Differences
This shows you the differences between two versions of the page.
Both sides previous revision Previous revision Next revision | Previous revision | ||
물리:자발_대칭_깨짐_spontaneous_symmetry_breaking [2022/01/16 00:14] – minwoo | 물리:자발_대칭_깨짐_spontaneous_symmetry_breaking [2023/09/05 15:46] (current) – external edit 127.0.0.1 | ||
---|---|---|---|
Line 1: | Line 1: | ||
- | 자발 대칭 깨짐(spontaneous symmetry breaking)이 일어나는 대표적인 | + | 자발적 대칭 깨짐(spontaneous symmetry breaking)이 일어나는 대표적인 |
- | 이징 모형의 경우, 해밀토니안은 | + | 이징 모형의 경우, |
$$E = -J \sum_{\left< | $$E = -J \sum_{\left< | ||
로 주어진다. | 로 주어진다. | ||
Line 7: | Line 7: | ||
위의 식에서, 모든 각각의 스핀 $\sigma_x, \sigma_y$ 의 부호를 반대로 뒤집어도 에너지는 똑같다. | 위의 식에서, 모든 각각의 스핀 $\sigma_x, \sigma_y$ 의 부호를 반대로 뒤집어도 에너지는 똑같다. | ||
즉, 스핀들이 선호하는 방향이 존재하지 않는 대칭적(symmetry)인 상황이지만, | 즉, 스핀들이 선호하는 방향이 존재하지 않는 대칭적(symmetry)인 상황이지만, | ||
+ | |||
이징모형에서는 마구잡이로 배열되어 있는 무질서한 상태(disorder)로 부터, | 이징모형에서는 마구잡이로 배열되어 있는 무질서한 상태(disorder)로 부터, | ||
한 방향의 스핀으로 배열(order)되려는 상태로 상전이가 일어난다. | 한 방향의 스핀으로 배열(order)되려는 상태로 상전이가 일어난다. | ||
Line 12: | Line 13: | ||
이러한 현상을 ' | 이러한 현상을 ' | ||
- | 아래의 그림은 각각 ' | + | 아래의 그림은 각각 ' |
2차원 이징모형 시뮬레이션 결과이다. | 2차원 이징모형 시뮬레이션 결과이다. | ||
- | $\beta=0.5$ 로 설정하였고, | + | $\beta=0.5$ 로 설정하였고, |
+ | |||
+ | (양(+)의 부호 스핀은 노란색, 음(-)의 부호 스핀은 남색) | ||
+ | |||
+ | 이때 1 MC step이라 함은 한번의 monte carlo step을 의미하며, | ||
{{:: | {{:: | ||
Line 24: | Line 29: | ||
이 경우는 양의 부호가 지배적이다. | 이 경우는 양의 부호가 지배적이다. | ||
+ | |||
+ | |||
+ | 시뮬레이션은 아래의 C++ 코드로 수행하였고, | ||
+ | <code C++> | ||
+ | #include < | ||
+ | #include < | ||
+ | #include < | ||
+ | #include < | ||
+ | #include < | ||
+ | |||
+ | using namespace std; | ||
+ | |||
+ | int main() { | ||
+ | const int lsize=30; | ||
+ | const float beta = 0.5; | ||
+ | const float J = 1; | ||
+ | const int iter=lsize*lsize*5000; | ||
+ | int i; int j; | ||
+ | float del_E; float mp_probability; | ||
+ | float spin[lsize][lsize] = { 0 }; | ||
+ | random_device rd; | ||
+ | mt19937 gen(rd()); | ||
+ | bernoulli_distribution distrib(0.5); | ||
+ | uniform_int_distribution<> | ||
+ | uniform_real_distribution<> | ||
+ | |||
+ | for (int t=0; t< | ||
+ | if (t==0){ | ||
+ | for (int a=0; | ||
+ | for (int b=0; | ||
+ | if (distrib(gen)){ | ||
+ | spin[a][b]=1; | ||
+ | } | ||
+ | else { | ||
+ | spin[a][b]=-1; | ||
+ | } | ||
+ | } | ||
+ | } | ||
+ | } | ||
+ | |||
+ | else { | ||
+ | i = distri(gen); | ||
+ | j = distri(gen); | ||
+ | |||
+ | if (i< | ||
+ | del_E=2*J*(spin[i][j]*(spin[i-1][j] + spin[i+1][j] + spin[i][j-1] + spin[i][j+1])); | ||
+ | } | ||
+ | else if (i==lsize-1 && j< | ||
+ | del_E=2*J*(spin[i][j]*(spin[i-1][j] + spin[0][j] + spin[i][j-1] + spin[i][j+1])); | ||
+ | } | ||
+ | |||
+ | else if (i< | ||
+ | del_E=2*J*(spin[i][j]*(spin[i-1][j] + spin[i+1][j] + spin[i][j-1] + spin[i][0])); | ||
+ | } | ||
+ | |||
+ | else if (i==lsize-1 && j==lsize-1){ | ||
+ | del_E=2*J*(spin[i][j]*(spin[i-1][j] + spin[0][j] + spin[i][j-1] + spin[i][0])); | ||
+ | } | ||
+ | |||
+ | if (exp(-beta*del_E) < 1){ | ||
+ | mp_probability = exp(-beta*del_E); | ||
+ | } | ||
+ | |||
+ | else if (exp(-beta*del_E) >= 1) { | ||
+ | mp_probability = 1; | ||
+ | } | ||
+ | |||
+ | if (dist(gen) < mp_probability){ | ||
+ | spin[i][j] = spin[i][j]*(-1); | ||
+ | } | ||
+ | } | ||
+ | |||
+ | } | ||
+ | return 0; | ||
+ | } | ||
+ | |||
+ | </ | ||
+ | |||
+ | 2차원 이징 모형에 대한 더 자세한 개념 및 보다 효율적인 알고리즘에 대해서 알기 위해 아래의 게시글을 확인할 수 있다. | ||
+ | ====== 함께 보기 ====== | ||
+ | |||
+ | [[물리: | ||
+ | |||
+ | [[전산물리학: | ||
+ | |||