank 12 and levels $5,7$ and $14$. Those exceptions are eliminated up to a certain bound by an extensive finite search in place of required infinite search. Our list contains a few potential unitary modular data which are not known to correspond to any unitary modular tensor categories (such as those from Kac-Moody algebra, twisted quantum doubles of finite group, as well as their Abelian anyon condensations). It remains to be shown if those potential modular data can be realized by modular tensor categories or not. We provide some evidence that all may be constructed from centers of near-group categories or gauging group symmetries of known modular tensor categories, with the exception of a total of five cases at rank 11 (with $D^2 =1964.590$) and 12 (with $D^2 =3926.660$). The classification of modular data corresponds to a classification of modular tensor categories (up to modular isotopes which are not expected to be present at low ranks). The classification of modular tensor categories leads to a classification of gapped quantum phases of matter in 2-dimensional space for bosonic lattice systems with no symmetry, as well as a classification of generalized symmetries in 1-dimensional space.

研究动机与目标

• 将模数据的分类从秩 6 扩展至秩 12，提供一份完整的幺正模数据列表。
• 识别并分析尚未由已知模张量范畴实现的潜在幺正模数据。
• 通过中心构造近群范畴和对称性规范化等方法，探究奇异模数据的起源。
• 提供一份完整的秩至 12 的模数据列表，包含伽罗瓦轨道和实现方式，用于分类二维有能隙量子物相和广义对称性。
• 通过有限计算边界解决秩 12 时的开放情况（对应水平数为 5、7 和 14），避免无限搜索。

提出的方法

• 利用计算机代数系统 GAP 系统性地枚举并分类秩至 12 的模数据。
• 通过 SL2(Z) 表示生成候选模数据，重点关注模 S 和 T 矩阵的和表示与积表示。
• 应用弗罗贝尼乌斯-施劳夫利指标、整数性条件和范数条件对候选解进行筛选。
• 采用广义埃及分数方法，在整数与互逆对约束下求解 S 矩阵中的元素。
• 实施有界搜索策略以消除无限搜索路径，尤其针对秩 12 中可能存在例外的情况。
• 通过对称性和特征空间分解减少变量数量，特别是在 T 矩阵的 2–5 维特征空间中。

实验结果

研究问题

• RQ1 哪些秩至 12 的模数据可实现为幺正模张量范畴？
• RQ2 尚未与已知构造（如量子双和 Kac-Moody 代数）关联的潜在模数据的起源是什么？
• RQ3 秩 11 和 12 的所有模数据是否均可通过近群范畴的中心或已知范畴的规范化来解释？
• RQ4 如何通过有限计算边界替代高秩模数据分类中的无限搜索？
• RQ5 伽罗瓦轨道和对称结构（symTOs）在平凡 Witt 类中模数据分类中的作用是什么？

主要发现

• 该分类包含了所有已知的秩至 12 的模张量范畴，仅在秩 11 和 12 处存在五个潜在例外，其实现尚未确认。
• 在秩 12 时，识别出五种情况（D² = 1964.590 和 D² = 3926.660）可能为奇异模数据，尚未能通过已知构造实现。
• 秩 12 共列出 221 个幺正模数据，包括 33 个素数类型，其中 18 个阿贝尔类型，203 个非阿贝尔类型。
• 该列表在秩 12 共包含 157 个完整模数据，其中 93 个为幺正类型，并包含详细的伽罗瓦轨道结构。
• 在秩 11 时识别出五个情况（D² = 1964.590），在秩 12 时识别出五个情况（D² = 3926.660），均为尚未由已知模张量范畴实现的潜在候选。
• 证据表明，秩 11 和 12 中除五个情况外的所有模数据均可通过近群范畴的中心或已知范畴的规范化构造，且在低秩中未发现已知异常。