estudo do modelo ising desordenado … · a importância da desordem está diretamente relacionado...
TRANSCRIPT
Izael Araujo Lima
ESTUDO DO MODELO ISING DESORDENADO
BIDIMENSIONAL USANDO O ALGORITMO
WANG-LANDAU
TERESINA
2012
Izael Araujo Lima
ESTUDO DO MODELO ISING DESORDENADO
BIDIMENSIONAL USANDO O ALGORITMO
WANG-LANDAU
Trabalho de Dissertação de Mestrado apresentado ao Pro-
grama de Pós - Graduação em Física - PPGF da Universi-
dade Federal do Piauí - UFPI como requisito parcial para a
obtenção do título de Mestre em Física da Matéria Conden-
sada.
Orientador: Dr. Paulo Henrique Ribeiro Barbosa - UFPI
TERESINA
2012
Ó Deus como são grandes os teus pensamentos, se os contasse excederiam
os grãos de areia; contaria, contaria sem jamais chegar ao �m (Sl 139.17,18). . .
Agradecimentos
Primeiramente a Deus, que meu deu forças pra seguir em frente.
Ao professor Paulo Henrique, que acreditou neste trabalho e que esteve sempre à dis-
posição, e pelos computadores cedidos. E ao professor Umberto Fulco que deu a ideia
do trabalho e que também esteve à disposição para tirar dúvidas, a todos os professores
do Departamento de Física da UFPI que direta ou indiretamente contribuíram com este
trabalho.
À minha esposa Brisa pela sua compreenssão, palavras de ânimo e pelo apoio nos
momentos mais difíceis, mas não há vitórias sem lutas.
Aos meus pais, que mesmo com tantas di�culadades acreditaram em mim, e me icenti-
varam durante esses anos, mesmo nos momentos difíceis não deixaram que eu desanimasse,
e ao meu irmão Samuel pelos conselhos.
A todos os alunos da Pós, em especial Francílio, Wemerson, Raul, Rogê, David, Paulo
Roberto, Anilton, Emanuel e Moreira, pelas conversas e amizade.
À Seduc pelo apoio �nanceiro, por um período de um ano.
Resumo
Neste trabalho usamos o algoritmo Wang-Landau no espaço da energia e da magne-
tização para estudarmos o modelo Edwards-Anderson (±J) bidimensional para várias
concentrações de ligações antiferromagnéticas. O modelo apresenta desordem e frus-
tração devido a aleatoriedade e a competição entre as interações, para analisarmos então
os efeitos da desordem aplicamos a teoria de escala de tamano �nito e data-colapso para
as concentrações de ligações antiferromagnéticas p=0.05 e p=0.10, onde encontramos o
expoente crítico ν e os valores para as razões entre os expoentes críticos α/ν, β/ν e γ/ν,
comparamos então esses valores com os valores encontrados para o modelo Ising ferromag-
neto bidimensional na ausência de campo externo, onde veri�camos um cenário de fraca
universalidade. Também estudamos o modelo Vidro de Spin bidimensional em que as
ligações são escolhidas aleatoriamente para a concentração p = 0.50, usando o algoritmo
Wang-Landau agora no espaço da energia e do parâmetro de ordem Edwards-Anderson.
Palavras-chave:modelo Edwards-Anderson bidimensioanl, Vidro de Spin bidimensional,algoritmo Wang-Landau.
Abstract
In this paper we use the Wang-Landau algorithm in espace of energy and magnetization
to study the two-dimensional Edwards-Anderson (± J) model to various concentrations
antiferromagnetic bond. The model present disorder and frustration due to random and
competition between interactions, then we have to analyze the e�ects of disorder applied
the theory of Finite-Size Scaling and data-collapse for concentrations of anti-ferromagnetic
bonds p = 0.05 and p = 0.10, where we �nd the critical exponent ν and the values for
the ratios of the critical exponents α/ν, β/ν and γ/ν, then compare these values with the
values found for the model two-dimensional Ising ferromagnet in the absence of external
�eld, where veri�ed a scenario of weak universality. We also studied the two-dimensional
spin glass model in which bonds are chosen randomly to concentration p = 0.50, using
the algorithm Wang-Landau now in the space of energy and order parameter Edwards-
Anderson.
Keywords: two-dimensional Edwards-Anderson model, two-dimensional Spin Glass, Wang-Landau algorithm.
Sumário
1 Introdução 6
2 Desordem magnética 9
2.1 Introdução a desordem magnética . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Modelo Edwards-Anderson (±J) . . . . . . . . . . . . . . . . . . . . . . . 12
2.3 Modelo Ising ferromagneto 2D diluído por sitio e diluído por ligação . . . . 16
3 Monte Carlo 17
3.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.2 Processos de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.3 Quantidades termodinâmicas . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.4 Método Wang-Landau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.4.1 Método de histograma . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.4.2 Algoritmo Wang-Landau . . . . . . . . . . . . . . . . . . . . . . . . 22
3.4.3 Implementação do algoritimo Wang-Landau ao modelo Ising. . . . . 26
3.4.4 Implementação do algoritimo Wang-Landau ao modelo Edwards-
Anderson (±J) vidro de spin. . . . . . . . . . . . . . . . . . . . . . 27
1
3.5 Teoria de escala de tamanho �nito . . . . . . . . . . . . . . . . . . . . . . . 28
4 Resultados e discussão 30
4.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.2 Concentração p = 0.05 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.3 Concentração p = 0.10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.4 Concentração p = 0.50 modelo Edwards-Anderson vidro de spin . . . . . . 52
5 Considerações �nais 53
Referências Bibliográ�cas 54
2
Lista de Figuras
2.1 Tipos de desordem: (a) estrutura cristalina geral, (b) desordem substitu-
cional, (c) desordem estrutural, (d) sistema real . . . . . . . . . . . . . . . 10
2.2 Exemplo de frustração. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.3 Diagrama de fase do modelo Edwards-Anderson em uma rede quadrada no
plano T − p, em que p é a concentração de ligações antiferromagnéticas.
