将其代入参与熵赤字的连通项中，可得：

这极其优雅地解释了为什么在一维链中，参与熵赤字在早中期表现出特征性的 $\Delta S(t) \sim t^{-1/2}$ 慢弛豫行为。

当时间进一步拉长，扩散长度触及边界，即 $t \gtrsim L^2$ 时，长波扩散行为受限于系统尺寸。此时，傅里叶空间中动量最小的慢模式 $k_1 = 2\pi/L$ 占主导，其衰减速率为 $\sim \exp(-D k_1^2 t)$。由于参与熵赤字正比于关联的平方，其衰减速率将翻倍，呈现出：

1.5 技术难点：张量网络模拟中的四复制 Born 转移矩阵（Replicated Born Transfer Matrix）

在利用无限矩阵乘积态（iMPS）计算二阶雷尼参与熵时，研究团队遭遇了关键性的算力瓶颈。传统局部物理量关联 $C(r, t)$ 的计算只需基于标准的单复制 MPS 转移矩阵，辅助维度（Bond Dimension）为 $\chi$，空间截断和外推的计算复杂度为 $\mathcal{O}(\chi^3)$，因此可以轻松将 $\chi$ 推进至 $4096$ 以上。

然而，雷尼参与熵涉及 Born 概率的平方，即 $P_t(\mathbf{n})^2 = |\langle \mathbf{n}|\psi(t)\rangle|^4$，这本质上需要在物理指标上进行四复制（Four-copy）收缩（类似于四体配分函数的计算）。具体的 iMPS 转移矩阵公式为：

其中 $\Lambda_2$ 是常规单复制归一化转移矩阵的极大特征值，而 $\Lambda_4$ 是四复制 Born 转移矩阵的极大特征值。该转移矩阵作用于辅助指数的四阶张量积空间上（如图 9 所示）。

其技术难点在于：

1. 内存开销高昂： 在稠密矩阵实现中，四复制转移矩阵的存储空间复杂度达到 $\mathcal{O}(\chi^4)$。
2. 收缩复杂度剧增： 单次格点转移收缩的算法复杂度高达 $\mathcal{O}(d \chi^5)$。即便利用系统的 $U(1)$ 对称性对辅助指标进行分块（Block-charge implementation），仍无法改变高阶幂次特征。因此，本工作中参与熵密度 $s_2^{\psi}$ 的张量网络计算极限被限制在 $\chi = 128$，而关联函数则能外推至 $\chi = 4096$。这一技术细节极具工程和计算参考价值。

2. 关键 Benchmark 体系与计算数据深层剖析

研究团队针对三个递进的物理体系开展了系统的数值计算，验证了理论标度律的鲁棒性。

2.1 经典玩具模型：对称简单排除过程（SSEP）

SSEP 描述了在硬核排斥（一格点最多占据一粒子）及粒子数严格守恒约束下的经典随机跳跃过程。这一经典随机动力学通过两格点马尔可夫门 $M_{Q=1}(r)$ 来实现，其在电荷 $Q=1$ 的子空间 $\{|10\rangle, |01\rangle\}$ 内的作用矩阵为：

