[论文解读] Effective low-dimensional Hamiltonian for strongly interacting atoms in a transverse trap

J. P. Kestner, Luming Duan|arXiv (Cornell University)|Jul 30, 2007

Cold Atom Physics and Bose-Einstein Condensates被引用 3

一句话总结

该论文推导出在横向势阱中接近Feshbach共振时强相互作用超冷原子的高效低维哈密顿量，通过包含 dressed分子来考虑横向激发。它对原子与二聚体之间的相互作用进行了重整化，使得在任意磁 detuning 下，1D 和 2D 系统的所有参数均可固定，从而实现对低维强关联物理的精确建模。

ABSTRACT

We derive an effective low-dimensional Hamiltonian for strongly interacting ultracold atoms in a transverse trapping potential near a wide Feshbach resonance. The Hamiltonian includes crucial information about transverse excitations in an effective model with renormalized interaction between atoms and composite dressed molecules. We fix all the parameters in the Hamiltonian for both one- and two-dimensional cases.

研究动机与目标

• 开发一种有效的低维哈密顿量，以精确捕捉在强横向束缚下接近Feshbach共振的超冷原子中的强关联物理。
• 考虑在强相互作用区域中，横向激发态占据显著，这使得简单地投影到基态失效。
• 引入并严格定义dressed分子的概念——即排除最低横向模中原子占据的二聚体，以解耦横向激发效应。
• 推导出原子与dressed分子之间几乎与密度无关、且完全由两体物理决定的重整化相互作用。
• 在任意磁 detuning 下，固定1D和2D情况下有效哈密顿量的所有参数，从而实现对多体系统的定量建模。

提出的方法

• 使用无量纲单位（能量以 ℏω 表示，长度以 aₜ = √(ℏ/mω) 表示）的Feshbach共振双通道场论。
• 将原子和分子场算符展开为横向势阱本征模和无束缚方向的平面波，将3D哈密顿量转化为模式分辨形式。
• 通过T矩阵形式推导有效相互作用，结合横向模的虚激发，并使用自能方法对裸相互作用进行重整化。
• 引入dressed分子场以隔离横向激发的贡献，其中分子场算符被定义为排除最低横向模中的原子占据。
• 求解T矩阵方程，获得依赖于能量和横向模结构的有效相互作用 U_b^eff(E)，从而在低维有效理论中得到重整化相互作用。
• 利用物理散射数据（背景散射长度、共振宽度、磁矩差）固定有效哈密顿量中的所有参数，确保在不同 detuning 下的一致性。

实验结果

研究问题

• RQ1 当横向激发显著贡献于多体态时，如何为强相互作用超冷原子在横向势阱中构建低维有效哈密顿量？
• RQ2 dressed分子（即排除最低横向模中原子占据的二聚体）在低维中重整化有效相互作用方面起什么作用？
• RQ3 鉴于横向激发结构主要由两体物理主导，有效低维哈密顿量的参数在多大程度上与原子密度无关？
• RQ4 如何系统地推导并参数化在Feshbach共振附近所有磁 detuning 下的有效相互作用？
• RQ5 该有效哈密顿量能否在1D和2D系统中正确再现两体束缚态和散射性质？

主要发现

• 有效低维哈密顿量包含了原子与dressed分子之间的重整化相互作用，其中dressed分子结构由两体物理固定，且几乎与原子密度无关。
• 通过T矩阵重求和推导出有效相互作用 U_b^eff(E)，结合了虚横向激发，实现了对散射和束缚态的自洽描述。
• 在1D和2D有效哈密顿量中，所有参数均使用物理散射数据在任意磁 detuning 下被固定，从而实现了对低维强关联系统的定量建模。
• dressed分子场成功地将横向激发效应解耦，使得有效理论能够平等地描述原子和分子自由度。
• 有效哈密顿量正确再现了低维中的两体束缚态和散射长度，验证了其在多体模拟中的适用性。
• 对于 6Li 和 40K，有效相互作用 V_p^eff(2μ) 显示出对3D散射长度 a_t/a_s 的显著依赖，且曲线随 detuning 和 μ_ρ 平滑变化，证实了该模型的预测能力。