Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
LISANDRO ALVARADO
BARQUISIMETO, 2003
Barquisimeto, 2003
Tutor
AGRADECIMIENTO
Quiero Agradecer al Dr. Rafael Torrealba por su orientacin y consejos durante
la realizacin de este trabajo y a Dr. Erik Machado de la Universidad Simon
Bolivar, por su ayuda con el cdigo para la simulacin y a todos aquellos que de
una u otra forma han ayudado a la realizacin de este trabajo.
iv
NDICE GENERAL
AGRADECIMIENTO
iv
NDICE GENERAL
vii
RESUMEN
viii
I. INTRODUCCIN
El experimento de Stern-Gerlach . . . . . . . . . . . . . . . . . . . . .
La evidencia espectroscpica . . . . . . . . . . . . . . . . . . . . . . . .
El Spin
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
13
16
Entropa y probabilidad . . . . . . . . . . . . . . . . . . . . . . . . . .
16
18
Energa Libre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
20
21
Fluctuaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
22
Transiciones de fase . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
25
28
31
31
Estimando el error . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32
33
34
35
37
Cadenas de Markov . . . . . . . . . . . . . . . . . . . . . . . . . .
37
39
El algoritmo de Metropolis . . . . . . . . . . . . . . . . . . . . . . . . .
41
43
44
Error estimado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
La funcin de Autocorrelacin . . . . . . . . . . . . . . . . . . . .
45
47
V. RESULTADOS NUMRICOS
49
49
55
61
vi
VI.CONCLUSIONES
64
REFERENCIA BIBLIOGRAFICAS
66
ANEXOS
68
vii
RESUMEN
El Modelo de Ising es uno de los modelos matemticos ms sencillos del magnetismo en la materia que exhibe una transicin de fase: a altas temperaturas,
existe un nico estado de equilibrio para el sistema. Esto corresponde al fenmeno
fsico de la magnetizacin espontanea. El modelo en 2D es formulado como sigue:
consideremos N spines atmicos si dispuesto en un reticulado rectangular en el
plano XY inmerso en un campo magntico en la direccin Z, si cada tomo tiene
spin 1/2 (si = 1) y slo interacta con su vecino mas cercano con energa J. El
Hamiltoniano del sistema es
H = J
si sj H
<i,j>
N
X
si
i=1
CAPTULO I
INTRODUCCIN
El fenmeno del magnetismo se conoce desde hace miles de aos. La manifestacin ms antigua conocida es la que corresponde a los imanes, que se encuentran
en la naturaleza en forma de mineral de magnetita. Despus, los chinos descubren
el magnetismo terrestre junto con la invencin de la brjula y su aplicacin a
la navegacin. El estudio sistemtico de los fenmenos magnticos comenz slo
hace tres siglos atrs, pero hasta principios del siglo XX, cuando todava la mecnica de Newton era utilizada para describir los fenmenos ligados a la materia y
el electromagnetismo de Maxwell se utilizaba en aquellos que tenan que ver con
la radiacin, no se comprenda bien el magnetismo. Es ms, al querer pasar a la
escalas microscpica de objetos de existencia ya comprobada como los tomos (de
un tamao de unos 108 cm), se encontraban contradicciones entre la experiencia
y las descripciones clsicas dadas por el electromagnetismo (por ejemplo, en relacin a la radiacin del cuerpo negro, el efecto fotoelctrico) o la mecnica (por
ejemplo en relacin a las regularidades de los espectros de los tomos compuestos por electrones orbitando alrededor de sus ncleos, objetos de unos 1013 cm).
No es sino hasta unos aos mas tarde que todos estos fenmenos se comienzan a
entender mejor cuando entra en escena la Mecnica Cuntica.
El magnetismo en la materia es producido por los electrones, debido al movimiento de ste en orbitas cerradas o al efecto del spin. Recordemos que una
corriente circular crea, segn la ley de Ampere, un campo magntico a su alrededor. As, una partcula cargada girando alrededor de un eje que pase por ella
le podemos asociar un momento magntico intrnseco o spin, que ser en parte el
responsable de los fenmenos magnticos en la materia; cuando una coleccin de
estos spines se alinea, de tal forma que sus momentos magnticos asociados apun-
donde si es (el doble de) la componente z del i-simo spin atmico. El momento
P
magntico M
si y M H (interno) creado por las partculas. La energa
magntica es HM (donde es una constante de proporcionalidad). La energa
total del sistema viene dada por:
H = J
si sj H
N
X
si
(1.1)
i=1
hi,ji
Aqu, hi, ji se refiere a la suma sobre los pares atmicos de vecinos ms cercanos.
El trmino si sj mide la energa magntica asociada a pares de spines cada uno
de los cuales crea un campo H i , por lo tanto la energa asociada a cada par es
P
proporcional a
si sj y la constante de proporcionalidad J es llamada constante
de energa de intercambio entre spines. La ecuacin (1.1) es la esencia del modelo
de Ising.