在本研究中，设定充分混合门 $r=1/2$。系统初始状态设为半填充的奈尔交错态 $\mathbf{n}' = \dots 010101 \dots$。

数值计算数据：

• 图 1(a)（有限尺寸对角化，格点数 $L=16, 20, 24, 26$）： 绘制了平均参与熵赤字 $\delta s_2(t)$ 随重标度时间 $t/L^2$ 的演化。可以清晰观测到：当 $t < 0.2 L^2$ 时，不同系统尺寸的数据由于有限尺寸效应尚未显现而分叉；但在长波时段，所有曲线在 $t/L^2 \gtrsim 0.15$ 后完美重合，表现为向 $\sim \exp(-\gamma t/L^2)$ 指数衰减的交叉（Crossover），定量证实了标度律的后半段。
• 图 1(b)（iMPS，无边界链，辅助维度 $\chi = 1024, 2048$）： 在消除了边界效应的 $L \to \infty$ 极限下，$\delta s_2(t)$ 随时间 $t$ 在双对数坐标轴下呈现出极佳的线性衰减。对斜率进行拟合，完美符合 $\delta s_2(t) \sim t^{-1/2}$ 的代数慢弛豫，定量证实了理论标度律前半段。这一结果展示了粒子数守恒如何彻底拖慢原本应呈指数衰减的经典热化。
• 图 3（关联函数动力学验证）：
  • (a) 原位方差 $C(0, t)$ 在极短时间 $t < 5$ 内即从 0 冲到局域平衡值 $\kappa = 0.25$。这证实了一体涨落快速热化的假设。
  • (b) 邻格点关联 $|C(1, t)|$ 在 $t > 5$ 后展现出完美的 $t^{-1/2}$ 幂律衰减。
  • (c) 有限窗口和律验证 $\sum_{|r| < l_{\text{max}}} C(r, t)$：在误差控制时间 $t < l_{\text{max}}$ 内，该求和严格保持为 0，有力地确立了数值结果的物理保真度。

2.2 量子 Haar 随机线路（带 $U(1)$ 对称性）

量子 Haar 随机线路是研究强关联多体混沌的黄金标准。系统的两点门在电荷守恒下呈分块对角化：

其中 $V_{Q=1} \in U(2)$ 独立自 Haar 测度抽取。系统的平衡态（Haar 随机极限态）并非绝对均匀，而是伴随波特-托马斯（Porter-Thomas）涨落，这导致其平衡态雷尼参与熵由于碰撞概率翻倍而产生偏移（详见附录 A 严格推导）：

本部分数值模拟工作基于 1/4 填充率（$\nu = 1/4$），iMPS 计算中单位元胞（Unit Cell）大小设为 $L_{\text{cell}} = 4$，初始态为格点周期状态。

数值计算数据：

• 图 6(a)（有限系统 exact diagonal, $L=12, 16, 20, 24$ 随机态平均）： 平均淬火参与熵赤字 $\delta s_2(t)$ 随 $t/L^2$ 的坍缩曲线极佳，再次确立了 $t/L^2$ 是调控有限尺寸动力学交叉的唯一标度变量。
• 图 6(b)（iMPS 模拟，$\chi = 64, 128$）： 受到 $\chi$ 辅助维度的严重限制，数据仅展示至 $t = 16$，但在此早中期区间，仍能观察到逼近 $\sim t^{-1/2}$（虚线指示）的代数衰减趋势。通过图 8(b) 对关联求和 $M_Z(t) = \sum_{r \neq 0} C_Z(r, t)^2$（此时 $\chi$ 可外推至 4096）的独立计算，展示了极长区间内的 $t^{-1/2}$ 趋势。这印证了量子淬火平均下的参与熵与经典 SSEP 共享同一流体动力学普适类。

2.3 五参数 U(1) 守恒通用量子线路

为了脱离 Haar 随机性的简化假设，探讨更具普遍物理意义（如更接近凝聚态晶格 Hamilton 动力学）的情形，研究者引入了由局部厄米生成元定义的五参数门：

其中：

• $a_x, b_x$：纵向磁场。
• $c_x$：Ising 各向异性（各向异性相互作用）。
• $\theta_x$：$XX + YY$ 交换相互作用（对应粒子 hopping）。
• $\phi_x$：Dzyaloshinskii-Moriya (DM) 反对称交换作用。

