第十八章 量子临界：绝对零度下的战争    

    剑桥，1995年

    1995年的剑桥，英格兰的冬天阴冷而漫长。但在卡文迪许实验室的一间地下室里，吉尔·拉德（Gil Lonzarich）和他的团队正在测量一种奇异金属的电阻——YbRh₂Si₂，一种重费米子化合物。他们在绝对零度附近（几十毫开尔文）操作，磁场调到临界值，观察电阻如何随温度变化。

    结果令人困惑：在量子临界点（QCP），电阻不是 费米液体预言的T²，而是线性于温度（R ~ T）。这种"非费米液体"行为，挑战了凝聚态物理的 标准范式。

    拉德知道，这是量子临界现象——绝对零度下的相变，由量子涨落驱动，不是热涨落。但他也知道，现有的理论（Hertz-Millis理论）预言 不同的行为（R ~ T^(3/2)在d=3）。实验与理论的偏差，暗示更深刻的物理。

    这一章，我们要讲述量子临界现象——强关联电子系统的核心谜团，高温超导的 可能关键，和通向量子活性算法的 桥梁。

    量子相变：T=0下的秩序与混沌

经典相变（热驱动）和量子相变（量子驱动）的对比：

表格

经典相变

量子相变

    量子临界点（QCP）是T=0相图中的特殊点。当非热参数调到临界值，系统的基态发生定性变化，激发谱 软模化（能量E→0在某些动量）。

    关键洞察（Hertz, 1976; Millis, 1993）：量子临界可以映射到经典临界，但在 d+z维度。动态指数z（能量~动量^z）将 时间和空间 混合。

    例如，反铁磁QCP（自旋密度波）有z=2（相对论性动力学，E~k²）。三维系统的量子临界 类似 五维经典临界（d+z=5），平均场理论 几乎正确。

    但实验显示系统偏差：YbRh₂Si₂的线性电阻、高温超导的赝能隙、铁基超导的奇异金属——这些暗示 z≠2，或更复杂的物理。

    重费米子材料：电子质量的膨胀

    重费米子材料（如CeCu₆₋ₓAuₓ、YbRh₂Si₂、UPt₃）是量子临界的 原型系统。

    特征：

• 有效质量大：电子的有效质量是自由电子的 数百倍（m* ~ 100-1000 m_e）。

• 强关联：f电子（局域）与导带电子（巡游）的杂化，产生 强关联。

• 量子相变：反铁磁与重费米子液体之间的转变，由 压力或磁场 驱动。

    实验发现：

• 比热系数 γ = C/T 发散在QCP（对数或幂律）。

• 电阻 线性于T（非费米液体）。

• 奈特位移（核磁共振）显示 自旋涨落的临界慢化。

    理论挑战：Hertz-Millis理论 预言 不同的临界指数，取决于 d和z。但实验显示更普适的 行为，跨越 不同材料——暗示 超越Hertz-Millis的物理。

    可能机制：

• 局域临界性：Kondo效应的破坏，f电子 退局域化的局域量子临界。

• 拓扑保护：费米面的重构，Luttinger定理的违反。

• 涌现规范场：自旋子（分数化激发）的去禁闭，类似 量子色动力学。

    这些想法是推测性的，等待 实验验证。

    高温超导：量子临界的角色

    铜氧化物高温超导（YBa₂Cu₃O₇₋δ等）是凝聚态物理的 最大谜团。临界温度T_c ~ 100K，远高于 传统BCS超导（~30K上限）。

    相图复杂：

• 反铁磁莫特绝缘体（欠掺杂，低载流子浓度）。

• 赝能隙相（奇怪金属，电阻线性、自旋涨落）。

• 最优掺杂（最高T_c）。

• 过掺杂（费米液体，T_c下降）。

    量子临界的 可能角色：

• 赝能隙相的QCP：隐藏的有序（条纹相、电荷密度波、d波密度波）的量子临界。

• 奇异金属的QCP：最优掺杂附近存在 QCP，驱动 非费米液体。

• 超导本身的QCP：超导-绝缘体转变（SIT）在薄膜中，是 量子相变。

    实验证据：

• 电阻在最优掺杂 线性于T和ω（频率），跨越 多个数量级。

• 核磁共振显示自旋涨落在特定能量 集中，暗示 软模。

• 角分辨光电子能谱（ARPES）显示费米面 重构，赝能隙 打开。

    理论困境：没有 微观理论 解释 高温超导。BCS理论 基于 弱耦合（声子媒介），不适用 强耦合。共振价键（RVB）理论、自旋子-空穴模型、规范场理论——都 部分成功，但 不完全。