La interpretacin fsica del Modelo de Ising es como sigue. El primer trmino
de la ecuacin (1.1) muestra que la energa en conjunto es mnima cuando los
spines atmicos vecinos estn alineados. Separaciones espaciales diferentes, implican diferentes energas electrostticas de interaccin y la energa de intercambio,
mide esta diferencia. Note que la energa de intercambio de origen electrosttico
1
Este modelo aunque no describe satisfactoriamente el magnetismo, es una buena primera
aproximacin y es uno de los primeros modelos en exhibir verdaderas transiciones de fases.
es muy grande, J 1eV. Esta es ms grande que la energa asociada con la interaccin magntica entre los spines atmicos vecinos, la cual es de solo 104 eV. Sin
embargo, dado que las fuerza magnticas entre dos spines decae tan rpido como
r3 (donde r es la distancia entre los spines), el efecto del intercambio ocurre a
muy corto rango; y por tanto, la restriccin a interaccin entre vecinos cercanos
es bastante realista.
A partir de la dcada de los 50, la resolucin de problemas cientficos, ha introducido lo que han llamado una tercera metodologa a la investigacin cientfica:
la simulacin computacional. Este mtodo de carcter complementario y muchas
veces alternativo a los modos convencionales de hacer ciencia, el experimental y
el terico, ha ejercido un fuerte impacto en prcticamente todos los campos de la
ciencia. El objetivo de la simulacin computacional consiste en buscar soluciones
a los modelos tericos en su total complejidad, mediante la resolucin numrica de
las ecuaciones involucradas, haciendo uso intensivo y extensivo de computadoras.
El modelo de Ising es un perfecto ejemplo para la aplicacin de herramientas
computacionales en problemas de fsica estadstica terica. El problema de calcular la energa en el Modelo de Ising y las cantidades termodinmicas asociadas,
involucran la consideracin de un gran nmero de estados del sistema. Por ejemplo, tomando un pequeo arreglo rectangular de spines, para el modelo de Ising
2D con interacciones de cuatros vecinos y condiciones peridicas en la frontera,
de 10x10 se tienen 100 grados de libertad para el sistema y el nmero de posibles
estados del mismo es de 2100 1, 3x1030 combinaciones. Hacer los clculos de todas y cada una de estas combinaciones computacionalmente, tomara ms tiempo
que la edad del Universo 1, 5x1010 aos (por ejemplo, si pudisemos hacer mil
millones de combinaciones por segundo nos tomara aproximadamente 4, 0x1013
aos). Dado que un sistema macroscpico sencillo tiene un nmero de partculas
N 1023 estos problemas se haran intratables sin la ayuda de la Fsica estadstica y de tcnicas de simulacin que nos permitan obtener una aproximacin
del clculo de la energa sin realizar todas estas posibles combinaciones, aqu es
donde los mtodos de simulacin como el de Monte Carlo se presentan como una
de la mejores opciones debido a su simplicidad, no se necesita trabajar con todas
3
las combinaciones posibles sino con una muestra representativa, y al manejo del
error, el cual no depende del tamao dimensional del problema por lo que para
problemas que involucren grandes cantidades de calculo es ideal.
En este trabajo estudiaremos el Modelo clsico de Ising en dos dimensiones
con interaccin de primeros vecinos, tambin se consideran interacciones entre
segundos vecinos por lo que J no es una constante y decae como r3 (donde r es
1
la distancia entre los spines). As, si J1 = 1 para los primeros vecinos J2 =
2 2
para los segundos vecinos y el modelo de Ising para segundo vecinos se escribe
como
H = J1
si sj J2
hi,ji
X
hhk,lii
sk sl H
N
X
si
(1.2)
i=1
donde la primera suma se hace sobre los primeros vecinos y la segunda sobre los
segundos vecinos. Esto con el fin de ver si la adicin de las interacciones de los
primeros vecinos puede servir como mecanismo reforzador para inducir o acelerar
las transiciones de fase. Tambin estudiaremos el modelo de Ising en 3 dimensiones
el cual hasta hoy da no ha sido resuelto explcitamente.
CAPTULO II
SISTEMA DE SPIN 1/2
La Mecnica Cuntica fue desarrollada a finales de los aos 20 del siglo XX
cuando una cantidad de resultados experimentales microscpicos no pudo ser explicada por la fsica de aquella poca. Schrdinger, Heisenberg, Dirac y varios
otros desarrollaron las herramientas matemticas necesarias para resolver estos
problemas sin preocuparse al principio por el formalismo matemtico sino hasta
el final de lo que ste realmente implicaba. En el presente, el formalismo matemtico de la mecnica cuntica, un sistema axiomtico descrito por un algebra de
operadores sobre un espacio de Hilbert, es aceptado por la mayora de los fsicos,
y ha demostrado su utilidad en una gran variedad de situaciones [4].
El experimento de Stern-Gerlach
La evidencia experimental ms relevante de la existencia del spin es presentada por el experimento de Stern-Gerlach, el cual nos permite introducir algunos
conceptos de mecnica cuntica. El problema de los dos estados puede considerarse como uno de los ms representativo de los fenmenos cuantizados y una gran
cantidad de descubrimientos importantes estn relacionados con ste.
La evidencia espectroscpica
A finales del siglo XIX los fsicos de la poca estudiando el fenmeno de radiacin, encontraron que en contraste con el espectro continuo de la radiacin
trmica, la radiacin electromagntica emitida por un tomo libre, consiste de
un conjunto discreto de longitudes de onda. Cada una de estas longitudes de on-
ms = s = 1/2
En breve tiempo Uhlenbeck y Goudsmit (y otros como Wolfgang Pauli, Heisenberg, Jordan, Sommerfeld, etc.) mostraron que la introduccin del spin resuelve
todas las dificultades entonces conocidas y por lo tanto este nuevo atributo del
electrn se acept, junto a los ya conocidos de carga y masa. En efecto, se en7
(2.1)
La fuerza (2.1) es la nica que acta sobre un tomo ya que ste es neutro.
