물리:무작위장_이징_모형

Differences

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

Link to this comparison view

Both sides previous revision Previous revision
Next revision
Previous revision
Last revisionBoth sides next revision
물리:무작위장_이징_모형 [2018/05/16 12:15] – [안장점 근사] admin물리:무작위장_이징_모형 [2021/05/25 14:06] – [참고문헌] admin
Line 6: Line 6:
 ======온곳으로 연결된 경우====== ======온곳으로 연결된 경우======
  
-=====자유 에너지=====+=====해밀토니안=====
 모든 스핀이 모든 스핀과 연결되어 [[:물리:평균장 이론]]이 정확해지는 경우이다. 이 때의 해밀토니안은 아래와 같다: 모든 스핀이 모든 스핀과 연결되어 [[:물리:평균장 이론]]이 정확해지는 경우이다. 이 때의 해밀토니안은 아래와 같다:
 $$H = -\frac{J}{N} \sum_{ij} s_i s_j - \sum s_i h_i.$$ $$H = -\frac{J}{N} \sum_{ij} s_i s_j - \sum s_i h_i.$$
Line 17: Line 17:
  
 =====복제 방법===== =====복제 방법=====
-$\left< \ln Z \right>_h$를 구하기 위해 소위 [[수학:복제(replica) 방법]]을 사용한다:+$\left< \ln Z \right>_h$를 구하기 위해 소위 [[수학:복제 방법]]을 사용한다:
 $$\ln Z = \lim_{n \to 0} \frac{Z^n-1}{n}.$$ $$\ln Z = \lim_{n \to 0} \frac{Z^n-1}{n}.$$
 $Z^n$의 평균은 다음처럼 구해지며 $Z^n$의 평균은 다음처럼 구해지며
Line 52: Line 52:
 위 식의 우변은 $Z_1^N$의 형태로 쓸 수 있으며 이 때 위 식의 우변은 $Z_1^N$의 형태로 쓸 수 있으며 이 때
 $$Z_1(\tilde{x}_\alpha) \equiv \sum_{\left\{ s^\alpha = \pm 1 \right\}} \exp \left[ \sqrt{2\beta J} \sum_\alpha \tilde{x}_\alpha s^\alpha + \frac{1}{2} \beta^2 \sigma^2 \left( \sum_\alpha s^\alpha \right)^2 \right]$$ $$Z_1(\tilde{x}_\alpha) \equiv \sum_{\left\{ s^\alpha = \pm 1 \right\}} \exp \left[ \sqrt{2\beta J} \sum_\alpha \tilde{x}_\alpha s^\alpha + \frac{1}{2} \beta^2 \sigma^2 \left( \sum_\alpha s^\alpha \right)^2 \right]$$
-로서 스핀 하나에 대한 분배 함수이다. 지수 함수 안의 내용을 $A(s^\alpha, \tilde{x}_\alpha)$로 정의하여 +로서 스핀 하나에 대한 분배 함수이다. 지수 함수 안의 내용을 $A(\{s^\alpha\}, \tilde{x}_\alpha)$로 정의하여 
-$Z_1(\tilde{x}_\alpha) = \sum_{\left\{ s^\alpha = \pm 1 \right\}} \exp \left[ A(s^\alpha, \tilde{x}_\alpha) \right]$라고 적자.+$Z_1(\tilde{x}_\alpha) = \sum_{\left\{ s^\alpha = \pm 1 \right\}} \exp \left[ A(\{s^\alpha\}, \tilde{x}_\alpha) \right]$라고 적자.
  