    量子临界的 可能突破：如果高温超导 由 QCP 驱动或增强，理解QCP可能提供 设计 更高T_c材料的线索。

    量子临界与经典临界的深刻联系

    Hertz-Millis理论的核心是映射：量子临界在d维、动态指数z = 经典临界在d+z维。

    这种映射的 物理：

• 虚时间：量子力学的路径积分引入虚时间方向（β=1/kT）。

• T→0：虚时间 变成 无限长，对应 额外维度。

• 动力学：动态指数z 决定 虚时间维度的"长度"（各向异性）。

    例子：

• 反铁磁QCP（z=2）：d=2 系统（层状）的量子临界 类似 d=4经典临界（平均场 几乎正确）。

• 铁磁QCP（z=3，守恒序参量）：d=3 类似 d=6（平均场 严格正确）。

    但实验显示偏差，暗示映射 不完全或需要修正：

• 局域临界性：空间维度和时间维度 不分离，z 不是 良定义。

• 超越Hertz-Millis：预形成对、相位涨落、热相位涨落——这些在 有限温度 重要。

    量子模拟与量子计算：新的实验工具

    量子临界现象的研究，推动了 量子模拟和量子计算的发展：

    冷原子量子模拟：

• 光学晶格中的超冷原子，模拟 Hubbard模型、t-J模型、海森堡模型。

• 可调参数：相互作用强度、跃迁振幅、掺杂浓度、维度。

• 观察QCP：Mott绝缘体到超流的转变，反铁磁到巡游的转变。

    离子阱量子模拟：

• 囚禁离子的自旋链，模拟 长程相互作用的量子磁体。

• 高保真度控制：单自旋寻址、时间分辨测量。

    量子计算的潜在应用：

• 量子优化：量子退火（D-Wave）解决 优化问题，类似 寻找基态。

• 量子机器学习：变分量子算法（VQA）训练 量子电路，类似 活性算法的 量子版本。

    这些技术是活性算法的 量子基础：量子系统可以主动 探索 能量景观，自适应 参数，维持 在临界边缘。

    活性算法的量子版本：从经典到量子

    经典活性算法（自由能原理、主动推断）可以扩展到量子：

    量子自由能：

• 冯诺依曼熵代替香农熵。

• 量子相对熵作为"惊讶"的度量。

• 量子通道的容量作为信息处理的极限。

    量子主动推断：

• 量子测量作为"感知"，波函数坍缩作为"行动"。

• 量子反馈控制：测量结果 实时调整 哈密顿量参数。

• 量子强化学习：奖励函数 引导 量子电路的参数更新。

    量子UV自由方案：

• 量子场论的自然截断：普朗克尺度或凝聚态的 晶格常数。

• 有限振幅：量子电路的有限深度和宽度 自然限制 复杂度。

• 无需重整化：量子模拟 直接 处理 截断理论，不需求 连续极限。

    这种量子扩展是前沿研究，连接 量子信息、量子多体物理、和机器学习。

    尾声：绝对零度下的光

    量子临界现象，像绝对零度下的光，照亮 强关联电子系统的 黑暗。

    它告诉我们：

• 量子涨落 可以 驱动 宏观相变，类似 热涨落。

• T=0 不是 死寂，而是丰富的量子态的竞争。

• 动力学（z）与 静态 同样重要，时间与空间 纠缠。

    这些洞见，在第二十章将回响：量子活性算法、量子神经网络的 临界状态、和量子智能的 涌现。

    在下一章，我们将进入活性物质的深层——生命作为临界、大脑作为活性算法、和从物理到认知的 范式转变。

    但首先，让我们向那些在毫开尔文实验室中追逐量子临界的研究者致敬。他们证明了，即使在绝对零度，物理学也可以燃烧。

    本章注释与延伸阅读

    关于量子临界现象的基础，推荐：Sachdev, S. (2011). Quantum Phase Transitions (2nd ed.), Cambridge University Press（标准教材）。

    关于重费米子材料，参见：Stewart, G.R. (2001). "Non-Fermi-Liquid Behavior in d- and f-Electron Metals," Reviews of Modern Physics 73, 797-856；以及Gegenwart, P., Si, Q., and Steglich, F. (2008). "Quantum Criticality in Heavy-Fermion Metals," Nature Physics 4, 186-197。

    关于高温超导与量子临界，推荐：Keimer, B. et al. (2015). "From Quantum Matter to High-Temperature Superconductivity in Copper Oxides," Nature 518, 179-186；以及Varma, C.M. (2020). "Colloquium: Linear in Temperature Resistivity and Associated Mysteries Including High-Temperature Superconductivity," Reviews of Modern Physics 92, 031001。

    关于量子模拟，参见：Bloch, I., Dalibard, J., and Zwerger, W. (2008). "Many-Body Physics with Ultracold Gases," Reviews of Modern Physics 80, 885-964。

    关于量子机器学习，推荐：Biamonte, J. et al. (2017). "Quantum Machine Learning," Nature 549, 195-202。