[论文解读] Random Surfaces: Large Deviations Principles and Gradient Gibbs Measure Classifications

Scott Sheffield⋆|arXiv (Cornell University)|Apr 3, 2003

Markov Chains and Monte Carlo Methods被引用 17

一句话总结

该论文为 Z^d 上具有凸、平移不变梯度势的随机表面的梯度吉布斯测度建立了变分原理，证明了具有唯一率函数最小化器的大偏差原理。通过一种新颖的簇交换技术，它在一般条件下（包括 d ≤ 2 或粗糙相的存在）证明了在有限表面张力域内部斜率的最小能量梯度相的唯一性。

ABSTRACT

We study (discretized) “random surfaces, ” which are random functions from Z d (or large subsets of Z d) to E, where E is Z or R. Their laws are determined by convex, nearest-neighbor, gradient Gibbs potentials that are invariant under translation by a full-rank sublattice L of Z d; they include many discrete and continuous height function models (e.g., domino tilings, square ice, the harmonic crystal, the Ginzburg-Landau ∇φ interface model, the linear solidon-solid model) as special cases. We prove a variational principle—characterizing gradient phases of a given slope as minimizers of the specific free energy—and an empirical measure large deviations principle (with a unique rate function minimizer) for random surfaces on mesh approximations of bounded domains. We also prove that the surface tension is strictly convex and that if u is in the interior of the space of finite-surface-tension slopes, then there exists a minimal energy gradient phase µu of slope u. Using a new geometric technique called cluster swapping (a variant of the Swendsen-Wang update for Fortuin-Kasteleyn clusters), we show that µu is unique if at least one of the following holds: E = R, d ∈ {1, 2}, there exists a rough gradient phase of slope u, or u

研究动机与目标

• 表征在凸、平移不变梯度势下，随机表面的梯度相作为特定自由能的最小化器。
• 在网格逼近的有界区域上，为随机表面的经验测度建立大偏差原理。
• 证明在有限表面张力斜率空间中，表面张力函数的严格凸性。
• 对有限表面张力域内部斜率的最小能量梯度相进行分类并证明其唯一性。
• 引入并应用一种新的几何技术——簇交换，以分析梯度吉布斯测度系统中的相唯一性。

提出的方法

• 通过 Z^d 上取值于 E = Z 或 R 的凸、最近邻、L-不变势，定义梯度吉布斯测度类。
• 应用变分原理，将梯度相识别为特定自由能泛函的最小化器。
• 在有界区域的网格逼近上推导经验测度的大偏差原理，具有唯一的率函数最小化器。
• 引入一种称为簇交换的新型几何技术，受 Swendsen-Wang 更新启发，用于分析相的唯一性。
• 利用簇交换技术，在包括 d ≤ 2、E = R 或粗糙相存在等条件下，证明最小能量梯度相的唯一性。
• 通过分析自由能的 Legendre 变换，证明表面张力是严格凸的。

实验结果

研究问题

• RQ1 在具有凸、平移不变梯度势的随机表面模型中，梯度相的变分表征是什么？
• RQ2 在有界区域上，随机表面的经验测度是否满足具有唯一率函数最小化器的大偏差原理？
• RQ3 在有限表面张力斜率空间中，表面张力函数是否严格凸？
• RQ4 在何种条件下，给定斜率的最小能量梯度相是唯一的？
• RQ5 簇交换技术能否用于在高维或离散设置中建立梯度吉布斯测度的唯一性？

主要发现

• 给定斜率的梯度相被表征为特定自由能泛函的最小化器，从而为该系统建立了变分原理。
• 在有界区域的网格逼近上，经验测度的大偏差原理成立，且具有唯一的率函数最小化器。
• 在有限表面张力斜率空间中，表面张力是严格凸的，意味着最小化器具有强稳定性。
• 对于有限表面张力域内部的任意斜率 u，存在一个最小能量梯度相 µu。
• 若 E = R，d ∈ {1, 2}，存在斜率为 u 的粗糙梯度相，或 u 位于域的内部，则最小能量梯度相 µu 是唯一的。
• 簇交换技术通过在吉布斯测度下实现配置的几何比较，成功建立了相的唯一性。