 지금까지의 내용을 정리하면 다음과 같다: 지금까지의 내용을 정리하면 다음과 같다:
Line 67: Line 67:
 0 &=& \frac{\partial}{\partial \tilde{x}_\alpha} \left[ - \frac{1}{2}\tilde{x}_\alpha^2 + \ln Z_1(\tilde{x}_\alpha) \right]\\ 0 &=& \frac{\partial}{\partial \tilde{x}_\alpha} \left[ - \frac{1}{2}\tilde{x}_\alpha^2 + \ln Z_1(\tilde{x}_\alpha) \right]\\
 &=& -\tilde{x}_\alpha + \frac{1}{Z_1} \frac{\partial Z_1}{\partial \tilde{x}_\alpha}\\ &=& -\tilde{x}_\alpha + \frac{1}{Z_1} \frac{\partial Z_1}{\partial \tilde{x}_\alpha}\\
-&=& -\tilde{x}_\alpha + \frac{\sqrt{2\beta J} \sum_{\left\{ s^\alpha = \pm 1 \right\}} s^\alpha \exp[A(s^\alpha, \tilde{x}_\alpha)]}{\sum_{\left\{ s^\alpha = \pm 1 \right\}} \exp[A(s^\alpha, \tilde{x}_\alpha)]}.+&=& -\tilde{x}_\alpha + \frac{\sqrt{2\beta J} \sum_{\left\{ s^\alpha = \pm 1 \right\}} s^\alpha \exp[A(\{s^\alpha\}, \tilde{x}_\alpha)]}{\sum_{\left\{ s^\alpha = \pm 1 \right\}} \exp[A(\{s^\alpha\}, \tilde{x}_\alpha)]}.
 \end{eqnarray*} \end{eqnarray*}
 따라서 따라서
Line 74: Line 74:
 $$\left< Z^n \right>_h = \exp\left[ Nn \left( -\frac{1}{2} 2 \beta J m^2 \right) + N \ln Z_1 (\tilde{x}_\alpha = \sqrt{2\beta J} m) - \frac{1}{2} n \ln c \right]$$ $$\left< Z^n \right>_h = \exp\left[ Nn \left( -\frac{1}{2} 2 \beta J m^2 \right) + N \ln Z_1 (\tilde{x}_\alpha = \sqrt{2\beta J} m) - \frac{1}{2} n \ln c \right]$$
 이며, 여기에서 이며, 여기에서
-$$ c \equiv \frac{\partial^2}{\partial \tilde{x}_\alpha^2} \left[ \frac{1}{2}\tilde{x}_\alpha^2 \ln Z_1(\tilde{x}_\alpha) \right]_{\tilde{x}_\alpha = \sqrt{2\beta J}m} = +$$ c \equiv \frac{\partial^2}{\partial \tilde{x}_\alpha^2} \left[ \frac{1}{2}\tilde{x}_\alpha^2 \ln Z_1(\tilde{x}_\alpha) \right]_{\tilde{x}_\alpha = \sqrt{2\beta J}m} = 
--\left< ( s - m )^2 \right>_A$$ +\left< ( s^\alpha - m )^2 \right>_A$$ 
-다.+인데 $N \to \infty$에서 두 번째 항은 0으로 접근하므로 $\ln c$는 무시해도 좋다. 
 + 
 =====$Z_1$의 계산===== =====$Z_1$의 계산=====
 $\tilde{x}_\alpha = \sqrt{2\beta J} m$에서의 $Z_1$을 계산해보자. 먼저 아래처럼 적은 다음 $\tilde{x}_\alpha = \sqrt{2\beta J} m$에서의 $Z_1$을 계산해보자. 먼저 아래처럼 적은 다음
-$$e^{A(s,m)} = \exp \left[ 2\beta J m \sum_\alpha s^\alpha + \frac{1}{2}\beta^2 \sigma^2 \left( \sum_\alpha s^\alpha \right)^2 \right]$$+$$e^{A(\{s^\alpha \},m)} = \exp \left[ 2\beta J m \sum_\alpha s^\alpha + \frac{1}{2}\beta^2 \sigma^2 \left( \sum_\alpha s^\alpha \right)^2 \right]$$
 지수함수 안의 제곱항을 [[:수학:허바드-스트라토노비치 변환]]으로 처리해준다: 지수함수 안의 제곱항을 [[:수학:허바드-스트라토노비치 변환]]으로 처리해준다:
 $$\exp \left[ \frac{1}{2} \beta^2 \sigma^2 \left( \sum_\alpha s^\alpha \right)^2 \right] = \sqrt{\frac{1}{2\pi}} \int_{-\infty}^\infty du \exp \left[ -\frac{u^2}{2} + \beta \sigma \left( \sum_\alpha s^\alpha \right) u \right] .$$ $$\exp \left[ \frac{1}{2} \beta^2 \sigma^2 \left( \sum_\alpha s^\alpha \right)^2 \right] = \sqrt{\frac{1}{2\pi}} \int_{-\infty}^\infty du \exp \left[ -\frac{u^2}{2} + \beta \sigma \left( \sum_\alpha s^\alpha \right) u \right] .$$
 따라서 따라서
-$$e^{A(s,m)} = \sqrt{\frac{1}{2\pi}} \int_{-\infty}^\infty du \exp \left[ -\frac{u^2}{2} + (2\beta J m + \beta \sigma u) \left( \sum_\alpha s^\alpha \right) \right],$$+$$e^{A\{s^\alpha \},m)} = \sqrt{\frac{1}{2\pi}} \int_{-\infty}^\infty du \exp \left[ -\frac{u^2}{2} + (2\beta J m + \beta \sigma u) \left( \sum_\alpha s^\alpha \right) \right],$$