研究通过调控参数抽取区间来区分强随机混沌与弱随机近可积/局域化两种情境：

数值计算数据：

• 全随机门（Full Random, 参数均匀抽取自 $[0, 2\pi)$）： 结果如图 10 和图 11 所示。在强混沌下，无论是参与熵赤字随 $t/L^2$ 的有限尺寸坍缩（图 10(a)），还是无限链下关联函数随自变量 $r/\sqrt{t}$ 的扩散坍缩曲线（图 11(a)），均展现出完美的一致性。这表明非平庸的自旋链动力学在宏观上被完全简化为粒子弥散过程。
• 结构化随机门（Structured Random, 调控跳跃涨落强度 $\theta_x = \lambda u \pi$，其中 $u \in \text{Unif}(0,1)$）：
  • 弱随机极限（$\lambda = 0.1$）： 如图 12 所示，由于系统极其接近可积 limit，出现了强烈的局部化和非热化长寿命拟激发模式（Long-lived quasiparticles）。此时参与熵赤字曲线（12(a)）无法实现 $t/L^2$ 的多曲线标度坍缩，且关联函数在 $r/\sqrt{t}$ 标度下呈现破碎的非弥散结构（12(b)）。
  • 强随机过渡（$\lambda = 0.7$）： 如图 13 和图 14 所示。随着粒子交换通道随机性的增强，系统重新恢复了混沌。图 14(a) 中，在不同时间（$t = 8, 12, 16, 20$）测得的关联函数高度重合于同一条弥散标度曲线 $\sqrt{t}|C(r, t)| \sim f_s(r/\sqrt{t})$。这表明流体动力学控制的慢弛豫在此类系统中具备极强的普适性和物理鲁棒性。

3. 代码实现细节与复现指南

对于量子化学与凝聚态物理研究人员，利用张量网络复现这一动力学行为是深入理解其细节的最佳途径。以下基于 Python 的张量网络库（如 TeNPy）给出一套完整的 iMPS 模拟及复现指南。

3.1 环境准备与核心依赖库

建议采用 Python 3.10+，并安装凝聚态物理常用的张量网络库 physics-tenpy：

pip install numpy scipy matplotlib h5py
pip install physics-tenpy

3.2 经典 SSEP 动力学的 iMPS 算法构建

经典 SSEP 可以直接映射为虚时演化或采用非幺正转移矩阵进行 TEBD 演化。在 TenPy 中，我们可以通过构建自定义的马尔可夫演化算符来完成这一过程。

以下是核心复现 Python 伪代码：

import numpy as np
from tenpy.models.model import CouplingModel, NearestNeighborModel
from tenpy.networks.site import SpinHalfSite
from tenpy.networks.mps import MPS
from tenpy.algorithms import tebd

class SSEPModel(CouplingModel, NearestNeighborModel):
    def __init__(self, L_cell=2, r=0.5):
        # 采用自旋1/2格点模拟粒子有无：|up>代表 occupied (1)，|down>代表 empty (0)
        site = SpinHalfSite(conserve='Sz') # Sz 守恒对应总粒子数守恒
        sites = [site] * L_cell
        super().__init__(sites)
        
        # 定义 2-site 马尔可夫转移矩阵 M
        # 对应 |11>, |00> 保持不变；|10> 与 |01> 以概率 1-r 发生交换
        # 在 SpinHalf 语言中，Sz_tot 守恒
        # 这里手动构建 2-site 局部演化算符
        # 物理基顺序：|up,up>, |up,down>, |down,up>, |down,down> (11, 10, 01, 00)
        M_gate = np.array([
            [1.0, 0.0,   0.0,   0.0],
            [0.0, r,     1-r,   0.0],
            [0.0, 1-r,   r,     0.0],
            [0.0, 0.0,   0.0,   1.0]
        ])
        
        # 将经典马尔可夫矩阵转化为等效厄米/非厄米哈密顿量算符，以融入 TEBD 框架
        # U = exp(-dt * H_eff) = M_gate -> H_eff = -log(M_gate)/dt
        # 此处直接在 TEBD 演化器中替换其两格点门（Gate）即可
        self.M_gate = M_gate
        self.init_H_bond()

    def init_H_bond(self):
        # 初始化哈密顿量键，用于 TenPy 框架兼容
        # 实际经典马尔可夫演化中，直接将下述 Gate 传递给 TEBD
        pass

# 动力学演化及关联函数计算核心逻辑
def run_ssep_reproduction(L_cell=4, max_time=40, dt=0.1):
    model = SSEPModel(L_cell=L_cell, r=0.5)
    # 构建无限初始奈尔态 (1, 0, 1, 0, ...)
    # 对应自旋状态: ['up', 'down', 'up', 'down']
    init_state = ['up', 'down'] * (L_cell // 2)
    psi = MPS.from_lat_product_state(model.lat, [init_state])
    
