The causal set and Wolfram model approaches to discrete quantum gravity both permit the formulation of a manifestly covariant notion of entanglement entropy for quantum fields. In the causal set case, this is given by a construction (due to Sorkin and Johnston) of a 2-point correlation function for a Gaussian scalar field from causal set Feynman propagators and Pauli-Jordan functions, from which an eigendecomposition, and hence an entanglement entropy, can be computed. In the Wolfram model case, it is given instead in terms of the Fubini-Study metric on branchial graphs, whose tensor product structure is inherited functorially from that of finite-dimensional Hilbert spaces. In both cases, the entanglement entropies in question are most naturally defined over an extended spacetime region (hence the manifest covariance), in contrast to the generically non-covariant definitions over single spacelike hypersurfaces common to most continuum quantum field theories. In this article, we show how an axiomatic field theory for a free, massless scalar field (obeying the appropriate bosonic commutation relations) may be rigorously constructed over multiway causal graphs: a combinatorial structure sufficiently general as to encompass both causal sets and Wolfram model evolutions as special cases. We proceed to show numerically that the entanglement entropies computed using both the Sorkin-Johnston approach and the branchial graph approach are monotonically related for a large class of Wolfram model evolution rules. We also prove a special case of this monotonic relationship using a recent geometrical entanglement monotone proposed by Cocchiarella et al.


翻译:分解量重力的因果设定和沃尔夫拉姆模型方法,都允许形成一个明显共变的概念,即量字段的缠绕性激素。在因果组合中,这是由(由于索金和约翰斯顿)因因因果组合Feynman 传播器和Pauli-Job 函数组成的高斯曲线场的2点相关函数构成的。从这些模型中,可以计算出一种异异因变形,并由此形成一种缠绕性激流。在沃尔夫拉姆模型中,它被用分形图中的富比尼-Study 度指标来表示。在分形图中,其强产产品结构是从有限维度的希尔伯特空间中继承的。在这两种情况中,有关缠绕的纠结性运动场最自然地在延长的时段区域(即表变异性)中定义,与类似单一空间模型的超额表面法则常见于最连续的量场理论。在本文章中,我们展示了一种特殊的亚化场理论,它是如何将亚化的机变法系理论用来用来显示一个自由的直径的直径阵列。

0
下载
关闭预览

相关内容

专知会员服务
25+阅读 · 2021年4月2日
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Call for Nominations: 2022 Multimedia Prize Paper Award
CCF多媒体专委会
0+阅读 · 2022年2月12日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2023年3月20日
Arxiv
64+阅读 · 2021年6月18日
Arxiv
18+阅读 · 2021年6月10日
Arxiv
14+阅读 · 2020年12月17日
Arxiv
17+阅读 · 2019年3月28日
VIP会员
相关VIP内容
专知会员服务
25+阅读 · 2021年4月2日
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Call for Nominations: 2022 Multimedia Prize Paper Award
CCF多媒体专委会
0+阅读 · 2022年2月12日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
相关基金
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员