Não Markovianidade em modelos colisionais Gaussianos
Rolando Ramirez Camasca
Os efeitos da memória na dinâmica dos sistemas abertos têm sido objeto de grande interesse nas últimas décadas. Os métodos envolvidos na quantificação desse efeito, no entanto, muitas vezes são difíceis de calcular e podem carecer de uma visão analítica. Com isso em mente, estudamos modelos colisionais em que a não markovianidade é introduzida por meio de interações adicionais entre unidades ambientais vizinhas. Mostramos que a dinâmica pode ser moldada em termos de um Embedding Markoviano da matriz de covariância, que produz expressões de forma fechada para o kernel de memória que governa a dinâmica, uma quantidade que raramente pode ser calculada analiticamente. O mesmo também é possível para uma divisibilidade monótona, baseada na positividade completa dos mapas intermediários. Ao focarmos na dinâmica gaussiana de variáveis contínuas, podemos estudar analiticamente modelos de tamanho arbitrário. Analisamos em detalhes dois tipos de interações, um beam splitter implementando um SWAP parcial e uma compressão de dois modos, que emaranha as ancillas e, ao mesmo tempo, alimenta excitações no sistema. Ao analisar o kernel de memória e a divisibilidade para esses dois cenários representativos, nossos resultados ajudam a lançar luz sobre os intrincados mecanismos por trás dos efeitos da memória no domínio quântico.
•Dec 16, 2020•0 citations