    # 构建自定义的 TEBD 演化门
    # 将模型中的 M_gate 转换为 TenPy 的 Gate 格式
    # 此处省略门重构的底层繁琐包装，核心在于用 M_gate 替换常规的 exp(-i*dt*H)
    
    times = []
    c_0t = []
    c_1t = []
    
    # 模拟主循环
    for step in range(int(max_time / dt)):
        # 执行一个 brickwork 步演化
        # apply_gates(psi, model.M_gate, dt)
        
        current_t = step * dt
        times.append(current_t)
        
        # 计算原位关联 C(0, t) = <n_x^2> - <n_x>^2
        # 计算一阶期望值 <n_x> = (<Sz> + 0.5)
        sz = psi.expectation_value('Sz')
        n_x = sz + 0.5
        c0 = n_x[0] - n_x[0]**2  # 硬核粒子 n_x^2 = n_x
        c_0t.append(c0)
        
        # 计算邻格点连通关联 C(1, t) = <n_0 n_1> - <n_0><n_1>
        # 在 MPS 中高效收缩算符
        n0_n1 = psi.expectation_value_term([('Sz', 0), ('Sz', 1)]) + 0.25  # 简化的代数转换
        c1 = n0_n1 - n_x[0]*n_x[1]
        c_1t.append(c1)
        
    return times, c_0t, c_1t

3.3 四复制转移矩阵计算逻辑说明（PE 计算的终极障碍）

由于 TenPy 等开源张量网络库并未原生内置四复制 Born 转移矩阵的求解器，用户必须自行定义四阶张量积网络。 其核心收缩逻辑为：

1. 给定 MPS 的局域张量 $A^{s}_{l, r}$，将其与其共轭副本复合。对于雷尼熵 $S_2$，构建复合张量 $\mathbb{T} = A \otimes A^* \otimes A \otimes A^*$。
2. 将其物理指标 $s_1, s_2, s_3, s_4$ 在基组 delta 约束下收缩：$\sum_s A^{s}_{l_1, r_1} A^{*s}_{l_2, r_2} A^{s}_{l_3, r_3} A^{*s}_{l_4, r_4}$。这对应图 9 中 $s_2^{\psi}$ 分支下的蓝、黄四阶格点连接。
3. 利用 Lanczos 算法寻找该超大型转移矩阵 $\mathbb{T}$ 的最大特征值 $\Lambda_4$，利用公式 (51) 求解出精确的参与熵。由于计算规模限制，辅助维度 $\chi$ 的上限设定需尤为谨慎（建议先从 $\chi = 16, 32$ 开始调试）。

4. 关键引用文献与学术局限性批判性讨论

4.1 关键引用文献

本工作的理论构建深深植根于以下里程碑式的学术成果：

1. 纠缠与慢弥散关联的先驱工作： T. Rakovszky 等人 [18] (PRX 2018) 与 V. Khemani 等人 [19] (PRX 2018)。这两篇经典论文奠定了在具有守恒律的一维量子随机线路中，非局部可观测算符的演化和雷尼熵的增长受限于流体动力学弥散（Diffusive Hydrodynamics）的理论大厦。
2. 基组相关熵的开创性研究： L. Leone 等人 [8] (PRL 2022) 首次明确提出了魔术度（稳定器雷尼熵）的概念；而 X. Turkeshi 等人 [11] (Nature Comm. 2025) 详细探讨了随机线路中魔术度的传播。这些工作将物理学界的目光从传统的纠缠熵引向了基组解析熵。
3. iMPS 与非幺正动力学框架： G. Vidal [20, 21] 提出的（i）TEBD 算法，以及 R. Orús 与 G. Vidal [25] (PRB 2008) 将张量网络推广至非幺正、经典马尔可夫演化算符的算法框架，为本研究的数值实现提供了坚实的底层算力支持。

