[論文レビュー] Crackling Noise and Avalanches: Scaling, Critical Phenomena, and the Renormalization Group

James P. Sethna|arXiv (Cornell University)|Dec 15, 2006

Theoretical and Computational Physics参考文献 45被引用数 5

ひとこと要約

本稿では、臨界現象、普遍性、およびレノルマライゼーション群を用いて駆動系におけるクラックリングノイズおよびアバランチの理論的枠組みを提示する。アバランチサイズ分布の普遍的スケーリング形—$ D(S,R) \propto S^{-\bar{\tau}} \mathcal{D}(S^{\sigma}(R - R_c)) $—を導出し、不純度の強さにかかわらずデータを統合し、臨界点付近でのべき乗則スケーリングおよび自己相似的ダイナミクスを明らかにする。応用例として磁性体におけるバーカウゼンノイズおよび他の不純度を持つ物質に適用される。

ABSTRACT

In the past two decades or so, we have learned how to understand crackling noise in a wide variety of systems. We review here the basic ideas and methods we use to understand crackling noise - critical phenomena, universality, the renormalization group, power laws, and universal scaling functions. These methods and tools were originally developed to understand continuous phase transitions in thermal and disordered systems, and we also introduce these more traditional applications as illustrations of the basic ideas and phenomena.

研究の動機と目的

• 地震、ペーパークルミング、磁性ヒステリシスを含む多様な物理系におけるクラックリングノイズを統一的に理解する理論的枠組みの構築。
• 臨界現象と普遍性を用いて、べき乗則スケーリングを示す広がりのある尾部のアバランチサイズ分布の起源の解明。
• レノルマライゼーション群を用いて、臨界的不純度付近におけるアバランチ分布のスケーリング形の導出。
• スケーリングコラプスによるアバランチデータの統合が、臨界指数の正確な測定および理論的モデルの検証に有効であることを示すこと。

提案手法

• クラックリングノイズの代表的モデルとして、ランダム場イジング模型（RFIM）を用いる。
• スケールおよび不純度の変化に伴うスケーリング行動を導くために、レノルマライゼーション群を用いて系を粗視化する。
• スケール不変性および粗視化に対する不変性を課すことにより、スケーリング形 $ D(S,R) \propto S^{-\bar{\tau}} \mathcal{D}(S^{\sigma}(R - R_c)) $ を導出する。
• アバランチサイズと臨界的不純度からの距離を組み合わせたスケーリング変数 $ X = S^{\sigma}(R - R_c) $ を導入する。
• データコラプス技術を用いて、普遍的スケーリング関数 $ \mathcal{D}(X) $ を抽出し、臨界指数の正確な測定を可能にする。
• アバランチの時間系列およびその空間的構造を分析し、自己相似的でフラクタルに似たダイナミクスを明らかにする。

実験結果

リサーチクエスチョン

• RQ1 不純度を持つ系におけるアバランチサイズ分布は、臨界点付近でどのように普遍的スケーリングを示すか？
• RQ2 異なる不純度の強さにおいてアバランチサイズ分布の関数的形は何か？ そして、どのように普遍的スケーリング関数に統合できるか？
• RQ3 臨界指数 $ \bar{\tau} $、$ \sigma $、$ \nu $ は、アバランチ統計のスケーリング行動をどのように支配するか？
• RQ4 レノルマライゼーション群は、$ D(S,R) $ のような多パラメータ分布のスケーリング形を導出するために果たす役割は何か？
• RQ5 実験的または数値的データをどのように用いて、普遍的スケーリング関数 $ \mathcal{D}(X) $ を抽出し、理論的予測を検証できるか？

主な発見

• アバランチサイズ分布は、スケーリング変数 $ X = S^{\sigma}(R - R_c) $ の普遍的関数 $ \mathcal{D}(X) $ に依存する普遍的スケーリング形 $ D(S,R) \propto S^{-\bar{\tau}} \mathcal{D}(S^{\sigma}(R - R_c)) $ に従う。
• 異なる不純度の値 $ R > R_c $ におけるデータコラプスは、$ R_c \sim 2.16 $ に臨界点が存在することを確認し、$ R_c $ 付近でのべき乗則的挙動および切断が $ (R - R_c)^{-\sigma} $ のようにスケーリングすることを示す。
• アバランチサイズのべき乗則的減衰に関連する臨界指数 $ \bar{\tau} $ は、データコラプスにより抽出され、直接的なべき乗則フィッティングとは対照的に、より頑健な代替手法を提供する。
• 本手法により、複数の不純度の値におけるアバランチサイズ分布がうまく統合され、スケーリング関数 $ \mathcal{D}(X) $ の普遍性が実証された。
• アバランチのフラクタル的空間的構造および部分停止を伴う間歇的時間系列は、自己相似的ダイナミクスを示しており、臨界挙動と整合的である。
• スケーリング形により、べき乗則フィッティングが信頼性を失う $ R_c $ から遠く離れた領域においても、スケーリングコラプスを診断ツールとして用いることで、臨界指数の正確な測定が可能となった。