Information clustering and geometric pressure in AdS3

Feiyu Deng

doi:10.5281/zenodo.23534563

从合作存储出发

多个实验室分别保存量子系统时，相关性可以降低联合编码所需的存储量；把实验室接入同一个合作组也需要付费。论文在固定、有限、可因子化的调节下指定分量代数。每个分组必须能仅从自己的记忆恢复其源态，额外接入一个实验室的每次源使用代价为 τ。

因此，要优化的是扣除合作费用后的净存储节省。对分量标签的分区 P，论文采用已有的熵分区目标

G_\tau(\rho_A;\{A_i\})=\max_{\mathcal P\vdash[n]}\left\{\sum_{B\in\mathcal P}T(B)-\tau(n-|\mathcal P|)\right\}.

这里 T(B) 是组 B 的总关联，n 是实验室数，|P| 是分组数。优化包含非连续标签组成的组。这个信息任务以实际约化态的熵定义；代数、允许操作与资源计费共同规定了问题。

面积—体积的几何表示

几何一侧在静态空间切片上极小化“自由边界周长 + 正同调区域面积惩罚”，其中面积源为 λ/R，整体带有 1/(4G) 归一化。这就是本研究中的面积—体积结构在二维切片上的形式。参考值取同一源参数 λ 下，各个单区间帽分别重新优化后的总和。

对领先阶 Einstein–AdS₃ 真空 RT 熵模型中固定有限个分离区间，公开版本给出

\begin{aligned} F_\lambda^\epsilon-F_{\lambda,\mathrm{disc}}^\epsilon&=-qG_\tau^{\mathrm{RT}}+O(c\epsilon/\delta),\\ q&=\sqrt{1-\lambda^2},\\ \tau&=\frac{c\pi\lambda}{3q}. \end{aligned}

q 和 τ 将几何源参数 λ 与信息任务中的合并费率联系起来，源参数满足 0 ≤ λ < 1。误差控制依赖紫外截断 ε 与分离尺度 δ，并在该范围的紧子区间上一致成立。极小化的对象具有正同调区域、精确边界迹和紧的本质支撑；保熵分量细分与全局校准是建立对应的关键。

例子与适用范围

分组的结构：集体转变、嵌套分组与自由 Dirac 例子区分不同的分区效应。
面积响应：受控的一阶导数估计在先取紫外极限、再从两侧接近相界的顺序下给出几何面积跃变；有限 c 的实际态导数还需要单独分析。
热态：非紧致热直线的表示包含带费用的视界部分。
紧致性障碍：紧致 BTZ 环域在沿用同一合并费率时存在有限失配。

将 RT 熵换成实际态熵，需要额外的误差控制。上述模型、调节与区域条件构成结论的适用范围。

如何阅读主文

先读第 2 节的分量代数与存储任务，再读第 3–4 节的分组几何与压力表示。第 5 节提供集体相、嵌套分组和面积响应；第 6 节比较热直线与紧致环域。附录 C–H 展开细分、全局极小、精确迹和紫外估计；附录 I 介绍数值方法与检查。

配套说明研究什么

17 页配套说明的原题是 Field constructions and their composition limits。它保留五项分别带有明确假设的研究：互补约化态的谱障碍、区间熵构造及其复合限制、给定共形探针的精确输运、密度矩阵几何，以及 replica 通道权重。它们使用各自的场数据与允许操作，作为独立任务阅读。主文承担存储目标、正同调压力问题、校准与紫外对应的定义和证明。

主文、配套说明和复现源文件来自同一条公开 Zenodo 记录。本站 PDF 保持原文件字节、致谢与 AI 使用披露。记录采用 CC BY 4.0；源包中的第三方样式文件保留原许可。

原文摘要（英文）

Joint quantum storage saves memory through correlations, while cooperation requires access to several laboratories. We formulate this competition at a fixed finite factorizing regulator, with specified component algebras, independently recoverable block memories and a nonnegative merger price. The optimal net saving is the established entropy-partition objective evaluated on actual component marginals. In the leading Einstein-AdS $_3$ vacuum RT entropy model, this optimum has a geometric representation. For fixed finitely many separated intervals, the minimum of free perimeter plus positive homology area, relative to separately optimized single-interval caps, satisfies $F_\lambda^\epsilon-F_{\lambda,\mathrm{disc}}^\epsilon=-qG_\tau^\mathrm{RT}+O(c\epsilon/\delta)$ , where $q=\sqrt{1-\lambda^2}$ and $\tau=c\pi\lambda/(3q)$ . The ultraviolet estimate is uniform on compact subcritical source intervals, and the minimization is over positive finite-perimeter regions with exact trace and compact essential support. Entropy-preserving component refinement and a global calibration establish the representation. Replacing RT entropies by actual-state entropies requires separate error bounds. Collective, nested and free-Dirac examples distinguish the partition effects. First-derivative estimates determine the geometric area jump, without extending the result to finite- $c$ derivatives. The representation extends to the noncompact thermal line with a charged horizon. A compact-BTZ annulus instead gives a finite mismatch at the unchanged tariff.

论文文件

原始版本记录与文件校验 ↗

引用

引用 / BibTeX

@misc{Deng:2026InformationClustering,
  author = {Deng, Feiyu},
  title = {Information clustering and geometric pressure in AdS3},
  year = {2026},
  month = {oct},
  doi = {10.5281/zenodo.23534563},
  url = {https://zenodo.org/records/23534563},
  note = {Preprint, Zenodo; published online 2026-10-22}
}