Skip to main content
QUICK REVIEW

[论文解读] Direct Scaling Analysis of localization in disordered systems. II. Multi-particle lattice systems

Victor Chulaevsky|arXiv (Cornell University)|Jun 11, 2011
Spectral Theory in Mathematical Physics参考文献 17被引用 11
一句话总结

本论文提出了一种简化的直接标度方法,用于处理具有强混合随机势和一般衰减相互作用的无序格点系统中的多粒子局域化问题。通过结合改进的本征值集中界与简化的多尺度分析(MSA),该研究建立了具有更优衰减速率的指数动力局域化,突破了以往对独立同分布(IID)势和有限范围相互作用的假设限制。

ABSTRACT

We adapt a simplified version of the Multi-Scale Analysis presented in \cite{C11} to multi-particle tight-binding Anderson models. Combined with a recent eigenvalue concentration bound for multi-particle systems \cite{C10}, the new method leads to a simple proof of the multi-particle dynamical localization with more optimal decay bounds on eigenfunctions than in \cite{CS09b,AW09a,AW09b}, for a large class of strongly mixing random potentials. All earlier results required the random potential to be IID. We also extend the result on multi-particle localization to models with a rapidly decaying interaction.

研究动机与目标

  • 开发一种简化且更高效的标度程序,用于证明在超越独立同分布(IID)势假设条件下的多粒子局域化。
  • 将多粒子动力局域化的适用范围扩展至具有强混合随机势和快速衰减相互作用的系统。
  • 相较于早期工作,改进本征函数的衰减速率,尤其针对非IID和无限范围相互作用模型。
  • 通过将单粒子方法适配至多粒子情形,简化多尺度分析(MSA),降低技术复杂度。
  • 在费米子子空间中建立局域化,采用配置空间中的对称化范数-距离,避免了此前使用的不自然的距离度量。

提出的方法

  • 将单粒子系统中简化版的多尺度分析(MSA)方法推广至多粒子格点模型,聚焦于谱局域化。
  • 采用来自[C10]的新本征值集中界,以在一般随机势假设下控制谱波动。
  • 利用基于条件期望和波动估计的概率归纳方案,控制本征值分离。
  • 应用一个关键不等式,涉及平行多面体Q上的样本均值ξ与波动η_x,以界定谱距离的概率。
  • 在ℤ^Nd中定义一种对称化投影的范数-距离,用于测量本征函数衰减,替代了此前复杂的配置空间度量。
  • 通过随机势波动的测度ν_L,推导出两个子系统之间谱接近概率的上界。

实验结果

研究问题

  • RQ1是否可以在弱于独立同分布(IID)随机势的假设下,证明多粒子局域化,例如强混合势?
  • RQ2在具有无限范围或快速衰减相互作用的模型中,本征函数的衰减是否可超越先前结果?
  • RQ3是否可能在不损失局域化性质控制的前提下,简化多粒子系统的多尺度分析?
  • RQ4谱局域化结果能否在最小技术开销下扩展至全希尔伯特空间ℋ_N?
  • RQ5在配置空间中使用对称化范数-距离如何影响局域化证明与衰减估计?

主要发现

  • 本论文在强混合随机势下建立了N粒子系统的指数动力局域化,消除了对IID假设的依赖。
  • 通过改进的标度方法,获得了优于[CS09b, AW09a, AW09b]中结果的本征函数衰减速率。
  • 该方法适用于指数或次指数衰减的相互作用势,不仅限于有限范围相互作用。
  • 与早期MPMSA方法相比,证明过程显著简化,具有更清晰的概率与分析结构。
  • 两个子系统之间的谱接近概率被有界为|B_L'(x)|·|B_L''(y)|·ν_L(2s),从而实现归纳控制。
  • 结果在费米子子空间中成立,向全希尔伯特空间ℋ_N的推广在技术上可行,但复杂度有所增加。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。