Next seminar : Séminaire du LPTMS : Orazio Scarlatella (Collège de France)

Tuesday, May 18 2021 at 11:00:00

Dynamical Mean-Field Theory for Markovian Open Quantum Many-Body Systems

Orazio Scarlatella (Collège de France)

Online seminar --- Zoom Meeting ID: 962 2949 3343 -- Passcode: ask L. Mazza and D. Petrov -- Markovian quantum many body systems describe a number of experimental platforms relevant for quantum simulations. Their theoretical understanding is hampered by the exponential scaling of their Hilbert space and by their intrinsic nonequilibrium nature, limiting the applicability of many traditional approaches. In this talk I will present an extension of the nonequilibrium Dynamical Mean Field Theory (DMFT) to bosonic Markovian open quantum systems. Within DMFT, a Lindblad master equation describing a lattice of dissipative particles is mapped onto an impurity problem describing a single site of the lattice coupled to a self-consistent environment, which for bosons accounts for fluctuations beyond Gutzwiller mean-field theory due to the finite lattice connectivity. I will present a non-perturbative approach to solve this impurity problem, which is tailored for Markovian open quantum systems. As a first application of this DMFT approach, I will discuss the steady-state of a driven-dissipative Bose-Hubbard model with two-body losses and incoherent pump. I will show that this model features a normal phase at small hopping and a phase transition towards a non-equilibrium superfluid. Remarkably, this transition occurs as a finite-frequency instability, leading to an oscillating in time order parameter. Then, I will show that DMFT captures hopping-induced dissipative processes, completely missed in Gutzwiller mean-field theory, which crucially determine the properties of the normal phase, including the suppression of local gain and the emergence of a stationary quantum-Zeno regime. I will also argue that these processes compete with coherent hopping processes to determine the phase transition towards the superfluid phase, leading to a large extension of the normal phase due to finite-connectivity.

Last Highlight : Quand les mégadonnées aident à prédire la performance sportive

Les smartphones et les montres connectées ne sont pas de simples accessoires pour les sportifs. Thorsten Emig a développé un modèle mathématique simple pour étudier les performances des sportifs d’endurance. Puis, une collaboration récente avec un scientifique de la société Polar Electro Oy (Finlande) a permis de l’appliquer à des données obtenues auprès d'environ 14 000 coureurs s’entrainant en conditions réelles. Selon cette étude, le modèle mathématique permet d’estimer des paramètres physiologiques clés comme la vitesse maximale aérobie et l'endurance, connus pour être liés aux conditions de santé et aux performances. La collecte non-invasive de ces données offre des possibilités en matière de soins et de surveillance. De plus, ce modèle pourrait être utilisé pour prédire les performances futures des athlètes, comme les temps de course du marathon, ce qui aiderait leur recrutement pour les équipes et les compétitions. Ce travail ouvre de nouvelles perspectives pour quantifier la santé et les performances sportives des athlètes en conditions réelles, et pourrait ouvrir des pistes pour la lutte antidopage.

http://www.cnrs.fr/fr/predire-les-performances-sportives-avec-les-big-data


See all LPTMS highlights.


Next Conference :