En el experimento, las partculas se hacan pasar por una regin en la cual la
variacin de la direccin de B era muy pequea, pero su magnitud variaba muy
fuertemente con la posicin, es decir hay un gradiente de campo magntico. En
este caso la ecuacin (2.1) nos da
F = MB B
donde MB indica la proyeccin de M en la direccin B.
La deflexin se mide estudiando las trazas que el haz de partculas deja en una
pantalla, y a partir de ella se puede determinar F y de ah finalmente MB .
Los resultados de los experimentos fueron notables. Clsicamente se esperara
obtener en la pantalla una traza continua, correspondiente a los valores de MB
entre M y +M . En cambio, se observaron un nmero discreto de trazas, en
particular cuando se hacen con electrones o tomos alcalinos se obtienen 2 trazas
equidistantes del centro. Este resultado es una clara demostracin de la naturaleza
cuntica del momento magntico del tomo. Puesto que el vector M puede asumir
solamente ciertas direcciones discretas en el espacio, dicho fenmeno se denomina
cuantificacin espacial.
Stern y Gerlach tambin obtuvieron resultados cuantitativos (aunque de poca
precisin). Encontraron que los valores permitidos de MB variaban en pasos iguales
desde un mnimo M a un mximo +M . Por convencin, se suele designar al valor
mximo de la proyeccin de M como el momento magntico de la partcula.
El Spin
De acuerdo con lo anterior vamos a introducir el spin en la teora, para lo cual
agregamos a las variables dinmicas (x, y, z) que describen la posicin del electrn
una cuarta variable el spin, que indicaremos con S. Al spin le asignamos sentido
fsico asociando las dos posibles proyecciones del momento magntico intrnseco
MS que se miden en el experimento de Stern y Gerlach para el electrn, mediante
la relacin de proporcionalidad
M = B S
donde B es una constante de proporcionalidad llamada magnetn de Bohr.
De esta forma asociaremos los valores posibles del spin con los autovalores
de un operador, que de acuerdo a la axiomtica de la mecnica cuntica son las
10
con
s = 1
con
e
h
2c
e
h
MS = +
2c
MS =
En mecnica cuntica cada partcula es descrita por una funcin de onda que
se denota
(
r , s) |i
y depende tanto de la posicin como del spin y la densidad de probabilidad de
kk2 d3 x
Los nicos valores medibles del operador de spin son sus autovalores s1 y s2
por lo tanto
S |+ i = s1 |+ i
= + |+ i
S | i = s2 | i
= | i
11
se obtiene
h | i = 2 + 2 = 1
Esto significa que si hacemos N medidas del spin para un estado mezclado obtendremos 2 N veces s1 y 2 N veces s2 . Pero debemos acotar que en cada medicin
es posible medir solo s1 o s2 y nunca un valor intermedio.
La forma equivalente de definir la probabilidad de una medida es considerar
un sistema compuesto de N spines en lugar de medir como N veces. En este
caso el spin total es la suma de los spines individuales
ST =
N
X
Si
i=1
N
Y
|i i
i=1
se obtiene
ST |i =
Si |i i
X
Y
i Si
=
|+ i + i si | i
Y
= (N s1 + N s2 )
|i i
X
=
si |i
de forma tal que el resultado de la medicin del spin total se puede aproximar por
P
P e
h
sT
si , de forma semejante obtenemos la magnetizacin total M ( si )
c
12
CAPTULO III
MECNICA DE SISTEMAS MAGNTICOS
Un sistema macroscpico tpico est compuesto por alrededor de 1023 partculas microscpicas. Dada la gran cantidad de variables involucradas se hace
prcticamente imposible conocer, investigar, o describir el comportamiento exacto de cada partcula individual en tales sistemas. Desde el punto de vista de las
propiedades macroscpicas que exhiba el sistema (por ejemplo la temperatura,
la presin o la magnetizacin), los detalles microscpicos precisos pueden no ser
necesarios, por lo que podemos limitarnos a conocer los valores promedios de estas
cantidades que llamaremos termodinmicas [8].
La Mecnica Estadstica provee la conexin entre el movimiento individual de
los tomos en la materia y las propiedades macroscpicas observables tales como
la temperatura, la presin, la entropa, la magnetizacin, etctera. Esta provee los
mtodos para calcular tales propiedades macroscpicas, de la informacin microscpica, como la energa de interaccin entre las partculas. Esto se logra a travs
del uso de las funciones de distribucin y las funciones de correlacin [15].
Consideremos por ejemplo un gas ideal de N partculas (no interactuantes) en
un espacio tridimensional. El Hamiltoniano viene dado por [14]:
3N
X
p2i
H=
2m
i=1
H
qj
qj =
H
pj
t0 +t
hAi =
W
Z
A ({qi , pi })dq 3N dp3N
(La integral se extiende sobre la superficie de energa constante (E)). Para sistemas cunticos como para sistemas clsicos con niveles de energa discretos, el
nmero de configuraciones es una funcin irregular de la energa E. Por lo tanto,
introduciremos un estrecho intervalo de energa E y generalizamos la hiptesis
ergdica de tal forma que todas las configuraciones, satisfaciendo la condicin que
su energa este en el intervalo entre E y E, puedan ocurrir con igual probabilidad. El nmero de configuraciones con energa en el intervalo entre E y E
es proporcional al volumen de la correspondiente capa en el espacio fase. Para
partculas indistinguibles, es:
1
(E) = 3N
h N!
