[논문 리뷰] Contributions to Random Energy Models

Nabin K. Jana|ArXiv.org|2007. 11. 08.

Stochastic processes and statistical mechanics참고 문헌 36인용 수 6

한 줄 요약

이 논문은 대규모 분포 원리와 함께 외부 필드가 존재하는 경우의 일반화된 가우시안 REM를 분석하여 한계 자유 에너지를 유도한다. 온도와 필드 강도에 따라 계단형 전이를 규명하며, 자유 에너지의 정확한 표현식을 다양한 영역에서 제공한다. 이는 $\beta = \frac{1}{a}\sqrt{2\log 2}$에서의 임계 임계값과 역 hyperbolic tangent 함수를 포함하는 초월 방정식의 해 $y_0$에 의존한다.

ABSTRACT

In this thesis, we consider several Random Energy Models. This includes Derrida's Random Energy Model (REM) and Generalized Random Energy Model (GREM) and a nonhierarchical version (BK-GREM) by Bolthausen and Kistler. The limiting free energy in all these models along with Word GREM, a model proposed by us, turn out to be a cute consequence of large deviation principle (LDP). This LDP argument allows us to consider non-Gaussian driving distributions as well as external field. We could also consider random trees as the underlying tree structure in GREM. In all these models, as expected, limiting free energy is not 'universal' unlike the SK model. However it is 'rate specific'. Consideration of non-Gaussian driving distribution as well as different driving distributions for the different levels of the underlying trees in GREM leads to interesting phenomena. For example in REM, if the Hamiltonian is Binomial with parameter $N$ and $p$ then the existence of phase transition depends on the parameter $p$. More precisely, phase transition takes place only when $p>{1/2}$. For another example, consider a 2 level GREM with exponential driving distribution at the first level and Gaussian in the second with equal weights at both the levels. Then even if the limiting ratio for the second level particles, $p_2$ is 0.00001 (very small), the system reduces to a Gaussian REM. On the other hand, if we consider a 2 level GREM with Gaussian driving distribution at the first level and exponential in the second, the system will never reduce to a Gaussian REM. In either case, the system will never reduce to that of an exponential REM. etc.

연구 동기 및 목표

• 외부 자장이 존재하는 경우의 랜덤 에너지 모형(REM)의 열역학적 거동을 대규모 분포 이론을 사용하여 분석한다.
• REM를 외부 필드를 포함하도록 일반화하고 열역학적 한계에서의 한계 자유 에너지를 도출한다.
• 온도($\beta$)와 필드 강도($h$)에 기반한 모형의 계단형 전이를 특성화하며, 특히 임계 임계값을 규명한다.
• 자유 에너지의 다양한 영역에서 엄밀한 수학적 유도를 제공하며, 특히 비용 함수의 최소화자가 서로 다른 함수 형태로 이동하는 경우를 포함한다.

제안 방법

• 외부 필드가 존재하는 REM에서 에너지 수준의 경험적 측도에 대해 대규모 분포 원리(LDP)를 적용한다.
• 에너지 및 자화 변수 $x$와 $y$에 대해 제약 조건 하에 비용 함수 $f(x,y)$를 최소화하기 위한 변분 공식을 사용한다.
• 비용 함수의 하한을 구하기 위해 임계점과 경계 행동을 분석하며, $\beta$와 $h$에 따라 경우를 구분한다.
• 자화 변수의 엔트로피 기여를 기술하기 위해 함수 $\mathcal{I}_0(y) = y\tanh^{-1}y - \log\cosh(\tanh^{-1}y)$를 도입한다.
• 계단형 전이를 규명하기 위해 초월 방정식 $\frac{a\tanh^{-1}(y)}{\sqrt{2[\log 2 - \mathcal{I}_0(y)]}} = h$를 풀어 임계 자화 $y_0$를 구한다.
• 자유 에너지를 두 영역으로 분류한다: 하나는 가우시안 에너지 항이 지배하는 영역이고, 다른 하나는 필드 유도 자화에 의해 지배되는 영역으로, $y_0$와 $c_\beta$의 상대 크기에 따라 구분된다.

실험 결과

연구 질문

• RQ1 외부 자장이 존재할 경우 가우시안 랜덤 에너지 모형에서의 한계 자유 에너지는 어떻게 영향을 받는가?
• RQ2 외부 필드가 존재하는 REM에서 열역학적 거동의 다양한 영역을 분리하는 임계 역온도 $\beta$의 값은 무엇인가?
• RQ3 비용 함수의 최소화자가 $x = \beta a$에서 $x = \sqrt{2[\log 2 - \mathcal{I}_0(y)]}$로 이동하는 조건은 무엇인가?
• RQ4 자화 $y$는 어떻게 계단형 구조에 영향을 주며, 방정식 $\frac{a\tanh^{-1}(y)}{\sqrt{2[\log 2 - \mathcal{I}_0(y)]}} = h$의 해 $y_0$는 자유 에너지를 결정하는 데 어떤 역할을 하는가?
• RQ5 외부 필드와 온도가 비자명한 자화를 유도할 경우, 한계 자유 에너지의 정확한 표현식은 무엇인가?

주요 결과

• 한계 자유 에너지 $\mathcal{E}(\beta,h)$는 거의 확실하게 존재하며, $\beta$와 초월 방정식의 해 $y_0$에 따라 조각별로 표현된다.
• 만약 $\beta \leq \frac{1}{a}\sqrt{2\log 2}$ 이고 $y_0 \leq c_\beta$ 이면, 자유 에너지는 $\log 2 + \frac{1}{2}\beta^2 a^2 + \log \cosh(\beta h)$로 주어지며, 이는 에너지 기여와 필드 기여가 지배하는 영역임을 나타낸다.
• 만약 $\beta > \frac{1}{a}\sqrt{2\log 2}$ 이거나 $y_0 > c_\beta$ 이면, 자유 에너지는 $\beta(ax_0 + hy_0)$로 주어지며, 여기서 $x_0 = \frac{a\tanh^{-1}y_0}{h}$ 이다. 이는 필드 지배 영역으로의 전이를 보여준다.
• 임계 값 $c_\beta$는 $\mathcal{I}_0(c_\beta) = \log 2 - \frac{1}{2}\beta^2 a^2$ 로 정의되며, 이는 최소화자 행동의 변화를 나누는 경계를 나타낸다.
• 상도는 Derrida의 이전 연구와 일치하며, 외부 필드 존재 하에서 비자명한 자유 에너지 거동를 보이는 스핀 거품 상이 존재함을 확인한다.
• 함수 $\varphi(y) = \inf_x f(x,y)$는 $y_0$까지 감소하고 나서 증가하므로, 임계 영역에서 전역 최소값이 $y_0$에서 발생함을 보장한다.