Differences

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

--- 물리:2차원_이징_모형 [2021/11/05 00:02] – [반교환자] admin
+++ 물리:2차원_이징_모형 [2023/09/05 15:46] (current) – external edit 127.0.0.1
@@ Line 263: / Line 263: @@
 $$\int d\varphi d\bar{\varphi} e^{\lambda \bar{\varphi} \varphi} = \int d\varphi d\bar{\varphi} (1+\lambda \bar{\varphi}\varphi) = \lambda$$
 이므로
-$$\int d\varphi_1 d\bar{\varphi}_1 \cdots d\varphi_n d\bar{\varphi}_n \exp(\sum_\beta \lambda_\beta \bar{\varphi}_\beta \varphi_\beta ) = \prod_\beta \lambda_\beta$$
+$$\int d\varphi_1 d\bar{\varphi}_1 \cdots d\varphi_n d\bar{\varphi}_n \exp \left(\sum_\beta \lambda_\beta \bar{\varphi}_\beta \varphi_\beta \right) = \prod_\beta \lambda_\beta$$
 혹은
-$$\int D\varphi D\bar{\varphi} \exp (\sum_{\alpha,\beta} \bar{\varphi}_\beta \Lambda_{\beta\alpha} \varphi_\alpha ) = \det \Lambda.$$
+$$\int D\varphi D\bar{\varphi} \exp \left(-\sum_{\alpha,\beta} \bar{\varphi}_\beta \Lambda_{\beta\alpha} \varphi_\alpha \right) = \det \Lambda.$$
-여기서 $\Lambda$는 $n \times n$ 행렬이고 여기서 $\bar{\varphi}$ 위의 선이 반드시 복소켤레를 의미할 필요는 없다. 간단한 예로서 $\Lambda = \begin{pmatrix} a & b \\ c & d \end{pmatrix}$이면
+단, $\Lambda$는 $n \times n$ 행렬이고 여기서 $\bar{\varphi}$ 위의 선이 반드시 복소켤레를 의미할 필요는 없다. 간단한 예로서 $\Lambda = \begin{pmatrix} a & b \\ c & d \end{pmatrix}$이면
 \begin{eqnarray}
-\int d\varphi_1 d\varphi_2 d\bar{\varphi}_1 d\bar{\varphi}_2 \exp (\sum_{\alpha,\beta} \bar{\varphi}_\beta \Lambda_{\beta\alpha} \varphi_\alpha ) &=&
+\int d\varphi_1 d\varphi_2 d\bar{\varphi}_1 d\bar{\varphi}_2 \exp \left(-\sum_{\alpha,\beta} \bar{\varphi}_\beta \Lambda_{\beta\alpha} \varphi_\alpha \right) &=&
-\int d\varphi_1 d\bar{\varphi}_1 d\varphi_2 d\bar{\varphi}_2 (1 + \frac{1}{2} \bar{\varphi}_1 a \varphi_1 \bar{\varphi}_2 d \varphi_2  + \frac{1}{2} \bar{\varphi}_2 d \varphi_2 \bar{\varphi}_1 a \varphi_1 + \frac{1}{2} \bar{\varphi}_1 b \varphi_2 \bar{\varphi}_2 c \varphi_1 + \frac{1}{2} \bar{\varphi}_2 c \varphi_1 \bar{\varphi}_1 b \varphi_2)\\
+\int d\varphi_1 d\bar{\varphi}_1 d\varphi_2 d\bar{\varphi}_2 \left(\frac{1}{2} \bar{\varphi}_1 a \varphi_1 \bar{\varphi}_2 d \varphi_2  + \frac{1}{2} \bar{\varphi}_2 d \varphi_2 \bar{\varphi}_1 a \varphi_1 + \frac{1}{2} \bar{\varphi}_1 b \varphi_2 \bar{\varphi}_2 c \varphi_1 + \frac{1}{2} \bar{\varphi}_2 c \varphi_1 \bar{\varphi}_1 b \varphi_2 \right) \\
 &=& ad-bc.