Z
dq 3N dp3N
EHE+E
En principio, todos los sistemas en la naturaleza obedecen a la mecnica cuntica estadstica, los niveles de energa son discretos, partculas idnticas son indistinguibles entre s y sus funciones de onda son o simtricas (Bosones) o antisimtricas (Fermiones) en el momento de intercambios de partculas. La mecnica
15
Et h
N 1
1/(E) si
E E 0 (qi , pi ) E + E
p(qi , pi ) =
0
en otro caso
(E) es el nmero de configuraciones que tienen la energa en el intervalo E
E 0 (qi , pi ) E + E. Todas las configuraciones {qi , pi } dentro de este intervalo de
energa son ocupadas con igual probabilidad p(qi , pi )
16
Entropa y probabilidad
Probablemente la cantidad termodinmica ms fundamental en fsica estadstica es la entropa. La entropa es un concepto, definido solo para sistemas
macroscpicos, que mide el desorden del sistema, y es una cantidad estadstica
extensiva, esto es, su dependencia con el nmero de configuraciones del sistema
debe ser proporcional al mismo.
Para hallar una medida de la entropa S de un sistema microcannico consideremos un sistema aislado compuesto de dos subsistemas que estn en contacto uno
con el otro tales que permitan el intercambio de partculas y energa. Como resultado de este contacto una incertidumbre adicional ha sido introducida al sistema
(al principio conocamos la energa y el nmero de partculas en cada subsistema,
al final solo conocemos el nmero total de partculas y la energa total del sistema
completo).
Como la entropa es una cantidad extensiva, se debe tener que
S = S1 + S2
Por otra parte, la entropa es una funcin del nmero de configuraciones accesibles
en un ensemble microcannico por lo que
S = f ()
ya que los dos subsistemas son independientes uno del otro, el nmero total de
configuraciones es
= 1 + 2
As,
S + S2 = f (1 2 )
Esto nos lleva a la conclusin que S y estn relacionados por:
S = kB ln
17
S
E
N,V
S
P =T
V N,E
S
u = T
V E,V
T , P y u son cantidades intensivas, ellas son independientes de N , mientras que
la entropa S y la energa E son cantidades extensivas, ellas son proporcionales al
nmero de partculas N .
18
Sb
E
Es = Sb (Et )
Es
T
As,
b (Et Es ) = b (Et )eEs = CeEs
Aqu, la constante C es independiente de Es y es la inversa de la temperatura
=
1
kB T
1
(Es )eEs
Z
19
Z
(E)eE dE
Z(T, V, N ) =
Z(T, V, N ) es la transformada de Laplace para la funcin de particin microcannica (E) = (E)E. Para sistemas con niveles de energa discretos reemplazamos la integral por una suma sobre todos los niveles de energa l
Z(T, V, N ) =
gl eEl
(gl es la degenerancia del nivel de energa), o por una suma sobre todas las configuraciones i:
Z(T, V, N ) =
eEi
El papel de Z es mucho ms importante que ser solo una constante de normalizacin. Z es obtenida integrando sobre todo el espacio fase. De esta forma la
informacin sobre los estados microscpicos del sistema (coordenadas y momentos individuales, por ejemplo) se pierde pero la informacin termodinmica del
sistema es retenida y puede obtenerse a partir de Z.
Cantidades Termodinmicas
En esta seccin veremos la relacin entre los promedios de cantidades fsicas
del ensemble cannico y la funcin de particin Z.
La energa promedio hEi y la fuerza promedio generalizada hXi es una distribucin cannica estn dadas por:
1
hEi =
Z
Z
E(E)eE dE =
20
ln Z
1
hXi =
Z
Z
X(E)e
dE =
E E
1
e
dE =
ln Z
x
x
21
Fluctuaciones
El ensemble cannico describe un sistema en contacto con un bao de calor.
Para tales sistemas, la energa no es fija, esta puede fluctuar alrededor de hEi.
Ahora evaluaremos el cuadrado de las fluctuaciones de la energa,
1 Z
Z
Z
E 2 (E)eE dE =
1 2Z
Z
(E) =
Z
22
1 Z
Z
2
=
2 ln Z
2
hEi
hEi
= kB T
hEi
T
kB cV T
N
cV = CV /N . La fluctuacin relativa de la energa es 1/ N y sta se anula cuando N . El lmite N , en el cual las fluctuaciones se hacen despreciables
se llama lmite termodinmico. En transiciones de fases continuas las cantidades
como cV no son constante, y consecuentemente las fluctuaciones correspondientes
tienden a divergir sobre toda la longitud de escala. Esto hace muy difcil hacer
simulaciones computacionales de fenmenos reales que presentan transiciones de
fases (slo se pueden tratar los sistemas finitos).
Las fluctuaciones trmicas de N alrededor de hN i o de E alrededor de hEi son
procesos independientes del tiempo. Por lo tanto podemos asumir que los sistemas
son ergdicos a fin de identificar el promedio en el tiempo con el promedio sobre
el ensemble que son los que realmente calculamos.
