随机矩阵模型与随机自旋系统中的特征值统计
摘要：随机自旋系统具有热化到多体局域化（MBL）转变的整个相图上的特征值统计描述的工作策略。我们的策略依赖于两个具有明确定义矩阵构造的随机矩阵（RM）模型，即混合（布朗运动）集合和高斯η集合。我们展示了两个RM模型都能够捕捉到转变过程中最低阶级别相关性，而当拟合更高阶的时候偏差变得不可忽略。具体来说，混合集合会低估较长程级别相关性，而η集合则相反。令人惊讶的是，这两个模型的简单平均几乎完美地描述了所有失序强度下的特征值统计，甚至在临界区域周围，这表明特征值级别之间的相互作用范围和强度是导致相变的两个主要特征。
作者：Wen-Jia Rao
论文ID：2105.04468
分类：Disordered Systems and Neural Networks
分类简称：cond-mat.dis-nn
提交时间：2021-12-24