De acordo com o método numérico de Matriz Transferência [9] . . . . . . . 14
2.4 Parâmetro de ordem Edwards-Anderson q . . . . . . . . . . . . . . . . . . 15
4.1 Magnetização media para p = 0.05, para tamanhos de rede L=21, 26, 40, 55 32
4.2 Suscepitibilidade magnética para p=0.05 . . . . . . . . . . . . . . . . . . . 33
4.3 Calor especí�co para p=0.05 . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.4 Magnetização média para redes de tamanho L=34, usando o método Wang-
Landau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.5 Magnetização média de acordo com o método de Teoria de Campo Efetivo [34] 36
4.6 Ajuste do máximo da susceptibilidade magnética de acordo com a FSS para
p=0.05 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3
4.7 Colapso da susceptibilidade magnética (χc) para 95%(+J). Onde ν = 1.1
e γ/ν = 1.79 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.8 Ajuste da Magnetização no ponto crítico de acordo com a FSS, mostrando
compatibilidade com o valor da razão entre os expoentes β/ν = 0.131(6)
para p = 0.05 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.9 Ajuste do máximo do calor especí�co de acordo com a FSS para p = 0.05 . 40
4.10 Máximo do calor especí�co contra ln(L) para p=0.05 . . . . . . . . . . . . 41
4.11 Colapso do cumulante para a concentração p=0.05, ν = 1.05 e Tc = 1.967 . 42
4.12 Colapso do cumulante para a concentração p=0.05, ν = 1.15 e Tc = 1.967 . 42
4.13 Colapso do cumulante para a concentração p=0.05, ν = 1.20 e Tc = 1.967 . 43
4.14 Colapso do cumulante para a concentração p=0.05, ν = 1.00 e Tc = 1.967 . 43
4.15 Colapso do cumulante para a concentração p=0.05, ν = 1.10± 0.05 e para
Tc = 1.967± 0.006 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.16 Susceptibilidade magnética média para p=0.10 . . . . . . . . . . . . . . . . 45
4.17 Calor especí�co médio para p=0.10 . . . . . . . . . . . . . . . . . . . . . . 46
4.18 Ajuste do máximo do calor especí�co de acordo com a FSS para p=0.10,
onde obtemos α/ν = −0.013207± 0.000188 . . . . . . . . . . . . . . . . . . 47
4.19 Ajuste do máximo da susceptibilidade magnética de acordo com a FSS para
p=0.10, onde obtemos γ/ν = 1.7518± 0.0024 . . . . . . . . . . . . . . . . . 48
4.20 Colapso da susceptibilidade magnética (χc) para p = 0.10, onde ν = 1.35±
0.05 e γ/ν = 1.75± 0.02 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.21 Ajuste da Magnetização no ponto crítico de acordo com a FSS para p=0.10 50
4.22 Colapso do cumulante de Binder para p = 0.10 e para ν = 1.35± 0.05 . . . 51
4.23 Parâmetro de ordem q . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4
Lista de Tabelas
5.1 A razão entre os expoentes críticos α/ν, β/ν, γ/ν e o expoente crítico ν
para diferentes valores de concentrações antiferromagnéticas p . . . . . . . 53
5
1Introdução
Há algum tempo muitas investigações teóricas e experimentais vem sendo realizadas
para entender a in�uência de desordem em sistemas físicos na matéria condensada na
presença ou ausência de �campo� externo. Um exemplo são os semicondutores diluidos
(DMS) [1], dopados com baixa concentração de impurezas magnéticas, e que têm atraido
muita atenção de teóricos e experimentais devido ao seu potencial tecnológico na área de
spintrônica [2]. Mais recentemente, cristais 2D [3] e quase 2D [4] começaram a ser fabrica-
dos e estudados graças às técnicas avançadas de decomposição, abrindo possibilidade para
a veri�cação e investigação de uma enorme variedade de modelos teóricos e fenômenos
físicos.
Sistemas magnéticos desordenados aleatoriamente como os vidros de spin, em que as
interações estão em competição umas com as outras devido a alguma desordem no sistema
são encontrados em muitos ferromagnetos fortemente diluidos. Nestes sistemas, uma pe-
quena porcentagem de íons magnéticos de Manganês(Mn) são diluidos aleatoriamente em
Cobre(Cu) para formar uma liga ( Cu-Mn ), em que as interações oscilam com a distância,
conhecida como interação RKKY [5, 6], podendo ser ferromagnéticas e antiferromagnéti-
cas. Edwards e Anderson( 1975) [5] então propuseram um modelo para estes sistemas,
chamado de modelo Edwards-Anderson em que as interações (Jij = ±J) são escolhidas
6
CAPÍTULO 1. INTRODUÇÃO 7
aleatoriamente de acordo com uma distribuição das interações de troca P (Jij), uma es-
colha mais comum é aquela em que as interações de troca (Jij = ±J) são distribuídas
com igual probabilidade. O modelo Edwards-Anderson também pode ser aplicado para
o caso mais geral em que uma quantidade maior de íons de Manganês(Mn) é diluida em
Cobre(Cu) com isso as interações de troca possuem uma probabilidade maior de serem
ferromagnéticas(+J) do que anti-ferromagnéticas(−J). Outras ligas como AuFe e CuFe
também podem ser modeladas da mesma forma [5,7].
Uma das propriedades dos sistemas vidros de spin é que apresentam um pico na sus-
ceptibilidade em uma temperatura bem de�nida, indicativo de uma transição de Fase. A
primeira evidência experimental de comportamento vidro de spin foi veri�cada experimen-
talmente no início da década de 70 por Cannella e Mydosh [8] na realização de medidas
da susceptibilidade magnética em ligas metálicas do tipo CuMn e AuFe, onde observaram
que a susceptibilidade apresentava um pico acentuado em uma temperatura bem de�nida
chamada de temperatura crítica Tc.
Entretanto, sistemas que apresentam desordem são difíceis de serem modelados e re-
solvidos exatamente por causa da distribuição espacial aleatória que quebra a simetria
translacional do cristal e com assim complica em muito a solução teórica do modelo [3].
Consequentemente, métodos numéricos como, método Monte Carlo, método de histogra-
mas; e métodos analíticos como, teoria de campo médio, teoria de grupo de renormaliza-
ção, teoria de campo efetivo e outros, tem sido desenvolvidos para abordarem estes sis-
temas desordenados. Neste trabalho usamos o algoritmo Wang-Landau para estudarmos o
modelo Edwards-Anderson. Sendo este um e�ciente algoritmo que permite encontrarmos
a densidade de estados g(E,M), ou seja, o número de todos os estados ou con�gurações
possíveis para uma determinada energia E e magnetização M do sistema, no qual é feita
CAPÍTULO 1. INTRODUÇÃO 8
uma estimativa direta de g(E,M) independente da temperatura, assim podemos construir
distribuições canônicas a qualquer temperatura. Conhecendo-se g(E,M) podemos então
calcular a função de partição.
Z =∑
{estados}
e−E/KBT =∑E,M
g(E,M)e−E/KBT , (1.1)
de posse da qual podemos encontrar todas as quantidades termodinâmicas do sistema.
2Desordem magnética
2.1 Introdução a desordem magnética
A importância da desordem está diretamente relacionado ao fato dos materiais reais
apresentarem algum tipo de impureza, ao longo dos anos foram feitos esforços no sentido
de modelar esses materiais. Como um cristal perfeito é caracterizado pela regularidade es-
pacial da rede, apresentando uma ordem translacional e pela regularidade na distribuiçao
dos átomos, apresentando uma ordem composicional, ou seja, os cristais perfeitos pos-
suem invariância translacional. Já quando se considera os cristais reais, essa invariância
translacional e composicional não existe, devido a imperfeições do cristal. Estas imper-
feições que são desordens na estrutura dos materiais podem ser classi�cadas da seguinte
forma:
1- Desordem substitucional ou composicional, este tipo de desordem acontece quando
uma célula unitária do material pode ser ocupada por mais de um tipo de átomos, que é
o caso das ligas binárias e em algumas vezes em estruturas biológicas, como no caso em
que uma molécula de água compartilha um sitio com sódio, cloreto ou outros íons.
2- Desordem posicional, quando o material não está regularmente distribuído na rede,
mas todos os átomos são de um único tipo e possuem o mesmo número de coordenação,
9
CAPÍTULO 2. DESORDEM MAGNÉTICA 10
o sistema está desordenado estrururalmente. Já quando o número de coordenação dos
átomos é variável, mesmo que haja um único tipo de átomo, o material é dito está des-
ordenado topologicamente, e que são exemplos desta clase de materiais, os materiais
amorfos, e vidros. Vale ressaltar que os materiais reais apresentam uma mistura dos três
tipos de desordem apresentada, conforme mostra a Fig. (2.1).