Hemos mostrados que (E)2 es proporcional al calor especifico cV , si ahora
P
vemos en un sistema magntico y escribimos M = i si , la susceptibilidad queda
23
definida por
=
X
[hsi sj i hsi i hsj i]
N i,j
Transiciones de fase
Hasta ahora hemos considerados solo sistemas homogneos, es decir, de una
fase. En la naturaleza, hay sin embargo, muchos sistemas que existen en diferentes
fases. Ejemplo el agua que a determinadas temperaturas cambia de estado slido
a estado lquido y de estado lquido a estado gaseoso, tambin los materiales magnticos presentan estados de magnetizacin y desmagnetizacin a temperaturas
crticas.
El estado de un sistema esta caracterizado por valor particular de una cantidad
fsica la cual es llamada un parmetro de orden. Este parmetro de orden es usado
para distinguir entre diferentes fases. En el caso de un gas-lquido la transicin a
presin y temperatura fija, la densidad juega el papel de parmetro de orden y la
transicin a la fase gaseosa de un lquido esta caracterizada porque la densidad
24
N
X
si si+1 H
N
X
i=1
i=1
25
si
(3.1)
N
X
si si+1
i=1
N
HX
(si + si+1 )
2 i=1
(3.2)
X
{si }
"
exp K
N
X
i=1
#
N
hX
si si+1 +
(si + si+1 )
2 i=1
(3.3)
X X
1 =1 2 =1
donde
N
X Y
T (si , si+1 )
(3.4)
N =1 i=1
h
T (si , si+1 ) = exp Ksi si+1 + (si + si+1 )
2
(3.5)
Esta ltima expresin puede ser interpretada como un elemento de una matriz
2 2, indexada por los valores de las variables de spin s = 1. Definiremos
entonces la matriz de transferencia:
T =
26
eK+h
eK
eK
eKh
!
(3.6)
X X
s1 =1 s3 =1
sN =1
X X
s1 =1 s4 =1
..
.
=
sN =1
!
T (s1 , s2 )T (s2 , s3 ) T (s3 , s4 ) . . . T (sN , s1 )
s2 =1
!
T 2 (s1 , s3 )T (s3 , s4 ) T (s4 , s5 ) . . . T (sN , s1 )
s3 =1
T N (s1 , s1 )
s1 =1
= Tr T N
La matriz T es simtrica por construccin y por tanto sus autovalores son reales.
Si son estos autovalores entonces
N
ZN = N
+ +
De donde
q
2
= e cosh(h) cosh (h) 2e2K senh(2K)
K
ZN = N
+ 1+
N #
kB T
F (T ) = lm
ln ZN = kB T +
(3.7)
N
N
q
1
2
= J
cosh(H) + cosh (H) 2e2J senh(2J) (3.8)
27
m(T ) =
F
H
senh(H)
=q
CH=0 = T
s
T
= T
H=0
2F
T 2
=
H=0
1
J2
2
kB T cosh ( k J T )
B
i,j
X
i,j
28
si,j
donde los spines estn indexados por dos ndices correspondientes a los puntos en
el arreglo 2 dimensional. Introducimos una notacin mas corta para H
H=
N
X
j=1
donde
E(j , k ) =
N
X
sij sik
i=1
N
X
E() = J
sij si+1,j H
i=1
sj
ij
p
1
2
2
d ln
1 + 1 K sen
2
2
cosh(2J) coth(2J)
29
d
0
sen2
( + 1)
1 K 2 sen2
1/8
m = 1 [senh(2J)]4
para T < Tc y 0 para T > Tc , indicando la presencia de una transicin de fase en
campo nulo. La condicin para determinar la temperatura critica en la cual esta
transicin ocurre es dada por
2 tanh(2J) = 1
kB Tc = 2, 269185J
(3.9)
2J
k B Tc
T
ln 1
Tc
+ ln
k B Tc
2J
pi
1+
4
divergencia logartmica
30
CAPTULO IV
EL MTODO DE MONTE CARLO
En este captulo introducimos el mtodo de Monte Carlo. Este mtodo resulta muy til en varias reas de la fsica y campos relacionados y para muchos
problemas se ha convertido en el mas poderoso mtodo numrico disponible.
Introducimos el mtodo usando un sistema muy simple, una integral unidimensional. Luego estimamos el tamao del error e introducimos el muestreo por
importancia como una forma de reducir el error. Tambin introduciremos el uso de
procesos de Markov en el procedimiento de muestreo y el algoritmo de Metropolis.
Finalmente, estimamos el error en el algoritmo de Metropolis.
I=
f (x)dx
(4.1)
tegral con valores fijos de x, los elegiremos en forma totalmente aleatoria e independientes con igual probabilidad en el intervalo [0, 1]. La integral es aproximada
entonces por el valor promedio
IN =
N
N
1 X
1 X
f (xi ) =
fi
N i=1
N i=1
(4.2)
Estimando el error
Para que el mtodo sea til debemos ser capaces de estimar el error en el
mismo. Es deseable que el error decrezca si el nmero de puntos de muestra N
se incrementa, pero la cuestin es en qu forma. Consideremos IN definida en
la ecuacin (4.2). Por construccin, esta consiste de una suma de N variables
aleatorias independientes {fi } con una distribucin comn. Asumiendo que el
valor de la media
= E [fi ]
y la varianza
2 = Var [fi ] = E (fi )2 = E fi2 2
(4.3)
y la varianza
#
" N #
N
N
X
1
1 X
2
1 X
Var [fi ] =
Var [IN ] = Var
fi = 2 Var
fi = 2
N i=1
N
N i=1
N
i=1
"
(4.4)
donde en la ltima ecuacin usamos el hecho que {fi } son estadsticamente independientes. Ahora, por el Teorema Central del Lmite [5] la distribucin de
probabilidad para la variable estocstica IN se aproximar a la distribucin Nor32
2
N
palabras tenemos
1
=
2
1 2
exp x dx
2
(4.5)
Este lmite puede ahora ser usado para estimar el error. Las restricciones necesarias para que este teorema sea vlido son:
i) Las variables {fi } tienen que ser estadsticamente independientes e idnticamente distribuidos.
