Differences

This shows you the differences between two versions of the page.

--- 물리:무작위_에너지_모형 [2026/02/14 14:43] – [복제 방법을 통한 계산] admin
+++ 물리:무작위_에너지_모형 [2026/02/14 15:02] (current) – [복제 방법을 통한 계산] admin
@@ Line 338: / Line 338: @@
 \begin{eqnarray*}
-\mathbb{E}Y_N &\approx& \lim_{n\to 0} \mathbb{E} \left[ Z^{n-2} \sum_{i=1}^M e^{-2\beta E_i} \right]\\
+Y_N &\approx& \lim_{n\to 0} Z^{n-2} \sum_{i=1}^M e^{-2\beta E_i}\\
-&=& \lim_{n\to 0} \mathbb{E} \left[ \sum_{i_1=1}^M \cdots \sum_{i_{n-2}=1}^M \exp \left( -\beta E_{i_1} - \ldots -\beta E_{i_{n-2}} \right) \sum_{i=1}^M \exp\left(-2\beta E_i\right) \right]\\
+&=& \lim_{n\to 0} \sum_{i_1=1}^M \cdots \sum_{i_{n-2}=1}^M \exp \left( -\beta E_{i_1} - \ldots -\beta E_{i_{n-2}} \right) \sum_{i=1}^M \exp\left(-2\beta E_i\right)\\
-&=& \lim_{n\to 0} \mathbb{E} \left[ \sum_{i_1=1}^M \cdots \sum_{i_{n-2}=1}^M \exp \left( -\beta E_{i_1} - \ldots -\beta E_{i_{n-2}} \right) \sum_{i_{n-1}=1}^M \exp\left(-2\beta E_{i_{n-1}}\right) \right]\\
+&=& \lim_{n\to 0} \sum_{i_1=1}^M \cdots \sum_{i_{n-2}=1}^M \exp \left( -\beta E_{i_1} - \ldots -\beta E_{i_{n-2}} \right) \sum_{i_{n-1}=1}^M \exp\left(-2\beta E_{i_{n-1}}\right)\\
-&=& \lim_{n\to 0} \mathbb{E} \left[ \sum_{i_1=1}^M \cdots \sum_{i_{n-2}=1}^M \exp \left( -\beta E_{i_1} - \ldots -\beta E_{i_{n-2}} \right) \sum_{i_{n-1}=1}^M \exp\left(-\beta E_{i_{n-1}} -\beta E_{i_{n-1}}\right) \right]\\
+&=& \lim_{n\to 0} \sum_{i_1=1}^M \cdots \sum_{i_{n-2}=1}^M \exp \left( -\beta E_{i_1} - \ldots -\beta E_{i_{n-2}} \right) \sum_{i_{n-1}=1}^M \exp\left(-\beta E_{i_{n-1}} -\beta E_{i_{n-1}}\right)\\
-&=& \lim_{n\to 0} \mathbb{E} \left[ \sum_{i_1=1}^M \cdots \sum_{i_{n-2}=1}^M \exp \left( -\beta E_{i_1} - \ldots -\beta E_{i_{n-2}} \right) \sum_{i_{n-1}=1}^M \sum_{i_n=1}^M \exp\left(-\beta E_{i_{n-1}} -\beta E_{i_n}\right) \mathbb{I}\left( i_{n-1} = i_n \right) \right]\\
+&=& \lim_{n\to 0} \sum_{i_1=1}^M \cdots \sum_{i_{n-2}=1}^M \exp \left( -\beta E_{i_1} - \ldots -\beta E_{i_{n-2}} \right) \sum_{i_{n-1}=1}^M \sum_{i_n=1}^M \exp\left(-\beta E_{i_{n-1}} -\beta E_{i_n}\right) \mathbb{I}\left( i_{n-1} = i_n \right)\\
-&=& \lim_{n\to 0} \mathbb{E} \left[ \sum_{i_1, \ldots, i_n} \exp \left( -\beta E_{i_1} - \ldots -\beta E_{i_n} \right) \mathbb{I}\left( i_{n-1} = i_n \right) \right]\\