Figura 2.1: Tipos de desordem: (a) estrutura cristalina geral, (b) desordem substitucional,(c) desordem estrutural, (d) sistema real
A desordem ainda pode ser classi�cada como, congelada (estática) ou recozida (dinâmica),
que são desordens aleatórias. Também podemos ter desordem sequencial, em que as con-
�gurações do sistema seguem uma certa sequência.
A desordem congelada é caracterizada por um processo termodinâmico em que a tem-
peratura é aumentada e logo depois o sistema é resfriado rapidamente, impedindo que
CAPÍTULO 2. DESORDEM MAGNÉTICA 11
haja uma variação da desordem com o tempo e que seus constituintes ocupem estados
que minimizem a energia livre do sistema. A energia livre para uma con�guração de
desordem ci é dada por:
F{ci} = − 1
βlnZ{ci}.
Logo, a energia livre do sistema é a sua média na desordem.
F{S} = 〈F{ci}〉 = − 1
β〈lnZ{ci}〉.
A desordem recozida é caracterizada por um lento resfriamento do sistema de modo
que a desordem evolui com o tempo, possibilitando que seus constituintes ocupem posições
de energia livre mínima. Logo os efeitos de correlação não permitem uma distribuição
aleatória. Como a desordem varia no tempo, temos que levar em conta a desordem no
hamiltoniano e somente posteriormente calcular a função de partição e as propriedades
termodinâmicas. A função de partição pode ser escrita como:
Z = 〈Z{ci}〉 = Tr{ci}(e−βH),
e a energia livre do sistema é dada por:
F{S} = − 1
βln〈Z{ci}〉.
A desordem congelada pode ser de vários tipos: por sitio em que um sitio está ocupado
ou não; por ligação em que existe ou não interação entre sitios vizinhos; e o caso em que
as interações são diferentes, por exemplo o caso em que as interações são ferromagnéticas
ou anti-ferromagnéticas com probabilidade p para ligação +J e (1 − p) para ligação −J ,
CAPÍTULO 2. DESORDEM MAGNÉTICA 12
que é objeto de estudo deste trabalho.
A desordem sequencial é aquela em que os sitios seguem uma certa sequência �xa de
sitios magnéticos e não magnéticos, ou de ligações ferromagnéticas e anti-ferromagnéticas.
2.2 Modelo Edwards-Anderson (±J)
Omodelo Edwards-Anderson [5] é um modelo em que a amplitude e o sinal da interação
spin-spin ( J ) varia aleatoriamente de ligação para ligação. Neste modelo os spins em
sitios vizinhos em uma rede interagem uns com os outros. Quando a interação favorece
o alinhamento paralelo dos spins a ligação é chamada ferromagnética, enquanto a ligação
favorecendo o alinhamento antiparalelo é chamada antiferromagnética. A hamiltoniana
do modelo é dada por,
H = −∑〈i,j〉
JijSiSj, (2.1)
onde a soma é sobre todos os pares de sitios primeiros vizinhos. Neste trabalho escolhemos
as interações entre os sitios Jij = ±J .
O modelo apresenta frustração ou competição entre as interações, uma vez que as
interações não são todas satisfeitas devido a competição entre as mesmas. Um exemplo de
frustração é mostrado na Fig. (1), que mostra quatro sitios ao redor de um quadrado com
uma interação antiferromagnética (negativa) e três interações ferromagnética (positiva).
Figura 2.2: Exemplo de frustração.
CAPÍTULO 2. DESORDEM MAGNÉTICA 13
Neste trabalho as interações de troca Jij são variáveis aleatórias descorrelacionadas(
congelada), onde seus valores ±J são dados pela seguinte distribuição de probabilidade:
P (Jij) = pδ(Jij + J) + (1− p)δ(Jij − J). (2.2)
onde p é a concentração de ligações (−J ). Para p = 0, temos o modelo Ising ferromagneto,
enquanto para p = 1/2 temos o modelo Edwards-Anderson vidro de spin, o diagrama de
fase para o Modelo Edwards-Anderson (±J) é mostrado na �gura (2.2) [9]. A intersecção
da linha de Nishimori com a linha de transição Ferro-Para deve possuir um ponto �xo,
este ponto é chamado de ponto de Nishimori (N) abaixo do qual a transição Ferro-Para
deixa de existir e uma nova classe de universalidade pertencendo à família de pontos �xos
fortemente desordenados passa a existir [9]. Para o caso bidimensional é esperado que
apresente uma fase vidro de spin somente a temperatura zero [10]. Na linha de Nishimori,
a energia interna pode ser calculada exatamente e um limite superior pode ser dado ao
calor especí�co [11]. Para a distribuição de probabilidade da Eq. (2.2) a linha de Nishimori
é dada por:
eβ =1− pp
(2.3)
onde β = 1/KBT e p é a concentração de ligações (−J )
Modelo Edwards-Anderson vidro de spin (±J)
Sistemas como vidro de spin são difíceis de simular, devido a um grande tempo de
relaxação. Em 1976, Binder e Schröder encontraram um �pico� na susceptibilidade. E
em 1980 através de trabalho feito por simulações numéricas e método recursivo numeri-
CAPÍTULO 2. DESORDEM MAGNÉTICA 14
Figura 2.3: Diagrama de fase do modelo Edwards-Anderson em uma rede quadrada noplano T − p, em que p é a concentração de ligações antiferromagnéticas. De acordo como método numérico de Matriz Transferência [9]
camente exato, Binder sugeriu que Tf = 0 para d = 2 [12]. Em 1985, Ogielski construiu
um computador com o propósito de estudar estes sistemas para mostrar que Tf = 0 para
d = 2, mas Tf ≈ 1.2 para d = 3 [13].
O modelo Edwards-Anderson vidro de spin (±J) mais estudado, corresponde ao caso
em que as interações de troca Jij são variáveis aleatórias de mesma intensidade (J) e
p = 0.5 na distribuição de probabilidade da Eq.(2.2), apresentando uma fase onde os
spins �cam congelados a baixa temperatura devido a frustração do sistema. Edwards e
Anderson então propuseram um parâmetro de ordem para o modelo [5], que é chamado
de �parâmetro de ordem de Edwards-Anderson( q)� [5,14,15], e que é dado pela Eq.(2.4)
q ≡ 〈N∑i=1
S0i Si/N〉, (2.4)
onde S0i corresponde a uma das con�gurações de spin do estado fundamental �ground
CAPÍTULO 2. DESORDEM MAGNÉTICA 15
state�, e Si é qualquer con�guração de spin durante o passeio aleatório, e que é similar
ao parâmetro de�nido por Edwards-Anderson [5]. O parâmetro de�nido dessa forma foi
facilmente aplicado em simulações numéricas por Binder [12]. Um esboço do prâmetro de
ordem é mostrado na Fig.(2.4)
Figura 2.4: Parâmetro de ordem Edwards-Anderson q
onde,
q =
1, se T = 0
6= 0, se 0 ≤ T < Tc
0, se T ≥ Tc
podendo a intensidade de q a T = 0 ser diferente de um devido à degenerescência do
estado fundamental �ground state�. O estado vidro de spin é caracterizado pela magne-
tização zero m = 〈Si〉 = 0 e q = 〈Si〉2diferente de zero, 〈...〉2 é a média con�guracional
para um arranjo particular de interações Jij, e a barra é a media sobre todas as possíveis
distribuições de Jij. Para o caso �congelado� somente é necessária a média con�guracional
já que esta não muda com o tempo.