4.2 本项工作的学术局限性与批判性讨论

虽然本论文在物理概念和数学推导上极其漂亮，但站在更广阔的理论物理和计算化学视角，该工作依然存在若干值得批判性深入讨论的学术局限性：

1. 一维（1D）几何限制与高维流体动力学标度律分叉

论文的核心解析推导（$\Delta S \sim t^{-1/2}$）高度依赖于一维物理空间中弥散长度 $\ell(t) \sim t^{1/2}$ 的标度。在更具普遍分子化学和三维凝聚态晶格意义的高维（$d$维）体系下，由于稀释效应，非原位关联的弥散衰减变为：

将其代入等效的集群展开，会导致高维参与熵赤字满足：

• 在二维（2D）体系中： 参与熵赤字衰减标度变为 $\Delta S_2(t) \sim t^{-1}$。
• 在三维（3D）体系中： 标度变为 $\Delta S_2(t) \sim t^{-3/2}$。 可以看出，随着空间维度的升高，弥散通道变宽，弛豫速度显著加快。本工作未能给出高维情形的数值验证，这极大地限制了其结论向三维体材料及复杂分子体系直接推广的合法性。

2. 量子化学体系中长程库仑相互作用对弥散性质的潜在破坏

本研究所采用的物理模型（SSEP、Haar 随机线路、五参数 XXZ 门）皆基于强烈的空间局域相互作用（Nearest-neighbor Interaction）。在局域作用下，电荷传播呈现出典型的弥散行为。 但在真实的量子化学分子体系中，电子受制于非局域的长程库仑相互作用（$1/r$ 相互作用）。当长程相互作用存在时，流体动力学传输可能从普通的弥散扩散演变为超扩散（Superdiffusion）甚至弹道传输（Ballistic Transport）。在这些情况下，连通密度关联不再满足扩散标度，参与熵赤字的幂律指数也将发生漂移（例如从 $-1/2$ 演变为 $-1/z$，其中 $z < 2$ 为动力学普适类指数）。论文对此关键物理变数的缺失，构成了理论完备性的一大遗憾。

3. 实验可观测性（Observability）的艰巨挑战

参与熵的测量需要重建配置空间中的完整概率分布 $P_t(\mathbf{n})$。在现代量子模拟平台（如里德堡原子阵列或超导量子比特）上，这意味着必须进行大规模的基组多体状态断层扫描（State Tomography）或海量的投影测量。随着系统尺寸 $L$ 的增长，配置空间维度 $\Omega_N$ 呈指数爆炸。即便在小尺寸系统下，为了精准提取 $\Delta S_2(t)$ 在长波极限下的微弱涨落，所需的实验采样次数也将面临指数墙（Exponential Wall）的阻碍。因此，该工作在短期内依然只能停留在“数值显微镜”和理论推演层面，缺乏直接的实验检验手段。

5. 面向量子化学与分子动力学的深度延展与科学洞察

尽管本研究诞生于统计物理学语境下，但其底层物理逻辑与量子化学，尤其是强关联体系动力学及激子/电荷转移机制有着极为深刻的内在契合性。以下是针对量子化学方向的深度延展和转化。

5.1 斯莱特行列式配置空间（Slater Determinant Configuration Space）中的退局域化

在分子体系的量子动力学模拟中，电子波函数 $|\Psi(t)\rangle$ 通常在特定的单粒子轨道基组（如活性空间 CAS, Active Space）下的斯莱特行列式（Slater Determinants）配置空间中进行展开：

每一个行列式 $|D_I\rangle = |n_{1\alpha} n_{1\beta}, \dots, n_{M\alpha} n_{M\beta}\rangle$ 恰好对应本工作中的一个多体配置 $\mathbf{n}$。此时，二阶雷尼参与熵：

即为量子化学中著名的有效关联行列式数（Effective Number of Active Determinants），常用于度量体系的静态电子关联强度和波函数的全局退局域化特征。

