量子科技中心_量科网

受黑洞内部局域张量网络模型中“蟒蛇午餐猜想”（PLC）的启发，该团队定义了一类新型张量网络。该研究从以下观察出发：对于具有短程关联的扩展黑膜态，PLC预测的复杂度小于一般短程关联态的上界。研究人员认为，PLC对模拟引力的相关张量网络的精细结构做出了隐含假设，这使得这些网络不具有一般性。该团队在蟒蛇午餐的随机张量网络模型中明确证明了这一点——在该模型中，指数复杂度通常不受PLC指数控制。该工作将这一差异归因于随机张量网络缺乏“计算协变性”：尽管PLC的动机是，在遵循某些基本规则的前提下，能够将空间任意分解为低复杂度单元，但该研究表明随机张量网络通常不具备这一性质。该团队提出了另一类由“扭曲完美张量”构建的张量网络，该类网络满足计算协变性，且其复杂度受PLC值约束。该研究仍发现一个来自局域后选择的离散限制，这在引力中似乎并不存在。此外，该工作表明，这类张量网络结合了完美张量网络与随机张量网络的理想全息特性，例如，对于任意边界子区域，它遵循晶格Ryu-Takayanagi公式。尽管受全息原理启发，这些张量网络提供了一个灵活的框架，在量子引力之外也具有潜在应用。