[论文解读] Contributions to Random Energy Models

Nabin K. Jana|ArXiv.org|Nov 8, 2007

Stochastic processes and statistical mechanics参考文献 36被引用 6

一句话总结

本文利用大偏差原理研究了随机能量模型（REM）及其推广，特别是带有外场的高斯REM，推导了极限自由能。基于温度和场强确定了相变，给出了不同区域中自由能的精确表达式，包括临界阈值 $\beta = \frac{1}{a}\sqrt{2\log 2}$ 以及涉及反双曲正切函数的超越方程的解 $y_0$ 的依赖关系。

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.

研究动机与目标

• 使用大偏差理论分析外磁场下随机能量模型（REM）的热力学行为。
• 将REM推广以包含外场，并在热力学极限下推导极限自由能。
• 基于温度（$\beta$）和场强（$h$）表征模型中的相变，特别是识别临界阈值。
• 在不同区域中对自由能进行严格的数学推导，包括速率函数最小化器在不同函数形式间切换的情形。

提出的方法

• 将大偏差原理（LDP）应用于带有外场的REM中能量层级的经验测度。
• 通过变分法在能量和磁化变量 $x$ 与 $y$ 上最小化速率函数 $f(x,y)$，并满足约束条件。
• 通过分析临界点和边界行为，推导速率函数的下确界，依据 $\beta$ 和 $h$ 区分不同情形。
• 引入函数 $\mathcal{I}_0(y) = y\tanh^{-1}y - \log\cosh(\tanh^{-1}y)$ 以描述磁化变量的熵贡献。
• 求解超越方程 $\frac{a\tanh^{-1}(y)}{\sqrt{2[\log 2 - \mathcal{I}_0(y)]}} = h$，以确定控制相变的临界磁化强度 $y_0$。
• 将自由能划分为两个区域：一个由高斯能量项主导，另一个由场诱导的磁化主导，具体取决于 $y_0$ 与 $c_\beta$ 的相对大小。

实验结果

研究问题

• RQ1 外磁场的存在如何影响高斯随机能量模型中的极限自由能？
• RQ2 在带有外场的REM中，分隔不同热力学行为区域的逆温度 $\beta$ 的临界值是什么？
• RQ3 在何种条件下，速率函数的最小化器会从 $x = \beta a$ 转变为 $x = \sqrt{2[\log 2 - \mathcal{I}_0(y)]}$？
• RQ4 磁化强度 $y$ 如何影响相结构，以及方程 $\frac{a\tanh^{-1}(y)}{\sqrt{2[\log 2 - \mathcal{I}_0(y)]}} = h$ 的解 $y_0$ 在决定自由能中的作用是什么？
• RQ5 在场强与温度导致非平凡磁化的区域中，极限自由能的精确表达式是什么？

主要发现

• 极限自由能 $\mathcal{E}(\beta,h)$ 几乎必然存在，其表达式为分段函数，取决于 $\beta$ 和超越方程的解 $y_0$。
• 当 $\beta \leq \frac{1}{a}\sqrt{2\log 2}$ 且 $y_0 \leq c_\beta$ 时，自由能为 $\log 2 + \frac{1}{2}\beta^2 a^2 + \log \cosh(\beta h)$，表明该区域由能量和场贡献主导。
• 当 $\beta > \frac{1}{a}\sqrt{2\log 2}$ 或 $y_0 > c_\beta$ 时，自由能为 $\beta(ax_0 + hy_0)$，其中 $x_0 = \frac{a\tanh^{-1}y_0}{h}$，表明进入场主导区域。
• 临界阈值 $c_\beta$ 由 $\mathcal{I}_0(c_\beta) = \log 2 - \frac{1}{2}\beta^2 a^2$ 定义，标志着最小化器行为转变的边界。
• 相图与Derrida的早期工作一致，证实了在外部场作用下存在具有非平凡自由能行为的自旋玻璃相。
• 函数 $\varphi(y) = \inf_x f(x,y)$ 在 $y_0$ 之前递减，之后递增，确保在临界区域中全局最小值出现在 $y_0$。