[論文レビュー] Numerical Study on Aging Dynamics in Ising Spin-Glass Models: Temperature-Change Protocols

Tatsuo Komori, Hajime Yoshino+1 more|arXiv (Cornell University)|Jan 27, 2000

Theoretical and Computational Physics被引用数 6

ひとこと要約

本稿では、さまざまな温度変化プロトコル下での3次元イジングスピンガラスモデルにおける老化ダイナミクスの数値的分析を行い、スピンドメインおよび準ドメインの成長によって老化が駆動されるドメインベースのシナリオを提案する。主な発見は、$T$-シフトおよび$T$-サイクリングプロトコルにおける有効な待ち時間 $t_{\text{w1}}^{\text{eff}}$ が $t_{\text{w1}}^{\text{eff}} \propto (t_{\text{w1}})^{z(T_2)/z(T_1)}$ とスケーリングすることであり、相関長 $R_T(t) \sim t^{1/z(T)}$ のべき乗則的成長から得られる $z(T)$ と一致し、実験的に観察された記憶効果と定性的に整合している。

ABSTRACT

By means of Monte Carlo simulations on the three-dimensional Ising spin-glass model, we have studied aging phenomena with various temperature($T$)-change protocols. Particularly, a $T$-shift protocol, in which a system is first quenched to and aged for a period $t_{ m w1}$ at a temperature $T_1$, and subsequently aged at a new temperature $T_2$ is closely investigated. Most importantly, the mean size of domains, which is extracted from the replica-overlap function, was found to grow monotonically without any appreciable decrease by the $T$-change. We also found the relaxation of energy density and spin auto-correlation function during the $T$-shift process can be explained within the following picture: the dynamics finally crossovers to an isothermal aging of $T_2$ at around $t_2 \simeq t_{ m w1}^{ m (eff)}$ after the $T$-change, where $t_{ m w1}^{ m (eff)}$ is an effective waiting time related with $t_{ m w1}$, but in the transient regime $t_2 \lt t_{ m w1}^{ m (eff)}$, adjustment of the population of thermally active droplets from that at $T_1$ to $T_2$ takes place very slowly. Implications of the results on aging phenomena in other $T$-change protocols such as $T$-cycling and continuous $T$-change with an intermittent stop observed by simulations as well as experiments are discussed.

研究の動機と目的

• 非等温温度プロトコル、特に$T$-シフト、$T$-サイクリング、連続的$T$-変化の下での3次元イジングスピンガラスモデルにおける老化ダイナミクスの調査。
• ドロプレット理論からのスケーリングの仮説の妥当性を検証し、老化行動をスピンガラス相関長 $R_T(t)$ の成長と関連付ける。
• $T$-変化プロトコルにおける実験的に観察された現象（記憶効果、再活性化（カオス効果））の起源を明確化する。
• $T$-シフトプロトコルにおける有効待ち時間 $t_{\text{w1}}^{\text{eff}}$ が、動的スケーリング指数 $z(T)$ から予測可能かどうかを特定する。
• シミュレーション結果が実験的観察（特に記憶効果および再活性化の不在）と整合的であるかどうかを評価する。

提案手法

• 最近接相互作用とクエンチドディスオーダーを有する3次元ガウス型イジングスピンガラスモデルを用いたシミュレーション。
• スピンガラス相関長 $R_T(t)$ の計算に、レプリカオーバーラップ関数 $G(r,t) = \frac{1}{N}\sum_{i=1}^{N} \langle S_i^{(\alpha)}(t) S_i^{(\beta)}(t) S_{i+r}^{(\alpha)}(t) S_{i+r}^{(\beta)}(t) \rangle_{\text{av}}$ を用いた。
• $R_T(t)$ の成長をべき乗則形 $R_T(t) \sim t^{1/z(T)}$ にフィットし、$T < 0.7J$ の範囲で $1/z(T) \approx 0.17T$ が得られた。
• $T$-シフトおよび$T$-サイクリングプロトコル下での老化ダイナミクスは、$T > T_c$ から $T_1$ にクエンチし、時間 $t_{\text{w1}}$ の間老化させた後、温度を $T_2$ に変更することでシミュレートされた。
• 有効待ち時間 $t_{\text{w1}}^{\text{eff}}$ は、交流磁化率 $\chi^{\prime\prime}_{[T_2,T_1]}(\omega;t;t_{\text{w1}})$ および相関関数 $C_{[T_2,T_1]}(\tau;0,t_{\text{w1}})$ の緩和から抽出された。
• ドメインおよび準ドメインの成長に基づく現象論的シナリオが開発され、ドメインは連続的に成長し、$T$-変化中にそれら内部に準ドメインが形成される。

実験結果

リサーチクエスチョン

• RQ1 $T$-シフトプロトコルにおける有効待ち時間 $t_{\text{w1}}^{\text{eff}}$ は、初期の待ち時間 $t_{\text{w1}}$ に対してどのようにスケーリングするか？
• RQ2 3次元イジングスピンガラスモデルのシミュレーションにおいて、$T$-サイクリングプロトコルにおける記憶効果はどの程度再現可能か？
• RQ3 実験では観察されるが、本研究のシミュレーションでは再現されない再活性化（カオス効果）の理由は何か？
• RQ4 等温老化下でのスピンガラス相関長 $R_T(t)$ の成長はべき乗則で記述可能か？また、指数 $1/z(T)$ がダイナミクスに何を示すか？
• RQ5 ドメインおよび準ドメイン形成のダイナミクスは、さまざまな$T$-変化プロトコル下での観察された老化行動をどのように説明できるか？

主な発見

• スピンガラス相関長 $R_T(t)$ は $R_T(t) \sim t^{1/z(T)}$ と成長し、$T < 0.7J$ の範囲で $1/z(T) \approx 0.17T$ となる。これは、温度依存の指数を持つべき乗則的成長を示している。
• $T$-シフトプロトコルにおける有効待ち時間は $t_{\text{w1}}^{\text{eff}} \propto (t_{\text{w1}})^{z(T_2)/z(T_1)}$ とスケーリングし、$T_1 = 0.8$、$T_2 = 0.7$ の場合 $z(T_2)/z(T_1) \approx 1.11$、$T_2 = 0.6$ の場合 $\approx 1.25$ となる。
• $T$-サイクリングプロトコルは記憶効果を定性的に再現し、正の$T$-サイクリングでも $t_{\text{w}}^{\text{eff}}$ が $t_{\text{w1}}$ に依存するため、部分的な記憶保持が示された。
• シミュレーション結果は、老化が連続的なドメイン成長および内部の準ドメイン形成を通じて進行するドメインおよび準ドメインのシナリオと整合的である。
• シミュレーションで観察された $t_{\text{w1}}^{\text{eff}}$ は $t_{\text{w1}}$ とともに単調に増加し、実験的傾向と定性的に一致するが、定量的なシフトは実験より小さい。
• 実験で観察される再活性化（カオス効果）—例えばCu:MnやCdCrInSスピンガラスで報告されている—は、シミュレーションでは再現されず、時間スケールの不一致やモデルの限界が原因である可能性がある。