CAPÍTULO 2. DESORDEM MAGNÉTICA 16
2.3 Modelo Ising ferromagneto 2D diluído por sitio e
diluído por ligação
O modelo Ising ferromagneto diluído é um dos modelos mais estudados na atuali-
dade. Vários trabalhos foram realizados usando-se tanto diluição por sitio [16�22], quanto
diluição por ligação [23�27].
O modelo Ising 2D diluído por sitio é descrito pela seguinte Hamiltoniana:
H = −J∑〈i,j〉
∈ij SiSj (2.5)
Os coe�cientes ∈ij chamados variáveis de ocupação são variáveis aleatória descorrela-
cionadas. Escolhidas para serem iguais a um com probabilidade p quando o sitio i está
ocupado, e zero com probabilidade q = 1−p do sitio não está ocupado, que é a distribuição
de probabilidade.
P (∈ij) = (1− p)δ(∈ij) + pδ(∈ij −1) (2.6)
Já o modelo Ising 2D diluído por ligação é descrito pela seguinte Hamiltoniana:
H = −J∑〈i,j〉
∈ij SiSj, (2.7)
onde agora a variável de desordem (∈ij) está relacionada a interação de troca (J), que
são escolhidas para serem igual a um com probabilidade p quando existe interação e zero
com probabilidade q = 1− p, que é a distribuição de probabilidade da eq.( 2.6 ).
3Monte Carlo
3.1 Introdução
A ideia de se fazer cálculos usando o método de Monte Carlo [28] é mais velha do que o
computador, quando os cálculos eram feitos usando caneta e papel, mas só recentemente
recebeu o nome de �Monte Carlo� dado por Nicolas Metropolis em 1949 e sob o nome de
�amostragem estatística�. Nos últmos anos o método vem sendo aprimorado, e algoritmos
foram criados para tornar o método mais e�ciente, dentre estes se destaca o algoritmo
de Metropolis e o de Wang-Landau. O método atualmente vem sendo muito aplicado
no estudo de transição de fase, que são sistemas complexos de difícil resolução e que
são estudados por métodos de aproximação, analíticos ou numéricos. Com os avanços
dos computadores que se tornam cada dia mais potentes, o método de Monte Carlo vem
ganhando destaque por sua resolutividade e por sua e�ciência no estudo de fenômenos
críticos, e que vem revolucionando esses estudos.
3.2 Processos de Markov
Geramos uma cadeia Markoviana de con�gurações (xo, x1, ..., xi),tal que a con�guração
xi+1 depende somente da con�guração anterior xi, esse processo é chamado de processo
17
CAPÍTULO 3. MONTE CARLO 18
de Markov. Então a probabilidade de se obter xi+1 de xi é dada pela probabilidade de
transição W (xi+1 | xi).
Como queremos obter amostras de con�gurações de spin onde o fator de Boltzmann
exp[−H(x)/KbT ] tem um pico, mas a priori não conhecemos quais são essas regiões.
Suponhamos então que inventamos um processo pelo qual estados são gerados de acordo
com a importancia da contribuição da magnetização ou qualquer outro observável, este
processo é o processo de markov, com uma adequada probabilidade de transição por
importância de uma con�guração a outra.
A condição de ergodicidade é requerida no processo de Markov para que a partir de
qualquer estado do sistema qualquer outro estado posssa ser acessado, sendo necessário
para gerar estados com a probabilidade de Boltzmann correta. Para sistemas no equilíbrio
outra condição necessária é a de balanço detalhado, que é a condição que assegura que a
distribuição gerada pelo sistema após atingir o equilíbrio é a distribuição de Boltzmann,
em que no equilíbrio a taxa de transição de qualquer estado para qualquer outro seja a
mesma. Podemos expressá-la da seguinte forma:
∑ν
pµP (µ→ ν) =∑ν
pνP (ν → µ) (3.1)
Como, ∑ν
P (µ→ ν) = 1 (3.2)
Substituindo a Eq.(3.2) na Eq.(3.1) temos,
pµ =∑ν
pνP (ν → µ) (3.3)
para qualquer conjunto de probabilidades de transição satisfazendo esta equação, a dis-
CAPÍTULO 3. MONTE CARLO 19
tribuição de probabilidade pµ estará no equilíbrio da dinâmica do processo de Markov.
A probabilidade de transição é escolhida tal que a distribuição dos estados (x0, x1, ..., xn)
é a distribuição de Boltzmann.
P (x) ∝ exp
(−H(x)
KBT
)(3.4)
Devemos então escolher uma probabilidade de transição, que garanta que os estados
sejam gerados de acordo com a lei de Boltzmann.
Suponha que ao inverter um spin de Si para −Si há perda de energia, como quere-
mos sempre está próximo do estado fundamental do modelo devemos aceitar tal movi-
mento com probabilidade um. Então no caso onde a mudança na energia ∆H é negativa,
∆H = H(xnovo) − H(xvelho) temos W (xnovo | xvelho) = 1. Entretanto deste modo cer-
tamente �caremos preso em um mínimo local de energia. Para evitar isto aceitamos
movimentos que aumentam a energia, mas para o caso em que aumenta muito temos
baixa probabilidade. Enquanto que se a mudança na energia é pequena, aceitamos o
movimento com uma alta probabilidade, deste modo podemos sair de um mínimo local
de energia. A probabilidade de transição é então dada por:
W (xi + 1 | xi) = min
[1, exp
(−∆H(x)
KBT
)](3.5)
que é chamada função Metropólis. Existem outras escolhas, por exemplo a função Wang-
Landau:
W (xi + 1 | xi) = min
[1,g(E ′(x))
g(E ′′(x))
]
O objetivo mais comum das simulações de Monte Carlo em sistemas térmicos por
exemplo, é obter a média termodinâmica ou valor médio 〈Q〉 de uma certa quantidade
CAPÍTULO 3. MONTE CARLO 20
observável Q, Cujo valor médio é dado pela Eq.(3.6)
〈Q〉 ≡∑
iQie−βEi∑
i e−βEi
, (3.6)
a Eq.(3.6) somente é tratável para sistemas muito pequenos. Em sistemas grande o que
fazemos é uma média sobre um subconjunto de estados, pois muitos estados são acessíveis.
Porém sabemos que podemos selecionar m estados {i1, . . . , im}, mais signi�cativos.
QM =
∑Mi=1Qie
−βEi∑Mj=1 e
−βEj
, (3.7)
QM é o valor estimado de 〈Q〉, como as energias Ei são degeneradas, ou seja, existem
vários estados com uma mesma energia Ei. A equação (3.7) pode ser reescrita como:
QM =
∑EiQig(Ei)e
−βEi∑Ejg(Ej)e−βEj
, (3.8)
onde g(Ei) é o número de estados com energia Ei
3.3 Quantidades termodinâmicas
Conhecendo a densidade de estados g(E,M), podemos calcular quantidades termodinâ-
micas diretamente como, energia interna U , magnetização M , energia livre de Helmotz F ,
entropia S . E suas derivadas termodinâmicas, como: calor especí�co C e susceptibilidade
magnética χ, de acordo com as equações abaixo:
U(T ) = 〈E〉T =
∑E,M Eg(E,M)e−E/KBT
N∑
E,M g(E,M)e−E/KBT(3.9)
CAPÍTULO 3. MONTE CARLO 21
M(T ) = 〈M〉T =
∑E,M Mg(E,M)e−E/KBT
N∑
E,M g(E,M)e−E/KBT(3.10)
C(T ) =∂U(T )
∂T=N(〈E2〉T − 〈E〉2T )
T 2(3.11)
χ =∂M
∂H=N(〈M2〉 − 〈M〉2)
KBT(3.12)
F = −KBT log(Z) (3.13)
S =U(T )− F (T )
T(3.14)
Z =∑E,M
g(E,M)e−E/KBT (3.15)
onde Z é a Função Partição do sistema.
