[논문 리뷰] Particle Ordering in Zero Range Process : Exact spatial correlations of the corresponding exclusion models

Urna Basu, P. K. Mohanty|arXiv (Cornell University)|2009. 12. 15.

Stochastic processes and statistical mechanics참고 문헌 19인용 수 4

한 줄 요약

이 논문은 1차원 배제 과정을 영역 프로세스(ZRP)로 매핑한 경우, ZRP의 단일 상자 가중치 f(n)에만 의존하는 행렬 곱 표현을 도입하여 정확한 공간 상관관계를 계산한다. 이 방법은 이전에는 해석이 불가능했던 상관관계 함수를 분석적으로 계산할 수 있게 하며, EKLS 및 RASEP와 같은 모델에서 알려진 결과를 성공적으로 재현하고 새로운 상관관계를 밝혀낸다.

ABSTRACT

A one dimensional exclusion process is introduced where particles hop to a neighbouring vacant site with a rate that depends on the size of the block they belong to. This model is equivalent to a zero range process (ZRP) and shares the same steady state distribution. However positional ordering is lost in this mapping and spatial correlations which depend on position indices can not be calculated directly from the ZRP equivalence. We devise a method to calculate these correlations and illustrate it by reproducing certain known results. Unexplored correlations in some other model systems are also investigated. This method can be generically used to find exact correlations of one dimensional exclusion processes which has ZRP correspondence.

연구 동기 및 목표

• ZRP로 매핑된 경우 ZRP 가중치로부터 직접 계산이 불가능한 배제 과정의 공간 상관관계를 계산하는 데 도전하는 것.
• 해당 ZRP의 단일 상자 가중치 f(n)만을 이용하여, 배제 과정의 정상 상태 가중치를 행렬 곱 형태로 표현하는 일반적인 프레임워크를 개발하는 것.
• ZRP에 대응하는 일반적인 1차원 배제 모델에 적용 가능한 체계적인 방법을 제공하여, 동역학에 특화된 대수적 구조에 의존하는 표준 행렬 곱 추측(MPA)의 한계를 극복하는 것.
• EKLS 및 RASEP와 같은 모델에서 이전에 탐색되지 않은 상관관계 함수를 계산하고 수치 시뮬레이션과의 비교를 통해 결과를 검증함으로써 이 방법의 유용성을 입증하는 것.

제안 방법

• 배제 과정의 정상 상태 가중치를 비가환 행렬의 곱의 트레이스로 재기록한다: $ P(σ) = \mathrm{Tr}[X_{s_1} X_{s_2} \cdots X_{s_L}] $, 여기서 $ X_0 = E $, $ X_1 = D $.
• 행렬 $ E = |\alpha\rangle\langle\beta| $ 와 $ D $ 를 구성하여 $ \langle\beta|D^n|\alpha\rangle = f(n) $ 가 되도록 하며, 여기서 $ f(n) $ 은 해당 ZRP의 단일 상자 가중치이다.
• 생성 함수 $ F(w) = \sum_{n=0}^\infty f(n) w^n $ 를 사용하여 행렬 원소를 정의함으로써, Pochhammer 기호와 지수 적분을 통해 상관관계 함수의 분석적 계산을 가능하게 한다.
• 그랜드 캐니컬 상자에서 두 점 상관관계 함수 $ G^{(2)}_j(z) $ 를 $ z = -\ln G^{(2)}_1 $ 을 사용하여 유도하며, $ G^{(2)}_1 = e^{-z} $ 이고, $ \rho $ 와 $ G^{(2)}_2 $ 를 $ z $ 로 표현한다.
• EKLS 모델에서 $ \epsilon = -8/17 $ 인 경우에 수치 시뮬레이션과 비교하여 분석 결과를 검증하였으며, $ \rho $ 와 $ G^{(2)}_2 $ 에서 뛰어난 일치를 보였다.

실험 결과

연구 질문

• RQ1 ZRP 매핑 과정에서 위치 정보가 손실됨에도 불구하고, ZRP에 대응하는 배제 과정의 공간 상관관계를 분석적으로 계산할 수 있는가?
• RQ2 해당 ZRP의 단일 상자 가중치 $ f(n) $ 에만 의존하는 배제 과정의 정상 상태에 대한 행렬 곱 표현을 구성할 수 있는가?
• RQ3 이 방법은 RASEP 및 EKLS와 같이 정확히 해를 구할 수 있는 모델에서 알려진 상관관계 함수를 재현할 수 있으며, 탐색되지 않은 시스템에 대해 새로운 결과를 예측할 수 있는가?
• RQ4 특히 상전이 근처에서, EKLS 모델에 대한 ZRP 매핑이 공간 상관관계를 얼마나 정확하게 캐릭터라이즈하는가?

주요 결과

• 행렬 곱 표현은 EKLS 모델의 두 점 상관관계 함수 $ G^{(2)}_1 $ 과 $ G^{(2)}_2 $ 를 성공적으로 계산하였으며, $ G^{(2)}_1 = e^{-z} $ 과 $ G^{(2)}_2 = \frac{(1-e^{-z})(2+z)}{2ze^{z}} $ 를 사용하고, $ z = -\ln G^{(2)}_1 $ 이다.
• L = 1000 인 EKLS 모델의 수치 시뮬레이션 결과는 분석 예측과 뛰어난 일치를 보였으며, ZRP 매핑이 상관관계 함수를 정당화하는 데 성공했음을 확인하였다.
• 이 방법은 블록 크기의 복잡한 기능적 의존성으로 인해 ZRP 가중치로부터 직접 계산이 불가능한 배제 과정의 공간 상관관계 계산을 가능하게 한다.
• b = 1 인 EKLS 모델의 경우, 이동률이 $ u(n) = (n+1)/n $ 이고, $ f(n) = 1/(n+1) $ 이며, 생성 함수 $ F(w) = -\ln(1-w)/w $ 가 되어 분할 함수와 상관관계 표현식이 단순화된다.
• 이 방법은 RASEP 및 EKLS에 대한 적용 사례를 통해 일반적이며, 톤크의 기체와 평행 동역학을 갖는 RASEP 등으로도 확장 가능하다.
• 표준 행렬 곱 추측의 한계를 극복하기 위해, ZRP의 단일 상자 가중치 $ f(n) $ 에서 직접 행렬을 유도함으로써, 동역학에 의존하는 대수적 제약 조건을 피한다.