ii) La media y la varianza tienen que existir.
iii) El nmero N tiene que ser grande.
3. Aproximamos la integral por el valor medio y usamos la varianza para estimar el error
1
I hf i
N
33
q
hf 2 i hf i2
(4.6)
xi+1
f (x)dx = f h + O h3 f 00
xi
f (x)dd x = f hd + O h2+d f 00
2+d 00
N O h2+d f 00 = O N N 1/d L
f O N 2/d
la cual para d grande decrece muy lentamente al incrementarse N . Podemos com
parar esto con el error en Monte Carlo, O N 1/2 , y tenemos que para d > 4 este
estimado implica que el mtodo de Monte Carlo se hace mas eficiente. El punto
crucial es que tenemos dos formas diferentes en que el error depende de la dimensin d. Usando mtodos tradicionales, este depende severamente de la dimensin
d mientras que en el caso del mtodo de Monte Carlo, este es insensitivo para este
valor. En muchas aplicaciones de Monte Carlo la dimensin es muy grande [19].
I=
f (x)dx
(4.7)
p(x)dx = 1,
p(x) 0, x
(4.8)
I=
f (x)dx =
a
f (x)
p(x)dx =
p(x)
g(x)p(x)dx
(4.9)
hg 2 ip hgi2p
(4.10)
N
N
1 X
1 X
hgip =
g(xi ) =
gi
N i=1
N i=1
(4.11)
y donde el subndice p denota que los puntos xi deben ser tomados de acuerdo
a la densidad de probabilidad p(x). Por construccin la funcin g(x) muestra
pequeas variaciones en el intervalo [a, b], comparada con f (x), lo cual implica
que la varianza ha sido reducida,
q
hg 2 i
hgi2p
q
<
hf 2 ip hf i2p
Cadenas de Markov
Consideremos un sistema que puede estar en diferentes estados i . En el caso
de una integral unidimensional el estado corresponde a los diferentes valores de
x, i = xi . En mecnica estadstica los estados corresponden a los microestados
del sistema. En un sistema clsico de spin los microestados estn dados por el
conjunto de valores para todos los spines, i = {sk } y en un fluido clsico o en
un slido se tiene que especificar las posiciones Rk y los momentos Pk para todas
las partculas, i = {Rk , Pk }. En el computador el nmero de estados es siempre
un nmero entero que puede ser muy grande.
37
de transicin
w , y esta tiene que cumplir las siguientes condiciones
wij 0,
y
i y j
wij = 1,
Pi (n 1)wij
P (n) = P (n 1)
w
Iterando esta ecuacin obtenemos la relacin
n
P (n) = P (0)
w
38
ergdica irreducible) uno puede mostrar que P (n) se aproxima a una distribucin
constante independiente del tiempo
lm P (0)
w n = P stat
La distribucin lmite P stat es llamada la distribucin estacionaria y debe satisfacer la ecuacin de autovalores
stat
w
P
= P stat
o
Pistat [wij ij ] = 0
1
exp [Hi /kB T ]
Z
39
wij 0,
X
(ii)
i, j
wij = 1,
(4.12)
(4.13)
(iii)
(iv)
pj =
wij
(4.14)
(4.15)
pi wij + pj wjj
i(6=j)
pi wij + pj (1
i(6=j)
wji )
i(6=j)
pi wij =
i(6=j)
pj wji
i(6=j)
Una condicin suficiente pero no necesaria es que la igualdad se cumpla para cada
40
pi wij = pj wji
(4.16)
la cual es a menudo referida como balance detallado. Las condiciones (i) (iv) y (iv) puede ser cumplida por muchas formas distintas. La ms importante
realizacin es la debida a Metropolis et al.
El algoritmo de Metropolis
Escribamos la matriz de transicin como
wij = ij ij
(4.17)
ij = 1
(4.18)
Si pj pi y i 6= j
(4.19)
ij = pj /pi ,
Si pj < pi y i 6= j
(4.20)
(a)
pi
wij = ij mn 1,
, si i 6= j
pj
(4.21)
ij = ji
41
(4.22)
wij = 1
wij
(4.23)
j(6=i)
lacin entre los estados sea despreciable. Mas adelante presentaremos dos formas
de determinar esta distancia.
Otro aspecto, es como se debe inicializar la cadena de Markov. Es deseable
elegir un estado 0 con alta probabilidad. Para ello, podemos iniciar la cadena
de Markov en algn paso y dejamos correr la cadena hasta que el sistema se
equilibre. Estos estados antes del equilibrio debern ser descartados y no se deben
incluirse en el clculo de las cantidades promediadas. En muchos casos la iniciacin
o equilibracin del sistema puede ser una parte importante para el clculo final.