3.4 Método Wang-Landau
3.4.1 Método de histograma
A ideia de construir histogramas via simulações de Monte Carlo não é nova, mas somente
nos últimos anos foi aplicada com sucesso no estudo de fenômenos críticos por Ferrenberg
e Swendsen [29] em 1988.
O Método de hisograma [32] realiza uma simulação de Monte Carlo a uma temperatura
T = T0 gerando con�gurações com uma frequência proporcional ao peso de Boltzmann,
exp[−K0H], onde K0 = 1/KBT0 e H é a hamiltoniana do modelo em estudo. Logo a
probabilidade de observar o sistema com energia E e magnetizaçãoM a uma temperatura
T0 é dada por
PK0(E,M) =1
Z(K0)W (E,M) exp[K0E], (3.16)
CAPÍTULO 3. MONTE CARLO 22
onde W (E,M) é a densidade de estados, ou seja, o número de estados com energia E e
magnetizaçãoM e Z(K0) é a função de partição do sistema a uma temperatura T0. Assim
um histograma H(E,M) do número de vizitas no espaço da energia E e da magnetização
M é armazenado, em que H(E,M)/N , onde N é o número de medidas feitas fornece uma
estimativa para a distribuição de probabilidade PK0(E,M). Logo podemos fazer uma
estimativa para a densidade de estados W (E,M), invertendo a Eq.(3.16) e substituindo
PK0(E,M) por H(E,M)/N , obtemos
W (E,M) =Z(K0)
NH(E,M) exp[K0E], (3.17)
com este resulado podemos calcular a distribuição de probabilidade para qualquer K, onde
PK(E,M) =H(E,M)e(K−K0)E∑H(E,M)e(K−K0)E
(3.18)
Conhecendo-se então PK(E,M), podemos encontrar o valor médio de qualquer função
f(E,M),
〈f(E,M)〉K =∑
f(E,M)PK(E,M). (3.19)
A capacidade de variar K continuamente e portanto a temperatura faz o método de
histograma ideal para localizar máximos em picos estreitos, que ocorrem geralmente em
diferentes derivadas termodinâmicas divergentes. Dessa forma, o método de histograma
possibilita estudar o comportamento crítico com resolução sem precedentes.
3.4.2 Algoritmo Wang-Landau
O algoritmo Wang-Landau [30, 31] é baseado na observação de que se realizarmos um
passeio aleatório no espaço da energia e da magnetização, invertendo spins aleatoriamente
CAPÍTULO 3. MONTE CARLO 23
para um sistema de spin, a probabilidade de visitar um dado nível de energia E e magneti-
zação M é proporcional a densidade de estados 1/g(E,M), então um �plano� histograma
é gerado para a distribuição de energia e magnetização. Isto é realizado modi�cando a
densidade de estados de um modo sistemático para produzir um �plano� histograma sobre
o intervalo de energia e magnetização, e simultaneamente fazendo g(E,M) convergir para
o verdadeiro valor. A função g(E,M) é modi�cado constantemente durante cada passo
ao longo do passeio aleatório e usa-se a densidade de estados atualizada para realizar mais
um passeio aleatório no espaço da energia e magnetização. Um fator de modi�cação f é
controlado cuidadosamente, e no �nal da simulação ele deve ser próximo de 1 que é o caso
ideal do passeio aleatório com a verdadeira densidade de estados.
Inicialmente g(E,M) é desconhecida, e a mais simples aproximação é iniciar o conjunto
dos g(E,M) = 1, para todas as possíveis energias E e magnetizações M . Então, um
passeio aleatório no espaço da energia e da magnetização é iniciado invertendo spins
aleatoriamente com uma dada probabilidade proporcional a 1g(E,M)
. Se E1 ,M1 e E2 ,M2
são as energias e magnetizações antes e após o spin ser invertido, a probabilidade de
transição do nível de energia e magnetização E1 ,M1 para E2 ,M2 é dada por
p(E1,M1 → E2,M2) = min
[g(E1,M1)
g(E2,M2), 1
](3.20)
Cada vez que um nível de energia E e magnetização M é visitado, o valor existente é
multiplicado pelo fator de modi�cação f > 1, ou seja, g(E,M)→ g(E,M)∗f ( é preferível
se trabalhar com ln(g(E,M))→ ln(g(E,M)) + ln(f), tal que todos os possíveis g(E,M)
sejam ajustados dentro de números de dupla precisão), caso o passeio aleatório rejeite
um movimento g(E,M) também é modi�cado com o mesmo fator de modi�cação. Uma
boa escolha para o fator de modi�cação inicial é escolher f = f0 = e1 ' 2.71828..., o que
CAPÍTULO 3. MONTE CARLO 24
permite g(E,M) se desenvolver rapidamente. Se f0 for muito pequeno, o passeio aleatório
levará um tempo muito longo para checar todas as possíveis energias e magnetizações.
Entretanto se tomarmos f0 muito grande, teremos grandes erros estatísticos. Durante o
passeio aleatório, o histograma H(E,M) ( o número de visitas a cada nível de energia E e
magnetização M ) é acumulado, e quando ele é aproximadamente �plano�, a densidade de
estados terá convergido para o verdadeiro valor com uma precisão proporcional ao fator de
modi�cação ln(f). O fator de modi�cação é então reduzido e f1 =√f0, e o histograma é
zerado, e começa-se um novo passeio aleatório. Este processo iterativo continua até o fator
de modi�cação ser menor que um valor prede�nido, ou seja, ffinal = 10−8 ' 1.00000001.
O fator de modi�cação atua como um parâmetro de controle da precisão de g(E,M)
durante a simulação, e também determina quantos passos de Monte Carlo são necessários
para a simulação inteira. É impossível obter-se um histograma perfeitamente ��at�, e
a frase �histograma �at� signi�ca que todos os histogramas de energias e magnetizações
visitadas não são menores do que x% da média do histograma 〈H(E,M)〉, onde x% é
escolhido de acordo com o tamanho e complexidade do sistema e a precisão desejada de
g(E,M). Um vínculo essencial é que g(E,M) deve convergir para o verdadeiro valor. A
precisão de g(E,M) é proporcional a ln(f) em que iteragem. Entretanto, ln(ffinal) não
pode ser escolhido arbitrariamente pequeno, ou o ln(g(E,M)) modi�cado não diferirá do
anterior por um número de dígitos signi�cantes. Caso isto aconteça o algoritmo já não
convergirá e o programa poderá rodar para sempre.
Note que o algoritmo não satisfaz a condição de balanço detalhado exatamente (espe-
cialmente para estágios iniciais de iteração), uma vez que g(E,M) é modi�cado constan-
temente durante o passeio aleatório. Entretanto após muitas iterações ela rapidamente
converge para o verdadeiro valor quando f → 1. Se p(E1,M1 → E2,M2) é a probabili-
CAPÍTULO 3. MONTE CARLO 25
dade de transição do nível de energia E1 e magnetização M1 para o nível de energia E2
e magnetização M2 , da Eq.(3.20) a razão das probabilidades de E1 ,M1 para E2 ,M2 e de
E2 ,M2 para E1 ,M1 é dada por:
p(E1,M1 → E2,M2)
p(E2,M2 → E1,M1)=g(E1,M1)
g(E2,M2)(3.21)
Onde g(E,M) é a densidade de estados. Em outas palavras, o algoritimo de passeio
aleatório satisfaz o balanço detalhado.
