Model Isinga i metoda Monte Carlo Nobel 2016: Topologiczne
Transkrypt
Model Isinga i metoda Monte Carlo Nobel 2016: Topologiczne
2016-10-17 Co się dzieje jeśli trochę podgrzejemy układ? Model Isinga i metoda Monte Carlo Katarzyna Sznajd‐Weron Physics of Complex System • Może się pojawić wir (vortex) • Energia takiego wiru jest olbrzymia • Układ nieskończony ‐ energia nieskończona • Układ powinien się przed tym bronić • Jak? http://www.ribbonfarm.com/2015/09/24/samuel‐becketts‐guide‐to‐particles‐and‐antiparticles/ https://johncarlosbaez.wordpress.com/2016/10/07/kosterlitz‐thouless‐transition/ Nobel 2016: Topologiczne przejścia fazowe 82 65 74 https://www.nobelprize.org Co się dzieje jeśli trochę podgrzejemy układ? • Może się pojawić antywir (antivortex) • Ale energia antywiru też jest olbrzymia • Co ostatecznie powstanie? http://www.ribbonfarm.com/2015/09/24/samuel‐becketts‐guide‐to‐particles‐and‐antiparticles/ https://johncarlosbaez.wordpress.com/2016/10/07/kosterlitz‐thouless‐transition/ Kosterlitz–Thouless transition Kosterlitz–Thouless transition • Płaszczyzna (2D), na której siedzą atomy (spiny) • Spiny są szczęśliwe jeśli są równoległe • Co to znaczy, że są szczęśliwe? • Energia jest minimalna • W modelu XY w 2D nie ma tradycyjnego przejścia fazowego (twierdzenie Mermina‐ Wagnera), ale … · , http://www.ribbonfarm.com/2015/09/24/samuel‐becketts‐guide‐to‐particles‐and‐antiparticles/ https://johncarlosbaez.wordpress.com/2016/10/07/kosterlitz‐thouless‐transition/ http://www.ribbonfarm.com/2015/09/24/samuel‐becketts‐guide‐to‐particles‐and‐antiparticles/ https://johncarlosbaez.wordpress.com/2016/10/07/kosterlitz‐thouless‐transition/ 1 2016-10-17 Wiry i atywiry w modelu XY Model Isinga (Lenza‐Isinga?) • • • • • 1925 rozprawa doktorska Ernsta Isinga Brak przejścia fazowego w 1D Jedyna praca Isinga Przejście fazowe w 2D (lata czterdzieste) Skala mikro tłumaczy zachowania makro , Nobel 2016: Topologiczne przejścia fazowe • • • • Skąd taki Hamiltonian? Wiodącą rolę w odgrywają małe wiry W niskich temperaturach wiry i antywiry tworzą ciasne pary Temperatura wzrasta i zachodzi przejście fazowe Wiry nagle oddalają się od siebie Każdy układ dąży do minimalizacji energii LÓD WODA LÓD WODA LÓD Lód i woda w równowadze WODA Przechłodzona woda https://www.nobelprize.org/nobel_prizes/physics/laureates/2016/popular‐physicsprize2016.pdf Temperatura Curie – ciągłe przejście fazowe Skąd taki Hamiltonian? magnes Każdy układ dąży do minimalizacji energii ferromagnetyk © Katarzyna Sznajd‐Weron • • • • Przejście fazowe Ferromagnetyk Paramagnetyk Jak to zrozumieć? 3·1 4· 1 1 2 2016-10-17 Oddziaływania pomiędzy cząstkami Dalsze losy modelu Isinga • Przejście fazowe w 2D bez pola Ferromagnetyk (konformizm) – Onsager, lata czterdzieste • Symulacje Komputerowe – model Isinga w 3D i 2D z polem • Wykorzystanie poza fizyką Antyferromagnetyk (antykonformizm) • Wpływ (siła oddziaływania) wzrasta wraz – Ze zgodnością grupy – Z rozmiarem grupy • Wysoka temperatura –„nerwowo” © Piotr Nyczka Czego się spodziewacie? Symulacja Monte Carlo Modelu Isinga Czego się spodziewacie? Zajrzyjcie na https://ccl.northwestern.edu/netlogo/ Models Library • • • • • • Przygotuj stan początkowy układu Pozwól mu ewoluować Poczekaj aż ustali się magnetyzacja Zanotuj wartość Powtarzaj to „dużo” razy Policz średnią magnetyzację • Jaka to średnia? NetLogo (środowisko do ABM) Prof. Uri Wilensky Northwestern's Center for Connected Learning and Computer‐Based Modeling (CCL) Ewolucja układu w czasie (ferromagnetyk) 1 Średnia po