Entonces los estados siguientes son usados para determinar diferentes cantidades.
Para asegurar un muestreo apropiado ij tiene que elegirse de tal forma que todos
los estados relevantes sean probados. Matemticamente esto esta expresado en la
parte (iii ) de la ecuacin (4.14), aqu es donde la intuicin fsica y la comprensin
del problema es de gran ayuda en la eleccin de dichos estados.
Z
I=
g(x)p(x)dx
(4.24)
R
p(x)dx = 1. Un ade-
pij
, si i 6= j
pi + pj
(4.25)
Error estimado
La diferentes estados i en la cadena de Markov pueden estar altamente correlacionados. Si consideramos un conjunto de datos {fi }, evaluados en la cadena
fi = f (i ), estos no sern estadsticamente independientes. La expresin para la
varianza en la ecuacin (4.4) no ser valida y el error no puede ser estimado por
(4.15). Definimos la ineficiencia estadstica s por la relacin
Var [IN ] =
s
Var [f ]
N
(4.26)
donde el valor N/s es una medida del nmero de valores estadsticamente independientes de fi . Por lo tanto es aconsejable en un clculo solamente incluir
estados en la cadena de Markov separados por esta distancia. Aqu, presentamos
dos formas de estimar , una basada en el clculo de funcin de autocorrelacin y
la otra basada en el promedio por bloques [1].
45
La funcin de Autocorrelacin
Queremos estimar el error en el valor medio
N
1 X
IN =
fi
N i=1
#"
#+
N
N
X
X
1
1
(fi hf i)
(fj hf i)
N i=1
N j=1
N
N
1 XX
= 2
hfi fj i hf i2
N i=1 j=1
1 2
1
f hf i2 = Var [f ]
N
N
y cambiando el ndice se sumatoria de j a k = j i la parte fuera de la diagonal
puede ser reescrita como
N
N
2 X X
2
hf
f
i
hf
i
i
j
N 2 i=1 j=i+1
N N i
2 XX
2
hf
f
i
hf
i
i
i+k
N 2 i=1 k=1
2 X
k
= 2
(1 ) hfi fi+ki i hf i2
N i=1
N
46
(4.27)
(1 + 2ncorr )
Var [f ]
N
donde
ncorr =
M
X
(4.28)
(4.29)
k=1
es una medida de la longitud de correlacin en la cadena. Ahora podemos identificar s con (1 + 2ncorr )
s=1+2
N
X
(4.30)
k=1
B
1 X
fi+(j1)B ; j = 1, . . . , nb
B i=1
nb
1 X
E [FB ] =
Fj;B
nb i=1
n
1 X
V ar [FB ] =
(Fj;B E [Fb ])2
nb j=1
1
V ar [FB ]
nb
Por otra parte, si los bloques son demasiado pequeos tendremos que
V ar [IN ] >
1
V ar [FB ]
nb
BV ar [FB ]
B V ar [f ]
s = lm
(4.31)
48
CAPTULO V
RESULTADOS NUMRICOS
En este captulo analizaremos los resultados obtenido al simular tres modelos
de Ising:
1. Modelo de Ising en 2 dimensiones con interacciones de primeros vecinos y
condiciones peridicas en las fronteras.
2. Modelo de Ising en 2 dimensiones con interacciones de primeros vecinos y
segundos vecinos y condiciones peridicas en las fronteras.
3. Modelo de Ising en 3 dimensiones con interacciones de primeros vecinos y
condiciones peridicas en las fronteras.
Para simular estos modelos usaremos el algoritmo de Metropolis (anexo 1), tomando cadenas de Markov y promedios por bloques para reducir la varianza, tambin
optimizamos el algoritmo guardando en arreglos la asignacin de vecinos as como
el preclculo de los factores de Boltzman w antes de comenzar la simulaciones,
esto nos ahorra hacer estos calculo miles de veces durante la simulacin .
Las simulaciones de los modelos se hicieron sobre diferentes tamaos de red.
