Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > hep-th > arXiv:1711.09941v1

帮助 | 高级搜索

高能物理 - 理论

arXiv:1711.09941v1 (hep-th)
[提交于 2017年11月27日 ]

标题: 对称随机张量网络的 Ryu-Takayanagi 公式

标题: Ryu-Takayanagi Formula for Symmetric Random Tensor Networks

Authors:Goffredo Chirco, Daniele Oriti, Mingyi Zhang
摘要: 我们考虑随机张量网络(RTN)的特殊情况,其中每个张量都带有规范对称性约束。 我们计算这类态的Rènyi熵,并在大键耦合强度下恢复了Ryu-Takayanagi(RT)公式。 这一结果首先为现有RTN的RT公式推导提供了一个有趣的全新扩展。 此外,这种RTN公式的扩展使其与(张量)群场理论(和自旋网络)直接相关联,从而为在背景无关量子引力背景下实现张量网络/几何对偶提供了新的工具,并为将量子引力工具引入张量网络研究提供了可能性。
摘要: We consider the special case of Random Tensor Networks (RTN) endowed with gauge symmetry constraints on each tensor. We compute the R\`enyi entropy for such states and recover the Ryu-Takayanagi (RT) formula in the large bond regime. The result provides first of all an interesting new extension of the existing derivations of the RT formula for RTNs. Moreover, this extension of the RTN formalism brings it in direct relation with (tensorial) group field theories (and spin networks), and thus provides new tools for realizing the tensor network/geometry duality in the context of background independent quantum gravity, and for importing quantum gravity tools in tensor network research.
评论: 10页,4幅图
主题: 高能物理 - 理论 (hep-th) ; 广义相对论与量子宇宙学 (gr-qc); 数学物理 (math-ph); 量子物理 (quant-ph)
引用方式: arXiv:1711.09941 [hep-th]
  (或者 arXiv:1711.09941v1 [hep-th] 对于此版本)
  https://doi.org/10.48550/arXiv.1711.09941
通过 DataCite 发表的 arXiv DOI
期刊参考: Phys. Rev. D 97, 126002 (2018)
相关 DOI: https://doi.org/10.1103/PhysRevD.97.126002
链接到相关资源的 DOI

提交历史

来自: Mingyi Zhang [查看电子邮件]
[v1] 星期一, 2017 年 11 月 27 日 19:27:16 UTC (47 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
hep-th
< 上一篇   |   下一篇 >
新的 | 最近的 | 2017-11
切换浏览方式为:
gr-qc
math
math-ph
math.MP
quant-ph

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号