 \end{eqnarray}
-이제 반대칭 행렬 $\Lambda$에 대해($\Lambda_{\alpha\beta} = -\Lambda_{\beta\alpha}$) $\bar{\varphi}$에 대한 적분 없이 쓰면 다음의 적분을 행하면 행렬식(determinant) 대신 그 반쪽에 해당하는 파피안(Pfaffian)을 얻는다:
+이제 $n$이 짝수일 때 $n \times n$의 반대칭 행렬 $\Lambda$에 대해($\Lambda_{\alpha\beta} = -\Lambda_{\beta\alpha}$) $\bar{\varphi}$에 대한 적분 없이 쓰면 다음의 적분을 행하면 행렬식(determinant) 대신 그 반쪽에 해당하는 파피안(Pfaffian)을 얻는다:
-$$\int D\varphi \exp (\frac{1}{2} \sum_{\alpha,\beta} \varphi_\beta \Lambda_{\beta\alpha} \varphi_\alpha ) = \text{Pfaff} (\Lambda).$$
+$$\int D\varphi \exp \left(-\frac{1}{2} \sum_{\alpha,\beta} \varphi_\beta \Lambda_{\beta\alpha} \varphi_\alpha \right) = \text{Pfaff} (\Lambda).$$
-이때 $[\text{Pfaff}(\Lambda)]^2 = \det \Lambda$이다. 예를 들어 두 개의 독립적인 그라스만 변수 $\varphi_1$과 $\varphi_2$가 있을 때 $\Lambda = \begin{pmatrix} 0 & -a \\ a & 0 \end{pmatrix}$이라면
+이때 $[\text{Pfaff}(\Lambda)]^2 = \det \Lambda$이다. 예를 들어 두 개의 독립적인 그라스만 변수 $\varphi_1$과 $\varphi_2$가 있을 때 $\Lambda = \begin{pmatrix} 0 & a \\ -a & 0 \end{pmatrix}$이라면
-$$\int d\varphi_1 d\varphi_2 \exp(-\frac{1}{2} \sum_{ij} \varphi_i \Lambda_{ij} \varphi_j) = \int d\varphi_1 d\varphi_2 \exp(-\frac{1}{2} \varphi_1 a \varphi_2 + \frac{1}{2} \varphi_2 a \varphi_1) = \int d\varphi_1 d\varphi_2 (1-\frac{1}{2} \varphi_1 a \varphi_2 + \frac{1}{2} \varphi_2 a \varphi_1) = a.$$
+$$\int d\varphi_1 d\varphi_2 \exp \left(-\frac{1}{2} \sum_{ij} \varphi_i \Lambda_{ij} \varphi_j \right) = \int d\varphi_1 d\varphi_2 \exp \left(-\frac{1}{2} \varphi_1 a \varphi_2 + \frac{1}{2} \varphi_2 a \varphi_1 \right) = \int d\varphi_1 d\varphi_2 \left( 1-\frac{1}{2} \varphi_1 a \varphi_2 + \frac{1}{2} \varphi_2 a \varphi_1 \right) = a.$$
 행렬이 블록으로 쪼개어질 때 $\det \Lambda = \prod_i \det \Lambda_i$로 쓸 수 있는 것처럼 $\text{Pfaff} \Lambda = \prod_i \text{Pfaff} \Lambda_i$처럼도 쓸 수 있다.