1
g(E1,M1)p(E1,M1 → E2,M2) =
1
g(E2,M2)p(E2,M2 → E1,M1) (3.22)
Neste trabalho usamos um critério de �plano� histograma diferente no algoritimo
Wang-Landau, dependente do tamanho da rede e da concentração p. Para p = 0 .05
e L = 21, 26 usamos o seguinte critério, o histograma será �plano� quando 0 .30 ∗ N ∗ N
das entradas no histograma forem maiores que 2000, onde N = L ∗ L. Já para L=40,
0 .20 ∗ N ∗ N e para L = 55, 0 .15 ∗ N ∗ N . Enquanto que para p = 0 .10 o critério
escolhido é diferente apenas para L = 55 que é 0 .20 ∗ N ∗ N .
Já para p = 0 .15 e para o caso vidro de spin. Usamos um critério diferente, onde o
histograma é considerado �plano� quando depois de N ∗10 6 passos, o número de entradas
no histograma maiores que 2000 permanecem praticamente os mesmos. Esses critérios
foram escolhidos de acordo com a complexidade e tamanho do sistema, ou seja, quanto
maior o tamanho e a desordem do sistema maior é o esforço computacional necessário
para o desenvolvimento do mesmo, e dependendo do critério escolhido o programa pode
rodar sem parar.
CAPÍTULO 3. MONTE CARLO 26
3.4.3 Implementação do algoritimoWang-Landau ao modelo Ising.
O modelo Ising com interação entre sitios primeiros vizinhos em uma rede quadrada
LXL, possui a seguinte expressão para a energia do sistema:
E = −J∑〈i,j〉
SiSj. (3.23)
Em vez de recalcular a energia toda vez que um spin é invertido, somente a diferença na
energia é calculado. Por exemplo, para 8 spins em um arranjo unidimensional, temos:
−Ek = S0S1 + S1S2 + S2S3 + S3S4 + S4S5 + S5S6 + S6S7 + S7S0 (3.24)
onde a interação entre S0 e S7 é devido ao uso de condições de contorno periódicas. Se o
spin 5 é invertido, a nova energia é:
−Ek+1 = S0S1 + S1S2 + S2S3 + S3S4 − S4S5 − S5S6 + S6S7 + S7S0 (3.25)
e a diferença na energia é:
∆E = Ek+1 − Ek = 2(S4 + S6)S5. (3.26)
Já para um rede quadrada bidimensional de tamanho 8X8, a diferença na energia quando
o spin Si,j é invertido, é dada por:
∆E = 2Si,j(Si+1,j + Si−1,j + Si,j+1 + Si,j−1), (3.27)
CAPÍTULO 3. MONTE CARLO 27
que pode assumir os valores; −8,−4, 0, 4, 8, onde existem dois estados de energia mínima
−2N para um sistema 2-D com N spins, e elas correspondem a todos os spins na mesma
direção( para cima, ou para baixo). A energia máxima +2N é obtida alternando a direção
dos spins vizinhos. Cada vez que um spin da rede é invertido, a energia muda de quatro
unidades e a magnetização muda de 2 unidades entre estes limites, e assim os valores da
energia e magnetização são:
Ei = −2N,−2N + 4,−2N + 8, ..., 2N − 8, 2N − 4, 2N. (3.28)
Mi = N,N − 2, N − 4, N − 6, ...,−N + 4,−N + 2,−N. (3.29)
Estas energias e magnetizações, podem ser armazenadas em um arranjo unidimensional
via um simples mapeamento,
E ′ = (E + 2N)/4⇒ E ′ = 0, 1, 2, ..., N. (3.30)
M ′ = (M +N)/2⇒M ′ = N, ..., 2, 1, 0. (3.31)
3.4.4 Implementação do algoritimoWang-Landau ao modelo Edwards-
Anderson (±J) vidro de spin.
Para encontrarmos a energia do estado fundamental, usamos o próprio Wang-Landau
que é muito e�ciente em sua determinação, bastando para isto realizarmos um único
passeio aleatório no espaço da energia e da magnetização. Ao encontrarmos o estado
fundamental salvamos então esta con�guração para podermos calcular o parâmetro de
CAPÍTULO 3. MONTE CARLO 28
ordem (q) de acordo com a Equação (3.32)
q ≡ 〈N∑i=1
S0i Si/N〉, (3.32)
após termos encontrado o estado fundamental iniciamos um novo passeio aleatório, agora
no espaço da energia e do parâmetro de ordem Edwards-Anderson (q)
3.5 Teoria de escala de tamanho �nito
A teoria de escala de tamanho �nito [32, 33] , descreve muitas propriedades de um
sistema �nito de dimensão linear L com condições de contorno periódicas em termos do
tamanho relativo do comprimento de correlação ξ e do tamanho da rede L. Próximo a
Tc, ξ ∼| T −Tc |−ν e então os efeitos de tamanho �nito aparecem quando | T −Tc |−ν∼ L.
Esta aproximação troca a parte �singular� da energia livre F (L, T ) de um sistema �nito a
temperatura T por uma forma escalar que depende de uma única variável x = tL1/ν , em
decorrência da auto-similaridade, ou homogeneidade
F (L, T ) = L(−2+α)/νf(x), (3.33)
onde t =| 1 − T/Tc | é a temperatura reduzida. Como consequência desta expressão
escalar as grandezas derivadas da energia livre, também podem ser expressas como uma
simples forma escalar.
m = L−β/νX(x) (3.34)
χ = Lγ/νY (y) (3.35)
C = Lα/νZ(z), (3.36)
CAPÍTULO 3. MONTE CARLO 29
para o parâmetro de ordem, susceptibilidade, e calor especí�co respectivamente. Todas
as propriedades termodinâmicas exibem um comportamento de lei de potência como uma
função de L determinadas unicamente pelos correspondentes expoentes críticos da rede
in�nita. Em Tc, ou seja em x = 0, as funções escalares X(0), Y (0), Z(0) se reduzem a
constantes e portanto,
M ∝ L−β/ν (3.37)
χ ∝ Lγ/ν (3.38)
C ∝ Lα/ν (3.39)
Uma �temperatura de transição efetiva� Tc(L) pode ser de�nida como a posição do
máximo do calor especí�co ou do máximo da susceptibilidade, e isto pode estar relacionado
à temperatura crítica da rede in�nita por:
Tc(L) = Tc + aL−1/ν . (3.40)
Todas estas expressões são válidas somente para L grande e para t no regime crítico
assintótico.
Usaremos a teoria de escala em nosso trabalho para extrair os expoentes críticos em
algumas concentrações consideradas. No próximo capítulo, apresentaremos os resultados
obtidos e discutiremos os mesmos de forma detalhada.
4Resultados e discussão
4.1 Introdução
Quando é introduzido desordem em um sistema, de acordo com o criterio de Harris [33]
se o expoente do calor especí�co é tal que α > 0, os expoentes críticos do sistema com
a introdução de desordem serão diferentes dos do sistema puro e se α < 0 os expoentes
críticos não mudam. Para o modelo Ising bidimensional ferromagneto, é conhecido da
solução exata que α = 0 sendo esta uma situação marginal.
