[论文解读] The Grasshopper Problem on the Sphere

David Llamas, Dmitry Chistikov+3 more|arXiv (Cornell University)|Mar 9, 2026

Quantum Mechanics and Applications被引用 0

一句话总结

这篇论文在三种变体下分析了球面草蜢问题，建立了详细的几何和谱框架，并利用数值优化刻画最优草地形状及其与球谐函数的关系。

ABSTRACT

The spherical grasshopper problem is a geometric optimization problem that arises in the context of Bell inequalities and can be interpreted as identifying the best local hidden variable approximation to quantum singlet correlations for measurements along random axes separated by a fixed angle. In a parallel publication [arXiv:2504.20953], we presented numerical solutions for this problem and explained their significance for singlet simulation and testing. In this companion paper, we describe in detail the geometric and computational framework underlying these results. We examine the role of spherical discretization and compare three natural variants of the problem: antipodal complementary lawns, antipodal independent lawns, and non-antipodal complementary lawns. We analyze the geometric structure of the corresponding optimal lawn configurations and interpret it in terms of a spherical harmonics expansion. We also discuss connections to other physical models and to classical problems in geometric probability.

研究动机与目标

• 以几何方法Formalize 球面草蜢问题，用于经典量子纠缠单态相关性的经典模拟。
• 比较三种变体（对蹈偶互补、对蹈偶独立、非对蹈偶互补），了解约束如何影响最优草地形状。
• 开发并验证基于离散化的数值框架，以寻找并分析跨跃角的最优草地。
• 提供对最优构型的谱学（球谐函数）解释，并将发现与贝尔非局域性测试联系起来。

提出的方法

• 用球面上草蜢成功概率 p(theta) 的积分公式定义草地的集合。
• 通过密度函数 mu_k(r) ∈ {0,1} 表示草地形状，并在球面谐函数中展开。
• 使用 Funk-Hecke 公式证明 K_theta 在球谐函数中对角化，并在谱域导出 p(theta)。
• 用 t-design、HEALPix、Goldberg、Coulomb 网格对球面进行离散化；用平滑核 phi 来近似 delta 函数。
• 通过模拟退火优化离散草地，并以边界退火和贪心最大化搜索器进行细化。
• 将离散模型与具有长程相互作用的类伊辛哈密顿量联系起来。

Figure 1: Study of discretization effects. The difference between the discrete probability ${P}_{h}(\theta)$ of a hemispherical lawn for different spherical grid types and sizes, and the exact continuous grasshopper probability $p_{h}(\theta)=1-\theta/\pi$ (top panel) and the corresponding absolute

实验结果

研究问题

• RQ1 在跳跃角 theta 的函数下，三种设置中每种的最大草蜢成功概率 p(theta) 是多少？
• RQ2 最优草地在 theta 变化时的几何结构（齿轮状、条带状、迷宫状等）及它们与球谐函数的关系是怎样的？
• RQ3 对蹈偶约束如何影响最优形状及相应的谱系系数？
• RQ4 离散化方案如何影响计算得到的最优草地及最终的 p(theta)？
• RQ5 球面草蜢结果如何为经典模拟单态相关性的界限以及潜在的贝尔型不等式提供信息？

主要发现

• 在对蹈偶互补设定中，最优草地呈现齿轮状、条带状、迷宫状以及混合模式，取决于 theta。
• 在对蹈偶单草地设置中，齿轮数量为奇数，并接近由跳跃导出的模态 2pi/theta，高阶模态作为局部极大出现。
• 谱表示显示 p(theta) 作为球谐模的奇数或全部模态之和，取决于对蹈偶约束，通过 P_ell(cos theta)。
• 离散化研究表明，N=52,978 点的 t-design 网格提供高精度并减少与网格对齐的偏差；Goldberg 网格在较高 theta 范围下也用于对比，HEALPix 最多支持 303,372 个站点。
• 数值结果指示半球草地通常并非最优；最优的局域隐变量模型需要比 Bell 的半球模型更复杂的草地形状。
• 该工作将最优的经典近似与量子单态相关性的联系，与几何概率和模式形成系统中观察到的模式联系起来。

Figure 3: Centered histograms of potential energies ( 20 ) across the entire grid for $t$ -design (left panel), HEALPix (middle panel), and Goldberg polyhedron grids (right panel) for the representative jump angle $\theta=0.30\pi$ . The histograms for $t$ -designs and HEALPix grids are more regular,