L'objectif de cette thèse est d'investiguer le comportement de la localisation d'Anderson en grande dimension. Dans la première partie nous étudions les Matrices de Lévy, un modèle de matrices aléatoires avec interactions à longue portée qui présente une forte analogie avec le problème de la localisation d'Anderson sur des structures en arbre, représentatives du comportement en dimension infinie. Nous établissons l'équation qui détermine la transition de localisation et nous obtenons le diagramme de phase. Nous investiguons en suite le comportement inhabituel de la phase délocalisée. Avec des arguments basés sur la méthode supersymmétrique et sur le mouvement brownien de Dyson, nous montrons que la distribution des écarts entre valeurs propres est la même que dans le cas GOE dans toute la phase délocalisée et elle est de type Poisson dans la phase localisée. Notre analyse numérique confirme ce résultat, valable dans la limite thermodynamique, et fournit des informations sur le comportement d'autres quantités comme la statistique des vecteurs propres. De plus, les résultats numériques révèlent que l'échelle caractéristique qui gouverne les effets de taille finie diverge beaucoup plus vite qu'une loi de puissance quand on s'approche de la transition, et elle est déjà très grande loin du point critique. Dans la seconde partie nous étudions numériquement le comportement du modèle d'Anderson en dimension de 3 à 6 en utilisant la méthode de la matrice de transfert, la diagonalisation exacte, et une technique approximée de Groupe de Renormalisation pour fort désordre. Les résultats suggèrent que la dimension critique supérieure de la localisation d'Anderson est infinie. Nous discutons aussi les implications possibles de ce scénario sur le comportement inhabituel de la phase délocalisée des modèles représentatifs de la limite de dimension infinie, comme les matrices de Lévy et le modèle d'Anderson sur des structures en arbre. / In this thesis, we investigate the behavior of Anderson Localization in high dimension. In the first part we study Lévy Matrices (LMs), a Random Matrix model with long-range hopping presenting strong analogy with the problem of Anderson Localization on tree-like structure, representative of the limit of infinite dimensionality. We establish the equation determining the localization transition and obtain the phase diagram. We investigate then the unusual behavior of the delocalized phase. Using arguments based on supersymmetric field theory and Dyson Brownian motion we show that the eigenvalue statistics is the same one as of the Gaussian orthogonal ensemble in the whole delocalized phase and is Poisson-like in the localized phase. Our numerical analysis confirms this result, valid in the limit of infinitely large LMs, and provides information on the behavior of other observables like the wave-functions statistics. At the same time, numerical results also reveal that the characteristic scale governing finite size effects diverges much faster than a power law approaching the transition and is already very large far from it. This leads to a very wide crossover region in which the system looks as if it were in a mixed phase. In the second part we study numerically the behavior of the Anderson Model in dimension from 3 to 6 through exact diagonalization, Transfer Matrix method and an approximate Strong Disorder Renormalization Group technique. The results we find suggest that the upper critical dimension of Anderson Localization is infinite. Finally, we discuss the possible implications of this scenario on the anomalous behavior of the delocalized phase of models representative of the limit of infinite dimension, like Lévy Matrices and the Anderson model on tree-like structures.
| Identifer | oai:union.ndltd.org:theses.fr/2016SACLS540 |
| Date | 12 December 2016 |
| Creators | Tarquini, Elena |
| Contributors | Paris Saclay, Biroli, Giulio |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text, Image, StillImage |
Page generated in 0.0014 seconds