@@ Line 282: / Line 282: @@
 =====자유에너지=====
 다시 작용을 적어보면
+$$S = \frac{1}{2\pi} \int d^2 x (\varphi \bar{\partial} \varphi + \bar{\varphi} \partial \bar{\varphi} + im\bar{\varphi} \varphi)$$
+이며, 여기에서 미분연산자는 반대칭행렬로 나타낼 수 있음에 유의할 것. 예를 들어 간격 $\Delta$로 $N$개의 입자가 늘어서 있는 길이 $L=N\Delta$의 1차원 계를 생각한다면
 \begin{eqnarray}
-S &=& \frac{1}{2\pi} \int d^2 x (\varphi \partial \bar{\varphi} + \bar{\varphi} \partial \bar{\varphi} + im\bar{\varphi} \varphi)\\
+&&\int dx \left( \frac{1}{2}\varphi \partial_1 \varphi + \frac{1}{2}\bar{\varphi} \partial_1 \bar{\varphi} + im\bar{\varphi} \varphi \right)
-&=& \frac{1}{2\pi} \int d^2 x \begin{pmatrix} \varphi & \bar{\varphi} \end{pmatrix}
+\approx \sum_{j=0}^{N-1} \frac{1}{2} \varphi_j \left( \frac{\varphi_{j+1} - \varphi_{j-1}}{2\Delta} \right) + \frac{1}{2} \bar{\varphi}_j \left( \frac{\bar{\varphi}_{j+1} - \bar{\varphi}_{j-1}}{2\Delta} \right) + im \bar{\varphi}_j \varphi_j\\
-\begin{pmatrix}
+&=& \begin{pmatrix} \varphi_0 & \varphi_1 & \cdots & \varphi_{N-1} & \bar{\varphi}_0 & \bar{\varphi}_1 & \cdots & \bar{\varphi}_{N-1} \end{pmatrix}
-\bar{\partial} & -im/2 \\
+\left( \begin{array}{cccccc|cccccc}
-im/2 & \partial
+& \frac{1}{4\Delta} & 0 & \cdots & 0 & -\frac{1}{4\Delta} & -\frac{im}{2} & 0 & 0 & 0 & \cdots & 0\\
-\end{pmatrix}
+-\frac{1}{4\Delta} & 0 & \frac{1}{4\Delta} & \cdots & 0 & 0 & 0 & -\frac{im}{2} & 0 & 0 & \cdots & 0\\
-\begin{pmatrix} \varphi \\ \bar{\varphi} \end{pmatrix}\\
+\vdots & & & \ddots & & & \vdots & & & & \ddots & \vdots \\
-&\sim&
+\frac{1}{4\Delta} & 0 & 0 & \cdots & -\frac{1}{4\Delta} & 0 & 0 & 0 & 0 & 0 & \cdots & -\frac{im}{2}\\\hline
-\sum_x \begin{pmatrix} \varphi & \bar{\varphi} \end{pmatrix}
+\frac{im}{2} & 0 & 0 & 0 & \cdots & 0 & 0 & \frac{1}{4\Delta} & 0 & \cdots & 0 & -\frac{1}{4\Delta}\\
-\begin{pmatrix}
+ & \frac{im}{2} & 0 & 0 & \cdots & 0 & -\frac{1}{4\Delta} & 0 & \frac{1}{4\Delta} & \cdots & 0 & 0\\
-\bar{\partial} & -im/2 \\
+\vdots & & & \ddots & & \vdots & \vdots & & & & \ddots & \vdots \\
-im/2 & \partial
+& 0 & 0 & 0 & \cdots & -\frac{im}{2} & \frac{1}{4\Delta} & 0 & 0 & \cdots & -\frac{1}{4\Delta} & 0
-\end{pmatrix}
+\end{array}\right)
-\begin{pmatrix} \varphi \\ \bar{\varphi} \end{pmatrix}\\
+\begin{pmatrix} \varphi_0 \\ \varphi_1 \\ \vdots \\ \varphi_{N-1} \\ \bar{\varphi}_0 \\ \bar{\varphi}_1 \\ \vdots \\ \bar{\varphi}_{N-1} \end{pmatrix}\\
-&=&
+&=& -\frac{1}{2} \sum_{\alpha=0}^{2N-1} \sum_{\beta=0}^{2N-1} \tilde{\varphi}_\alpha \Lambda_{\alpha\beta} \tilde{\varphi}_\beta.