+&=& \lim_{n\to 0} \sum_{i_1, \ldots, i_n} \exp \left( -\beta E_{i_1} - \ldots -\beta E_{i_n} \right) \mathbb{I}\left( i_{n-1} = i_n \right)\\
 \end{eqnarray*}
 지금은 $n$개의 복제본 중 끝의 두 개를 크로네커 델타에 집어넣고 있는데, 좀더 일반화해서 $n$개의 복제본 중 $a$와 $b$로 부를 서로 다른 두 복제본을 골라내고 모든 $(a,b)$의 조합에 대해 합해보자:
-$$\lim_{n\to 0}\sum_{a\neq b} \mathbb{E} \left[ \sum_{i_1, \ldots, i_n} \exp \left( -\beta E_{i_1} - \ldots -\beta E_{i_n} \right) \mathbb{I}\left( i_a = i_b \right) \right].$$
+$$\lim_{n\to 0}\sum_{a\neq b} \sum_{i_1, \ldots, i_n} \exp \left( -\beta E_{i_1} - \ldots -\beta E_{i_n} \right) \mathbb{I}\left( i_a = i_b \right).$$
 이는 $(a,b)$를 바꾸어가며 비슷한 계산을 $n(n-1)$번 반복한 것이므로 앞의 식에 대응되려면 그만큼을 나누어주어야 한다:
-$$\mathbb{E}Y_N \approx \lim_{n\to 0} \frac{1}{n(n-1)} \sum_{a\neq b} \mathbb{E} \left[ \sum_{i_1, \ldots, i_n} \exp \left( -\beta E_{i_1} - \ldots -\beta E_{i_n} \right) \mathbb{I}\left( i_a = i_b \right) \right].$$
+$$Y_N \approx \lim_{n\to 0} \frac{1}{n(n-1)} \sum_{a\neq b} \sum_{i_1, \ldots, i_n} \exp \left( -\beta E_{i_1} - \ldots -\beta E_{i_n} \right) \mathbb{I}\left( i_a = i_b \right).$$
-다음으로 $n\to 0$의 극한에서 $\mathbb{E} Z^n$은 $1$이 될 것이므로 위 표현의 분모로 넣어준다:
+다음으로 $n\to 0$의 극한에서 $Z^n$은 $1$이 될 것이므로 위 표현의 분모로 넣어준다:
-$$\mathbb{E}Y_N \approx \lim_{n\to 0} \frac{1}{n(n-1)} \sum_{a\neq b} \frac{\mathbb{E} \left[ \sum_{i_1, \ldots, i_n} \exp \left( -\beta E_{i_1} - \ldots -\beta E_{i_n} \right) \mathbb{I}\left( i_a = i_b \right) \right]}{\mathbb{E} \left[ \sum_{i_1, \ldots, i_n} \exp \left( -\beta E_{i_1} - \ldots -\beta E_{i_n} \right) \right]}.$$
+$$Y_N \approx \lim_{n\to 0} \frac{1}{n(n-1)} \sum_{a\neq b} \left[ \frac{ \sum_{i_1, \ldots, i_n} \exp \left( -\beta E_{i_1} - \ldots -\beta E_{i_n} \right) \mathbb{I}\left( i_a = i_b \right)}{\sum_{i_1, \ldots, i_n} \exp \left( -\beta E_{i_1} - \ldots -\beta E_{i_n} \right) } \right].$$
+그러면 $\left[\cdots \right]$ 안의 표현식은 $\mathbb{I}(i_a=i_b) = Q_{ab}$를 평균한 값으로 해석할 수 있다. 이 값이 $\beta>\beta_c$에서 구했던 복제 대칭성 깨짐 해에 의해 결정된다면, $\sum_{a\neq b} Q_{ab} = \left(\sum_{ab} Q_{ab}\right) - n = n\left(x^\ast-1\right)$이므로 아래 결과를 얻는다:
+$$\mathbb{E}Y_N \approx \lim_{n\to 0} \frac{n(x^\ast-1)}{n(n-1)} = 1-x^\ast =
+\left\{ \begin{array}{ll}
+- \frac{\beta_c}{\beta} & \text{ if }\beta>\beta_c\\
+& \text{ otherwise.}
+\end{array}\right.$$
 =====스핀 모형과의 관계=====