Neste trabalho os dados foram obtidos analisando várias amostras, usando o algoritmo
Wang-Landau no espaço da energia e da magnetização, onde través da densidade de
estados g(E,M) estimada precisamente, podemos calcular a função de partição do sistema
Z(β) =∑
E,M g(E,M)e−βE e através desta calcular as quantidades termodinâmicas. Este
método se torna muito prático, já que de posse da densidade de estados, construída
iterativamente durante o passeio aleatório, podemos calcular as quantidades de interesse
à qualquer temperatura. Como as ligações são escolhidas aleatoriamente, para cada valor
da concentração p e do tamanho da rede L foram produzidas várias amostras para uma
mesma concentração p e mesmo tamanho de rede L, e foram realizadas médias sobre estas
amostras com o intuito de estudarmos o comportamento do modelo Edwards-Anderson 2D
30
CAPÍTULO 4. RESULTADOS E DISCUSSÃO 31
(±J). Calculamos as seguintes grandezas média [M(p, L)], [C(p, L)], [χ(p, L)], [U(p, L)]
que são, magnetização, calor especí�co, susceptibilidade e cumulante de quarta ordem,
respectivamente. A média foi feita sobre X amostras, de acordo com as seguintes equações
[M(p, L)] =1
X
X∑x=1
mx(p, L), (4.1)
[C(p, L)] =1
X
X∑x=1
cx(p, L), (4.2)
[χ(p, L)] =1
X
X∑x=1
χx(p, L), (4.3)
[U(p, L)] =1
X
X∑x=1
ux(p, L), (4.4)
onde mx(p, L), cx(p, L), χx(p, L) e ux(p, L), são os valores dessas grandezas para uma
mesma concentração p e tamanho de rede L. Aplicando a teoria de escala de tamanho
�nito ( �nite size scaling-FSS ) no ponto crítico (T = Tc), temos
[M(p, L)] ∝ L−β/ν (4.5)
[C(p, L)] ∝ Lα/ν (4.6)
[χ(p, L)] ∝ Lγ/ν (4.7)
Para o modelo Edwards-Anderson (EA), �zemos medidas com concentrações de ligações
anti-ferromagnéticas (−J ) para p = 0 , 0 .05 , 0 .10 e 0 .15 . Para p = 0.05 �zemos médias
sobre as amostras, onde geramos 40 amostras para as redes L=21, 26; 20 amostras para
L=40; e 20 amostras para L=55. Já para p = 0.10 geramos 40 amostras para as redes
CAPÍTULO 4. RESULTADOS E DISCUSSÃO 32
L=21, 26, 30, 34; e 25 amostras para L=55. Já para p=0.15 geramos 30 amostras para
L=21, 26, e 34, observamos que quanto maior a concentração de ligações antiferromagnéti-
cas (p) maior é o esforço computacional para termos boas médias. Para determinarmos a
temperatura crítica para cada p, usamos o cumulante de Binder de quarta ordem,
UL = 1− 〈m4〉L
3〈m2〉2L, (4.8)
por ser muito preciso na determinação da temperratura crítica.
O resultado para p=0.05, ou seja, 5% (−J ) para a magnetização média é mostrado na
Fig. (4.1), onde observamos que a magnetização máxima por sitio não chega a ser igual
Figura 4.1: Magnetização media para p = 0.05, para tamanhos de rede L=21, 26, 40, 55
CAPÍTULO 4. RESULTADOS E DISCUSSÃO 33
a um, e isso se deve à frustração do sistema, já que a menor energia do sistema( estado
fundamental) não corresponde a todos os spins pra cima.
Os resustados para p=0.05 para a susceptibilidade magnética média e calor especí�co
médio, são mostrados nas Fig.(4.2) e (4.3), respectivamente, em que observamos que a
Figura 4.2: Suscepitibilidade magnética para p=0.05
divergência aumenta com o tamanho da rede, e que isto é mais visível para a susceptibili-
dade magnética, já que para o calor especí�co esta divergência �ca quase estável, podemos
dizer então que o calor especí�co apresenta uma divergência logarítimica.
CAPÍTULO 4. RESULTADOS E DISCUSSÃO 34
Figura 4.3: Calor especí�co para p=0.05
A magnetização média para p=0, 0.05, 0.1, 0.15, é mostrado na Fig. (4.4), onde
observamos que a medida em que o sistema possui mais interações antiferromagnéticas,
a magnetização do sistema diminui, chegando no limiar de percolação a um pc crítico
em que a magnetização vai a zero, em decorrência do aumento da concentração p que
faz com que a frustração e a energia do estado fundamental aumentem. O aumento da
CAPÍTULO 4. RESULTADOS E DISCUSSÃO 35
frustração quebra a ordem de longo alcance, como mostra o parâmetro de ordem que vai
a zero à medida em que a frustração aumenta, mesmo em baixa temperatura. De acordo
com o método de matriz transferência [9] a concentração de percolação no modelo EA
é pc = 0.1094 ± 0.0002. Já de acordo com o método de Teoria de Campo Efetivo [34]
pc = 0.17, e que está em acordo com o nosso trabalho usando o método Wang-Landau,
uma vez que ainda temos ordem de longo alcance em p = 0 .15 .
Figura 4.4: Magnetização média para redes de tamanho L=34, usando o método Wang-Landau
Em que observamos que para p < pc o parâmetro de ordem (m) é uma função decres-
cente de p, ou seja, à medida em que p aumenta o parâmetro de ordem diminui, chegando
CAPÍTULO 4. RESULTADOS E DISCUSSÃO 36
Figura 4.5: Magnetização média de acordo com o método de Teoria de Campo Efetivo [34]
a zero no limiar de percolação quando p = pc. Na Figura (4.5), p=1, 0.9, 0.85, equivale a
p=0, 0.1, 0.15 na Figura (4.4). O método de Teoria de Campo Efetivo [34] super estima
a temperatura crítica, já o método Wang-Landau dá uma melhor estimativa da temper-
atura crítica, podendo ser determinada pelo ponto de in�exão das curvas (ponto em que
ocorre a transição Ferro-Para).
Nas secções seguintes, usaremos a teoria de escala de tamanho �nito (FSS ) para
estimar os expoentes críticos no modelo Edwards-Anderson (EA) para as concentrações
de ligações antiferromagnéticas consideradas.
CAPÍTULO 4. RESULTADOS E DISCUSSÃO 37
4.2 Concentração p = 0.05
Fizemos um ajuste para p=0.05 de acordo com a Eq.(4.7), em que encontramos a razão
para os expoentes γ/ν = 1.788 ± 0.007 em que a margem de erro é dada pelo próprio
programa grá�co no ajuste mostrado na Fig. (4.6), cujo valor está um pouco acima do
valor encontrado através da solução exata do modelo Ising ferromagneto bidimensional,
que é γ/ν = 1.75 [35]. Também foi feito um colapso para a susceptibilidade magnética
Figura 4.6: Ajuste do máximo da susceptibilidade magnética de acordo com a FSS parap=0.05
CAPÍTULO 4. RESULTADOS E DISCUSSÃO 38
média, para os seguintes valores: γ/ν = 1.79± 0.02, e ν = 1.10± 0.05. Cujo resultado é
mostrado na Fig. (4.7), em que é observado que os dados ajustados de acordo com a FSS
está em acordo com o colapso feito.
