Witten Lindbladians 的最优弛豫
Optimal relaxation for Witten Lindbladians
浏览论文内容
中文总结 AI 辅助
本文证明一维 Witten Lindbladian 的最优迹范数弛豫率为 $\gamma_h=\lambda_1(h)/(2h)$，适用于满足特定 $L^2$ 估计的初始算子，并附有正初始数据的加强结果。
中文摘要 AI 辅助
我们证明了与 Witten 微分 $a=h\partial_x+V'$ 相关的一维 Lindbladian 的最优迹范数弛豫，该微分湮灭经典 Gibbs 密度：若 $\lambda_1(h)$ 是 $H=a^*a$ 的第一个正特征值，则弛豫率为 $\gamma_h=\lambda_1(h)/(2h)$。该结果适用于其 Schwartz 核在 Gibbs 共轭后满足对角限制和法向导数的 $L^2$ 估计的初始算子。附录由 Chat GPT 6 提供，针对正初始数据给出了更强的结果。
英文摘要
We prove optimal trace-norm relaxation for the one-dimensional Lindbladian associated with the Witten differential $a=h\partial_x+V'$ which annihilates the classical Gibbs density: if $λ_1(h)$ is the first positive eigenvalue of $H=a^*a$, then the relaxation rate is $γ_h=λ_1(h)/(2h)$. It applies to initial operators whose Schwartz kernels, after a Gibbs conjugation, satisfy $ L^2 $ estimates for the restriction to the diagonal and for the normal derivative. An appendix by Chat GPT 6 presents a stronger result specialised to positive initial data.