分子体系由于严格遵守电子数守恒（$N = N_\alpha + N_\beta$）以及总自旋投影守恒（$S_z$），这构成了天然的 $U(1) \times U(1)$ 对称性。本项工作为量子化学家提供了一个全新的警示：在光致激发、非绝热跃迁（如锥形交叉）后的分子内电荷/能量转移（Intramolecular Charge/Energy Transfer）演化中，即便轨道电荷布居数（Orbital Populations，对应一体项）在极短的时间内（飞秒级）就已经通过热振动达到了准平衡态，底层的多体波函数由于流体动力学守恒律的制约，其在斯莱特行列式空间中的多体连通关联（电子空穴长程相干关联）依然需要经历漫长得多的弥散弛豫才能彻底热化。

 极短时间 (飞秒级) ──> 轨道电荷布居数 (一体涨落) 快速热化
      │
      └─(受 $U(1)$ 守恒约束)─> 多体电子空穴长程相干网络 (二体连通关联)
                                    └───> 漫长的代数弥散弛豫 (\sim t^{-1/2})

这种“一体热化”与“多体关联热化”的显著时间尺度分叉，意味着单纯通过监测局域电荷分布（如 Mulliken 电荷、MBO 键级）来断定量子演化已经结束可能会产生严重的系统性偏差。

5.2 对激发态计算与多体动力学方法（如 MC-TDHFT）的算法改进启示

现代时间相关多组态方法（如 MCTDH-F）或时间相关组态相互作用（TD-CI）在计算强关联激发态演化时，常因行列式基组库随时间指数级膨胀而遭遇计算瓶颈。为了控制计算量，通常需要引入主动基空间剪裁（Active Space Truncation）或自适应选择配置空间（Selected CI, 如 ASCI）算法。

本论文的集群展开公式 (26) 给出了一套精妙的分析准则：由于多体连通关联 $C(x, y; t)$ 满足弥散衰减，这意味着在动力学演化中，只有在空间上处于弥散特征长度 $\ell(t) \sim \sqrt{D t}$ 范围内的决定性行列式之间才存在显著的相干多体流体动力学耦合，超出行列式物理跨度的长程多体项衰减极快，且仅以经典热浴的形式贡献背景噪声。

这启发我们设计基于流体动力学尺度自适应裁剪的多主体组态动力学算法（Hydrodynamics-guided Selected TDCI）：

1. 在动力学演化的每一步，计算当前的等效弥散常数 $D$。
2. 设定空间物理距离跨度阈值 $r_{\text{cutoff}} \propto \sqrt{D t}$。
3. 对于相距超过 $r_{\text{cutoff}}$ 的两个轨道激发占据配置，自动将其多体相干转移矩阵元归零或进行微扰级处理，从而实现将指数爆炸的动力学空间压缩为多项式级，同时严格保留了守恒律慢模式的物理本源。

5.3 展望：在非绝热分子动力学与开放量子体系中的新地平线

综上所述，Liu 等人的这项工作不仅深化了凝聚态随机线路的基础理论，更通过严格的数学框架打通了经典扩散、量子热化和多体退局域化之间的物理屏障。

未来的研究可沿着以下两个量子化学高度关切的方向进一步深挖：

• 振动-电子强耦合（Vibronic Coupling）下的极化子（Polaron）弥散： 当我们将连续的晶格振动声子作为额外的局部自由度引入时，电子在分子链中的传输演化会从纯 $U(1)$ 电荷守恒演变为带有电荷-振动相干的复杂动力学。此时，参与熵的弛豫行为如何反映电子退相干和极化子的自陷（Self-trapping）过程，将是一个充满未知的处女地。
• 向 SU(2) 自旋守恒与分子磁学（Molecular Magnetism）的推广： 分子磁性材料、双自由基（Diradicals）体系动力学天然伴随 $SU(2)$ 旋转守恒。作为非阿贝尔对称性，$SU(2)$ 相比于阿贝尔对称性 $U(1)$ 的流体动力学传输常具有不同的输运机制（如 Kardar-Parisi-Zhang, KPZ 普适类）。探究 $SU(2)$ 守恒如何塑造多体波函数在自旋态空间上的参与熵弛豫，对于自旋电子学器件以及单分子磁体（SMMs）的设计将产生革命性的影响。