 \begin{eqnarray*} \begin{eqnarray*}
-Z_1 \left( \tilde{x}_\alpha = \sqrt{2\beta J}m \right) &=& \sum_{\left\{ s^\alpha = \pm 1 \right\}} e^{A(s,m)}\\+Z_1 \left( \tilde{x}_\alpha = \sqrt{2\beta J}m \right) &=& \sum_{\left\{ s^\alpha = \pm 1 \right\}} e^{A(\{s^\alpha\},m)}\\
 &=& \int \frac{du}{\sqrt{2\pi}} e^{-\frac{1}{2}u^2} \prod_{\alpha=1}^n \left[\sum_{s^\alpha = \pm 1} e^{(2\beta J m + \beta \sigma u) s^\alpha} \right]\\ &=& \int \frac{du}{\sqrt{2\pi}} e^{-\frac{1}{2}u^2} \prod_{\alpha=1}^n \left[\sum_{s^\alpha = \pm 1} e^{(2\beta J m + \beta \sigma u) s^\alpha} \right]\\
-&=& \int \frac{du}{\sqrt{2\pi}} e^{-\frac{1}{2}u^2} \left[ 2 \cosh (2\beta J m + \beta \sigma u) \right]^n+&=& \int \frac{du}{\sqrt{2\pi}} e^{-\frac{1}{2}u^2} \left[ 2 \cosh (2\beta J m + \beta \sigma u) \right]^n\\ 
 +&=& \int \frac{du}{\sqrt{2\pi}} e^{-\frac{1}{2}u^2} \exp \left\{ n \ln \left[ 2 \cosh (2\beta J m + \beta \sigma u) \right] \right\}\\ 
 +&\approx& \int \frac{du}{\sqrt{2\pi}} e^{-\frac{1}{2}u^2} \left\{ 1 + n \ln \left[ 2 \cosh (2\beta J m + \beta \sigma u) \right] \right\}\\ 
 +&=& 1 + n \int \frac{du}{\sqrt{2\pi}} e^{-\frac{1}{2}u^2} \ln \left[ 2 \cosh (2\beta J m + \beta \sigma u) \right]
 \end{eqnarray*} \end{eqnarray*}
 +이다. $n$이 작은 경우를 다루고 있으므로 $\ln (1+\epsilon) \approx \epsilon$임을 이용하면
 +$$\lim_{n \to 0} \ln Z_1 = n \int \frac{du}{\sqrt{2\pi}} e^{-\frac{1}{2}u^2} \ln \left[ 2 \cosh (2\beta J m + \beta \sigma u) \right].$$
 +
 +=====자유 에너지의 계산=====
 +지금까지 $n \ll 1$에서 다음을 구하였다:
 +\begin{eqnarray}
 +\left< Z^n \right>_h &\approx& \exp\left\{ Nn \left( -\beta J m^2 \right) + N n \int \frac{du}{\sqrt{2\pi}} e^{-\frac{1}{2}u^2} \ln \left[ 2 \cosh (2\beta J m + \beta \sigma u) \right] \right\}\\
 +&\approx& 1 + Nn \left( -\beta J m^2 \right) + N n \int \frac{du}{\sqrt{2\pi}} e^{-\frac{1}{2}u^2} \ln \left[ 2 \cosh (2\beta J m + \beta \sigma u) \right].
 +\end{eqnarray}
 +그러므로
 +\begin{eqnarray}
 +\left< F \right>_h &=& -T \left( \lim_{n \to 0} \frac{\left< Z^n \right>_h - 1}{n} \right)\\
 +&=& -N J m^2 - T N \int \frac{du}{\sqrt{2\pi}} e^{-\frac{1}{2}u^2} \ln \left[ 2 \cosh (2\beta J m + \beta \sigma u) \right]
 +\end{eqnarray}
 이다. 이다.
 +
 +=====질서 변수=====
 +이 자유 에너지를 최소로 만드는 질서변수 $m$을 찾으면
 +$$0 = \frac{\partial \left< F \right>_h}{\partial m} = 2NJm - TN \int \frac{du}{\sqrt{2\pi}} e^{-\frac{1}{2}u^2}  \frac{2\sinh(2\beta J m + \beta \sigma u)}{2\cosh(2\beta J m + \beta \sigma u)} 2\beta J$$
 +으로부터
 +\begin{eqnarray}
 +m &=& \int \frac{du}{\sqrt{2\pi}} e^{-\frac{1}{2}u^2}  \tanh(2\beta J m + \beta \sigma u)\\
 +&=& \int \frac{dh}{\sqrt{2\pi \sigma^2}} e^{-\frac{h^2}{2 \sigma^2}}  \tanh[\beta(2 J m + \sigma u)]\\
 +&=& \int dh P(h)  \tanh[\beta(2 J m + \sigma u)]
 +\end{eqnarray}
 +을 얻는다. 중간에 $h = \sigma u$로 변수를 치환했다.
 +이 방정식을 자체모순 없이 만족시키는 $m$을 구하면 된다.
 +======함께 보기======
 +[[물리::셰링턴-커크패트릭 모형]]
 +
 +======참고문헌======
 +  * https://inordinatum.wordpress.com/2013/01/20/mean-field-solution-of-the-random-field-ising-model/
 +  * T. Schneider and E. Pytte, //Random-field instability of the ferromagnetic state//, Phys. Rev. B 15, 1519 (1977)
  • 물리/무작위장_이징_모형.txt
  • Last modified: 2023/09/05 15:46
  • by 127.0.0.1