si sj H
<ij>
si
(5.1)
-0.6
-0.8
Energia
-1
-1.2
-1.4
-1.6
-1.8
-2
0
3
Temperatura
50
Magnetizacion
0.6
0.4
0.2
-0.2
-0.4
0
3
Temperatura
Calor Especifico
0.8
0.6
0.4
0.2
0
0
3
Temperatura
Susceptibilidad
0
0
3
Temperatura
52
-1.2
-1.4
-1.6
Energia
-1.8
-2
-2.2
-2.4
-2.6
-2.8
-3
0
3
Temperatura
Magnetizacion
0.8
0.7
0.6
0.5
0.4
0
3
Temperatura
Calor Especifico
0.5
0.4
0.3
0.2
0.1
0
0
3
Temperatura
0.35
Susceptibilidad
0.3
0.25
0.2
0.15
0.1
0.05
0
0
3
Temperatura
X
<ij>
si sj J2
<<kl>>
sk sl H
si
(5.2)
55
Energia
-1
-1.5
-2
-2.5
-3
1
5
Temperatura
0.8
Magnetizacion
0.6
0.4
0.2
-0.2
-0.4
-0.6
1
5
Temperatura
Calor Especifico
0.8
0.6
0.4
0.2
0
1
5
Temperatura
Susceptibilidad
0
1
5
Temperatura
Energia
-1.5
-2
-2.5
-3
-3.5
-4
1
5
Temperatura
58
0.9
Magnetizacion
0.8
0.7
0.6
0.5
0.4
0.3
0.2
1
5
Temperatura
Calor Especifico
0.5
0.4
0.3
0.2
0.1
0
1
5
Temperatura
Susceptibilidad
0.25
0.2
0.15
0.1
0.05
0
1
5
Temperatura
60
H = J
si sj H
<ij>
si
Energia
-1.5
-2
-2.5
-3
2
2.5
3.5
4
Temperatura
4.5
61
5.5
Magnetizacion
0.6
0.4
0.2
-0.2
2
2.5
3.5
4
Temperatura
4.5
5.5
Calor Especifico
0.8
0.6
0.4
0.2
0
2
2.5
3.5
4
Temperatura
4.5
5.5
Calor Especifico
0.8
0.6
0.4
0.2
0
2
2.5
3.5
4
Temperatura
4.5
5.5
63
CAPTULO VI
CONCLUSIONES
Estudiamos el modelo de Ising en 2 dimensiones junto con la novedad de incorporar el efecto de las interacciones de los segundos vecinos, tambin estudiamos
el modelo en 3 dimensiones para tamao de reticulados grandes por medio del
Algoritmo de Metropolis en una computadora personal. Los resultados de las simulaciones realizadas coinciden con las predicciones tericas de los modelos de
aproximacin por la Teora de Matrices de transferencia, la Teora del Campo
Medio [19] [8] [18], y con el Modelo de Onsanger en 2 dimensiones, y obtuvimos
resultados confiables.
Los resultados de las simulaciones, muestran que en general las variaciones en
el Calor Especifico y la Susceptibilidad Magntica cerca de la temperatura critica cuando se crece el nmero de spines se deben a los Efecto de Tamao Finito
[18] de las simulaciones, y las correlaciones de los medidas, los cuales pueden ser
mejorados implementando tcnicas de reduccin de dichos efectos, tales como algoritmos de Grubber, Wolff cluster o Swendsen-Wang. La aplicacin de un campo
externo puede cambiar el valor de la temperatura crtica hasta un valor mximo
a partir del cual desaparecen las transiciones de fases.
Los resultados del modelo de Ising 2d con interacciones de segundos vecinos
coinciden bien con las simulaciones de sistemas de Ising mixtos [2], usados para
modelar Aleaciones binarias de materiales magnticos.
Hemos mostrado en este trabajo que simulaciones del Modelo de Ising, para
tamaos grandes de reticulado puede ser llevadas a cabo con el algoritmo de
Metropolis en una moderna Pc. Esto indica que se pueden hacer implementaciones
65
Referencias Bibliogrficas
[1] Binder, K. Hermann D. Monte Carlo Simulation in Statistical Physics. Springer Verlag, 1988.
[2] Buenda, G. M. and Machado E. Magnetic behavior of a mixed Ising ferrimagnetic model in an oscillating magnetic field. Physical Review B, 61 , 1468614690, 2000.
[3] Cipra, B. A. An Introduction to the Ising Model. Amer. Math. Monthly 94,
937-959, 1987.
[4] Eisberg, Robert & Resnick, Robert. Quantum Physics. 2nd Ed., Wiley, 1985.
[5] Feller, W. An Introduction to Probability Theory and Its Applications. Wiley,
1957.
[6] Goldstein, H. Classical Mechanics. Addison Wesley, 2nd edition, 1980.
[7] Gould, H. and Tobochnik J., An Introduction to Computer Simulation Methods. 2nd edition, Addison Wesley, 1996.
[8] Gould,
H.
and
Tobochnik
J.
Thermal
and
Statistical
Physics.
http://stp.clarku.edu/notes/, 2003
[9] Ising, E. Beitrag zur Theorie des Ferromagnetismus. Zeitschr.. f. Physik 31,
253-258, 1925. [Aleman].
[10] Koonin, Steven E. Computational Physics. Benjamin Cumming Publishing,
1996
[11] Metropolis, N., Rosembluth, A, Rosenbluth, M., Teller, A. & E., Equation of
State Calculation by Fast Computing Machine. J. Chem. Phys., 21, 1087, 1953.
66
[12] Onsager, L. Crystal Statistics. I. A Two-Dimensional Model with a OrderDisorder Transition. Phys. Rev. 65, 117-149, 1944.
[13] Press, W. H., Teukolsky, S. A., Vetterling, W. T. & Flannery, B. P. Numerical
Recipes: Art of Scientific Computing. 2nd edition, Cambridge, 1992.
[14] Reif, F. Fsica Estadstica. Revert. 1969.
[15] Reif, F. Statistical and Thermal Physics. McGraw-Hill, Singapore, 1985.
[16] Sakurai, J. J. Modern quantum mechanics. Addison-Wesley, 1994.
[17] Sbol, I. M. Mtodo de Monte Carlo. Ed. Mir. 1976.
[18] Thijssen, J. M. Computational Physics. Cambridge University Press, 1999.
[19] Toda, M. Kubo, R. y Sait, N. Statistical Physics I. 2nd edition, Springer,
1998.
[20] Wood, W. W. Molecular-Dynamics Simulation of Statistical Mechanical Systems. eds G. Ciccoti and W. G. Hoover. North-Holland, 1986.
67
ANEXOS