受驱动全息超流体中依赖历史的模式选择
History-Dependent Mode Selection in a Driven Holographic Superfluid
AI总结：
该研究针对全息超流体的朗道不稳定模式，发现模式选择依赖历史记忆，提出受驱动背景下含时线性演化可复现完整动力学，且记忆可通过准正态模式增长率累积差值定量表征。
AI中文摘要：
我们研究全息超流体中相互竞争的朗道不稳定模式间的有限速率模式选择，所选模式通常并非瞬时增长最快的模式，而受驱动背景下的含时线性演化可复现完整动力学；具有相同当前驱动条件的方案可呈现相反的模式排序，揭示了对先前驱动的记忆，该记忆由竞争模式的准正态模式（QNM）增长率的累积差值定量表征。
英文摘要：
We study finite-rate mode selection among competing Landau-unstable modes in a holographic superfluid. The selected mode is not generally the instantaneous fastest-growing one, while time-dependent linear evolution on the driven background reproduces the full dynamics. Protocols with identical present driving conditions can exhibit opposite modal ordering, revealing memory of the preceding drive. This memory is quantitatively captured by the accumulated difference between the QNM growth rates of the competing modes.
