[論文レビュー] Finding the Edge of Chaos in a Ferromagnet: Quantifying the "Complexity" of 2D Ising Phase Transitions with Image Compression

Cooper Jacobus|arXiv (Cornell University)|Feb 16, 2026

Theoretical and Computational Physics被引用数 0

ひとこと要約

この論文は、2D 伊辛配置の構造的複雑さを圧縮ベースかつモデル非依存の指標として提案し、臨界温度 Tc 付近で鋭いピークを示すことで臨界性における最大の複雑さを示す。

ABSTRACT

The data-driven characterization of the ``complexity'' present in dynamical systems remains an open problem with broad applications across the physical sciences. We investigate the ``structural complexity'' of the 2D ferromagnetic Ising model, a paradigmatic system exhibiting a second-order phase transition at a certain critical temperature which is often cited as a canonical example of complex morphology. We define a quantitative metric for this structural complexity, $\mathcal C_s$, through the lens of algorithmic information theory by approximating the Kolmogorov complexity of lattice configurations via standard lossless image compression algorithms. We regularize our proposed metric, $\mathcal C_s$, by comparing the compressibility of a configuration to that of its pixel-wise sorted and randomly shuffled counterparts. We arrive at a definition of $\mathcal C_s$ as a product of two components representing the systems departure from perfect order and disorder respectively which we then plot as a function of temperature. Our numerical simulations reveal a distinct peak in $\mathcal C_s$ at the known critical temperature $T_c$. This result demonstrates that such information-theoretic measures can act as sensitive, model-agnostic indicators of criticality, directly quantifying the emergence of complex structure at the boundary between order and chaos, opening the door to data-driven applications in domains where analytic solutions are unavailable.

研究の動機と目的

• 画像構造データの実用的でモデル非依存の複雑さ指標を動機づける。
• アルゴリズム情報理論を用いて、無損失圧縮で近似された複雑さを用い、相転移における複雑構造の出現を定量化する。
• この指標を2D 伊辛モデルに適用して臨界性に対する感度を検証する。
• 構成を保存しつつ構造を破壊するベースラインと比較して複雑さを正則化する。

提案手法

• 2D 伊辛格子配置をグレースケール画像に変換し、PNG（LZ77/ハフマン）を用いて損失のない圧縮サイズを測定する。
• rho = 圧縮サイズ / 非圧縮サイズ をアルゴリズム的複雑さの代理指標として定義する。
• 基準化として rho_shuffle[S]（同一組成で乱択化）と rho_sort[S]（最小の無秩序へソート）で正規化する。
• Structural Order Os[S] = rho_shuffle[S] - rho[S] を定義する。
• Structural Disorder Ds[S] = rho[S] - rho_sort[S] を定義する。
• Structural Complexity Cs[S] = sqrt( Os[S] × Ds[S] ) を定義する。
• Wolff クラスター更新と Metropolis ステップを用いたモンテカルロ法で Tc 周辺の温度で Ising 配置を生成する。

Figure 1: Example images of “structurally complex” systems from various domains over many orders of magnitude in scale. Image Credits: (a) Dartmouth College, (b) Nancy Kedersha, (c) Emmanuel Coupé, (d), ESA, (e,f,g) NASA, (h) Volker Springel.

実験結果

リサーチクエスチョン

• RQ1 圧縮ベースのモデル非依存複雑さの指標は、既知の2D 伊辛臨界温度 Tc でピークを示すのか？
• RQ2 この指標は空間構造だけに基づいて、秩序・臨界・無秩序の領域を区別できるのか？
• RQ3 ロスレス圧縮アルゴリズムの選択と有限サイズ効果に対してピークは頑健か？
• RQ4 この指標は、単純な周期秩序やランダム性からの複雑で fractal のような構造を効果的に区別できるのか？

主な発見

• 構造的複雑さ Cs に臨界Tc近傍で顕著なピークが現れる。
• 圧縮性ベースの指標 Os および Ds は together 非自明な空間構造を分離し、臨界性で最大となる。
• Cs は系の対称性に対して有界かつ不変であり、有限サイズスケーリングに対して感度を示す（ Ns が大きいほど鋭いピークになる）。
• 報告された試験では、Cs は異なる損失のない圧縮アルゴリズム（例：PNG）に対して頑健であることが示された。
• この枠組みは、秩序と混沁の境界における複雑構造の出現を定量化するデータ駆動型の臨界性指標を提供する。

Figure 2: Visualization of thermalized 2D Ising lattices generated by our simulation method from initially random conditions with width $N=256$ cells. Samples illustrate the ordered, critical, and disordered regimes relative to the critical temperature.