[论文解读] Shifted geometric quantization

Pavel Safronov|arXiv (Cornell University)|Jan 1, 2017

Homotopy and Cohomology in Algebraic Topology参考文献 32被引用 5

一句话总结

本文引入了偏移几何化量化的概念，这是一种基于偏移辛结构作为输入的几何化量化的范畴化推广。它通过用高阶范畴结构替代向量空间，推广了标准的量化方法，其中（-1）-偏移情形自然恢复了Batalin-Vilkovisky（BV）形式化，这是核心结果。

ABSTRACT

Geometric quantization attaches vector spaces to symplectic manifolds equipped with extra data. In this talk I will discuss how higher, or categorified, geometric quantization looks like. The input this time will be a shifted symplectic space. As an example, in shift (-1) one discovers BV quantization.

研究动机与目标

• 通过将偏移辛空间作为输入，将几何化量化推广到更高阶或范畴化的结构。
• 理解在导出代数几何和高阶范畴的背景下，传统几何化量化如何被推广。
• 明确偏移辛结构在编码量子场论和规范理论中的作用。
• 证明（-1）-偏移情形自然恢复Batalin-Vilkovisky（BV）形式化，这是现代理论物理中量化理论的基石。

提出的方法

• 利用导出代数几何的框架，在空间上定义偏移辛结构。
• 应用高阶范畴方法，将高阶向量空间（例如范畴或∞-范畴）分配给偏移辛空间。
• 将标准几何化量化程序（如极化和预量子线丛）适应到偏移和范畴化的设定中。
• 利用导出栈和偏移辛形式的理论，推广预量子数据。
• 使用度数为n的辛结构的概念，在(∞,1)-范畴设定中定义相应的量化程序。
• 证明在偏移为-1的情形下，该构造产生BV复形，从而将其与微扰量子场论联系起来。

实验结果

研究问题

• RQ1 如何利用偏移辛几何将几何化量化推广到高阶范畴结构？
• RQ2 偏移辛结构在编码量子场论中扮演什么角色？
• RQ3 （-1）-偏移情形如何恢复Batalin-Vilkovisky形式化？
• RQ4 在偏移设定下，量化输出的高阶代数结构是什么？
• RQ5 偏移几何化量化与数学物理中现有形式化之间的关系是什么？

主要发现

• 偏移几何化量化通过将高阶范畴对象（例如范畴）分配给偏移辛空间，推广了标准几何化量化。
• 在（-1）-偏移情形下的构造重现了Batalin-Vilkovisky（BV）形式化，建立了范畴化量化与规范理论之间的深刻联系。
• 该方法利用导出代数几何在带有度数n辛形式的导出栈上定义预量子数据。
• 量化的输出并非向量空间，而是如模范畴或∞-范畴等更高阶结构，反映了输入的范畴化本质。
• 该框架为使用高阶几何方法量化具有对称性和约束的场论提供了系统性方法。