-\begin{pmatrix} \varphi_{x_1} & \bar{\varphi}_{x_1} & \varphi_{x_2} & \bar{\varphi}_{x_2} & \cdots \end{pmatrix}
-\begin{pmatrix}
-\bar{\partial} & -im/2 & 0 & 0 & \cdots \\
-im/2 & \partial & 0 & 0 & \cdots\\
-& 0 & \bar{\partial} & -im/2 & \cdots\\
- & 0 & im/2 & \partial & \cdots\\
-\vdots & \vdots & \vdots & \vdots & \ddots
-\end{pmatrix}
-\begin{pmatrix} \varphi_{x_1} \\ \bar{\varphi}_{x_1} \\ \varphi_{x_2} \\ \bar{\varphi}_{x_2} \\ \vdots \end{pmatrix}\\
-&\rightarrow& \frac{1}{2} \Psi(\varphi) \Lambda \Psi(\varphi)
 \end{eqnarray}
-이며 이것을 지수함수 위에 올려 적분하는 분배함수는
+여기에서는 중심미분을 사용했지만 앞에서와 일관되게 $\partial_1 \varphi \approx (\varphi_{j+1}-\varphi_j)/\Delta$를 사용해도 마찬가지이다. 편의상 주기적 경계조건을 가정했다.
-$$Z = \int D\varphi D\bar{\varphi} \exp(-S) = \prod_i \text{Pfaff} \Lambda_i.$$
-그러므로 여기에 로그를 취하면
+이것을 지수함수 위에 올려 적분하는 분배함수는
+$$Z = \int D\tilde{\varphi} \exp(-S) = \text{Pfaff}\Lambda = \prod_{n=0}^{N-1} \left( \frac{1}{\Delta^2} \sin^2 k_n \Delta + m^2 \right)^{1/2} \xrightarrow[\Delta \to 0]{} \prod_{n=0}^{N-1} \left( k_n^2 + m^2 \right)^{1/2}$$
+차원 문제로 돌아와서 $k^2=k_x^2 +k_y^2$으로 일반화하고 $Z$에 로그를 취하면
 \begin{eqnarray}
--\beta F &=& \ln Z = \sum_i \ln \text{Pfaff} \Lambda_i\\
+-\beta f &=& \frac{1}{L^2} \ln Z
-&\approx& \int d^2 p \ln (p^2 + m^2)\\
+\propto \frac{1}{2} \int \frac{d^2 k}{(2\pi)^2} \ln (k^2 + m^2)
-&=& \int dp ~2\pi p \ln (p^2 + m^2)\\
+= \frac{1}{8\pi^2} \int dk ~2\pi k \ln (k^2 + m^2)\\
-&=& \pi [(p^2+m^2) \ln(p^2+m^2) - p^2].
+&=& \frac{1}{8\pi} [(k^2+m^2) \ln(k^2+m^2) - k^2]
+= \frac{1}{8\pi} m^2 \ln(m^2) + k^2 \ln(m^2) + O(k^4).
 \end{eqnarray}
-$p \to 0$에서 $-\beta F \propto m^2 \ln m^2$이며 $m = 4(K-K_c)$이므로 $m$으로의 미분은 $K$로의 미분과 대응된다. 즉 $\frac{\partial^2 F}{\partial K^2} \propto \ln m^2$이 되어 비열이 임계점에서 로그 발산을 보인다.
+장파장 영역($k \to 0$)에서 $-\beta f \propto m^2 \ln m^2$이며 $m = 4(K-K_c)$이므로 $m$으로의 미분은 $K$로의 미분과 대응된다. 즉 $\frac{\partial^2 f}{\partial K^2} \propto -\ln m^2$이 되어 비열이 임계점에서 로그 발산을 보인다.
 ======참고문헌======
-  * Robert Savit, //Duality in field theory and statistical systems//, Rev. Mod. Phys. 52, 453 (1980)
+  * Robert Savit, //Duality in field theory and statistical systems//, Rev. Mod. Phys. 52, 453 (1980).
   * //Ising Field Theory// by A. Zamolodchikov, https://www.weizmann.ac.il/complex/falkovich/courses
+  * V. N. Plechko, J. Phys. Studies, 1, 554 (1997).
+  * https://gandhiviswanathan.wordpress.com/2018/10/31/exact-solution-of-the-2d-ising-model-via-grassmann-variables/
+  * J.M Carmona, A. Di Giacomoa, and B. Lucini, //A disorder analysis of the Ising model//, Phys. Lett. B, 485, 126 (2000).
+  * Massimo D’Elia and Luca Tagliacozzo, //Direct numerical computation of disorder parameters//, Phys. Rev. D 74, 114510 (2006).