czasie i średnia po zespole Średnia po czasie • Oddziaływanie – porządkuje • Temperatura – losowe zmiany – W niskich temperaturach porządek – W wysokich temperaturach nieporządek 1 Średnia po zespole niska temperatura Układ ergodyczny to średnia po zespole = średnia po czasie 3 2016-10-17 Algorytm Metropolisa – 1MCS = N losowań • Wylosuj jeden spin • Oblicz energię E ∑ • Oblicz energię E ∑ Spojrzenie fizyka na rzeczywistość ∈ ∈ • Oblicz zmianę energii ΔE E E • Jeżeli ΔE 0 to → • Jeżeli ΔE 0 to wylosuj z przedziału 0,1 i akceptuj nową konfigurację jeżeli: Δ , 1 Przejście fazowe w modelu Isinga Wszystko powinno być tak proste, jak to tylko możliwe, ale nie prostsze Po co nam uproszczenia? Przykład z rozprawy doktorskiej Piotra Nyczki: Oryginalny obraz , , ∈ 0,255 Zdjęto kolor – jedna zmienna o 256 wartościach Coraz mniejsza liczba odcieni szarości, ostatecznie 2 • Łatwiejsza analiza – może nawet analityczna • Większa kontrola (zrozumienie) • Możliwość zupełnej analizy wrażliwości na zmianę parametrów (uwaga na przejścia fazowe!) Przypadek jako narzędzie budowania modeli Po co model w fizyce? ? nieznane zjawisko Weryfikacja Model Eksperyment • Miesięczny zapis gry w ruletkę w Monte Carlo może dostarczyć nam podstaw do dyskutowania fundamentów nauki Karl Pearson (1857‐1936) • Metoda Monte Carlo • ABM Metoda Monte Carlo Konstrukcja © Marcin Weron 4 2016-10-17 Liczby losowe Generatory liczb pseudolosowych (PRNG) • Tippett (1927) – Random Sampling Numbers • PRNG generuje deterministycznie ciąg bitów, który pod pewnymi względami jest nieodróżnialny od ciągu uzyskanego z prawdziwie losowego źródła. • Algorytm liniowy (liczby o rozkładzie jednostajnym): – Pierwsza tablica liczb losowych – 41 600 cyfr ułożonych w zestawach po 4 – Dane o powierzchni parafii z brytyjskiego spisu powszechnego (odrzucone 2 pierwsze i 2 ostatnie cyfry) xn 1 axn b mod c • a,b,c – liczby magiczne, np: a 75 , b 0, c 231 1 Jak inaczej otrzymać liczby losowe? Czy coś zwraca waszą uwagę? Cechy dobrego generatora do MC • Długi okres powtarzalności • Losowość – brak korelacji, równomierność (specjalne testy) • Szybki 26 Albo … Generator Mersenne Twister • Idź do szpitala po zapis kolejnych urodzeń chłopców i dziewczynek: CDDDCCD • Przetasuj liczby (Tablica liczb przetasowanych czterocyfrowych Hugo Steinhausa wydana w 1954) • Makoto Matsumoto i Takuji Nishimura,1997 (http://www.math.sci.hiroshima‐u.ac.jp/~m‐mat/MT/emt.html) – Nadaje się do Symulacji Monte Carlo, ale nie do kryptografii • Zalety MT19937 Mersenne Twistera: – – – – Okres 219937 − 1 (udowodnione) Wysoki stopień równomiernego rozmieszczenia Spełnia większość testów losowości Szybki 27 5 2016-10-17 Metoda Monte Carlo Symulacja komputerowa Prawdopodobieństwo przejścia Metoda Monte Carlo (MC) jest techniką rozwiązania problemów, która polega na generowaniu zmiennych losowych w celu oszacowania parametrów ich rozkładu John von Neumann 101x101 503x503 1003x1003 gęstość zadrzewienia p Dla jakiego p pożar dotrze do drugiej strony lasu? Idea metody Monte Carlo • Jaka jest szansa ułożenia pasjansa? • Ciężko to policzyć analitycznie bo wygrana zależy od wielu ruchów • A gdyby tak parę razy spróbować ułożyć pasjansa i zobaczyć ile razy się to uda Perkolacja: Pożary lasów Literatura ? Przegrana Przegrana Wygrana • D. W. Heermann, Podstawy symulacji komputerowych w fizyce, WNT 1997 • D. P. Landau, K. Binder, A Guide to Monte Carlo Simulations in Statistical Physics, Cambridge University Press 2005 Przegrana Szansa ułożenia to ¼ ! Do zobaczenia w Monte Carlo 6