Figura 4.7: Colapso da susceptibilidade magnética (χc) para 95%(+J). Onde ν = 1.1 eγ/ν = 1.79
Também analisamos a magnetização e o calor especí�co de acordo com a teoria de escala
de tamanho �nito, a�m de encontrarmos a razão entre os expoentes β/ν e α/ν, respecti-
CAPÍTULO 4. RESULTADOS E DISCUSSÃO 39
vamente. Os resultados são mostrados nas Fig. (4.8) e Fig. (4.9), onde encontramos os
valores β/ν = 0.129 ± 0.014 e que está em acordo com o modelo de Ising ferromagneto
a campo externo nulo que é β/ν = 0.125 [35] e α/ν = 0.1157 ± 0.0078 em acordo com
o valor para o modelo Ising ferromagneto a campo externo nulo que é α = 0 [35], que
corresponde a uma divergência logarítimica do calor especí�co.
Figura 4.8: Ajuste da Magnetização no ponto crítico de acordo com a FSS, mostrandocompatibilidade com o valor da razão entre os expoentes β/ν = 0.131(6) para p = 0.05
CAPÍTULO 4. RESULTADOS E DISCUSSÃO 40
Figura 4.9: Ajuste do máximo do calor especí�co de acordo com a FSS para p = 0.05
Na Fig. (4.10) observamos que C ∼ ln(L), ou seja, o calor especí�co médio diverge
logarítimicamente.
CAPÍTULO 4. RESULTADOS E DISCUSSÃO 41
Figura 4.10: Máximo do calor especí�co contra ln(L) para p=0.05
Também colapsamos as curvas do cumulante de Bider para ν = 1.10 ± 0.10, onde
observamos que o melhores ajustes ocorrem para ν = 1.10 ± 0.05. Já os ajustes para
ν = 1.00 e ν = 1.20 não são bons, conforme mostra �guras (4.13) e (4.14),
CAPÍTULO 4. RESULTADOS E DISCUSSÃO 42
Figura 4.11: Colapso do cumulante para a concentração p=0.05, ν = 1.05 e Tc = 1.967
Figura 4.12: Colapso do cumulante para a concentração p=0.05, ν = 1.15 e Tc = 1.967
CAPÍTULO 4. RESULTADOS E DISCUSSÃO 43
Figura 4.13: Colapso do cumulante para a concentração p=0.05, ν = 1.20 e Tc = 1.967
Figura 4.14: Colapso do cumulante para a concentração p=0.05, ν = 1.00 e Tc = 1.967
Logo para p = 0.05 temos, ν = 1.10 ± 0.05 e que está um pouco acima do valor
encontrado da solução exata para o modelo Ising ferromagneto na ausência de campo
CAPÍTULO 4. RESULTADOS E DISCUSSÃO 44
Figura 4.15: Colapso do cumulante para a concentração p=0.05, ν = 1.10 ± 0.05 e paraTc = 1.967± 0.006
externo que é ν = 1.00 [35].
4.3 Concentração p = 0.10
A susceptibilidade magnética média e o calor especí�co médio são mostrados nas Figuras
(4.16) e (4.17) respectivamente, em que observamos uma divergência na susceptibilidade
CAPÍTULO 4. RESULTADOS E DISCUSSÃO 45
e um leve decréscimo no calor especí�co. Também observamos através da Fig.(4.18) que
o calor especí�co não diverge, ou seja, ele decai com o aumento do tamanho do sistema.
Figura 4.16: Susceptibilidade magnética média para p=0.10
CAPÍTULO 4. RESULTADOS E DISCUSSÃO 46
Figura 4.17: Calor especí�co médio para p=0.10
Aplicando a FSS Para o calor especí�co, encontramos o valor para razão entre os ex-
poentes α/ν = −0.013207 ± 0.000188 ( a margem de erro é dada pelo próprio programa
grá�co), e que é mostrada na Fig. (4.18). Já de acordo com o método de Matriz Transfe-
rência [36] para p = 0.1094 tem-se que α/ν = −1.5 que aponta para um forte decaimento
do calor especí�co, e que está muito diferente do resultado que encontramos. Como o
valor máximo do calor especí�co decresce com o aumento do tamanho do sistema, temos
que o calor especí�co ( C ) é uma função decrescente de L, logo o expoente α é negativo.
CAPÍTULO 4. RESULTADOS E DISCUSSÃO 47
Figura 4.18: Ajuste do máximo do calor especí�co de acordo com a FSS para p=0.10,onde obtemos α/ν = −0.013207± 0.000188
Aplicando a FSS para a susceptibilidade magnética, encontramos a razão para os ex-
poentes γ/ν = 1.7518±0.0024, cuja margem de erro é dada pelo próprio programa grá�co
e que é mostrada na Fig.(4.19), onde observamos que o valor para a razão γ/ν é o mesmo
encontrado para o modelo Ising puro bidimensional se considerada a margem de erro, que
é γ/ν = 1.75 [35].
CAPÍTULO 4. RESULTADOS E DISCUSSÃO 48
Figura 4.19: Ajuste do máximo da susceptibilidade magnética de acordo com a FSS parap=0.10, onde obtemos γ/ν = 1.7518± 0.0024
No entanto de acordo com o trabalho de séries [36] tem-se o seguinte valor para a razão
entre os expoentes γ/ν = 1.80±0.09, e que está em acordo com o nosso trabalho levando-
se em conta a margem de erro. Já de acordo com o método de Matriz Transferência [36]
γ/ν = 1.80± 0.02, e que está um pouco acima do valor de γ/ν que encontramos.
O calapso feito para a susceptibilidade magnética para os valores de γ/ν = 1.75±0.02
e ν = 1.35 ± 0.05 é mostrado na Fig. (4.20), em que se observa que o colapso feito está
CAPÍTULO 4. RESULTADOS E DISCUSSÃO 49
em acordo com a FSS.
Figura 4.20: Colapso da susceptibilidade magnética (χc) para p = 0.10, onde ν = 1.35 ±0.05 e γ/ν = 1.75± 0.02
Aplicando a FSS para a magnetização no ponto crítico, encontramos o seguinte valor
para a razão entre os expoentes críticos β/ν = 0.106 ± 0.011 ( a margem de erro é dada
pelo próprio programa grá�co ) e que é mostrada na Fig. (4.21), em que obtemos um valor
que se considerada a margem de erro no limite superior está em acordo com o modelo
Ising ferromagneto bidimensional a campo externo nulo que é β/ν = 0.12 [35].
CAPÍTULO 4. RESULTADOS E DISCUSSÃO 50
Figura 4.21: Ajuste da Magnetização no ponto crítico de acordo com a FSS para p=0.10
O colapso para o cumulante de Binder pra ν = 1.35± 0.05 é mostrado na Fig. (4.22),
e que foi o melhor colapso que obtivemos. Temos então que o valor do expoente ν =
1.35 ± 0.05 que encontramos para p = 0.10 está em acordo com o valor encontrado
usando-se o método de Matriz Transferência [36] para p = 0.1094, que é ν = 1.33± 0.03.
CAPÍTULO 4. RESULTADOS E DISCUSSÃO 51
Figura 4.22: Colapso do cumulante de Binder para p = 0.10 e para ν = 1.35± 0.05
CAPÍTULO 4. RESULTADOS E DISCUSSÃO 52
4.4 Concentração p = 0.50 modelo Edwards-Anderson
vidro de spin
O parâmetro de ordem Edwards-Anderson q é mostrado na �gura abaixo, onde nota-
mos um decaimento com o aumento do tamanho do sistema. Sugerimos então que este
decaimento se mantém e vai a zero tendo uma transição somente a T = 0, o que concorda
com os resultados de simulações anteriores [12].
Figura 4.23: Parâmetro de ordem q
5Considerações �nais
Usamos o algoritmo Wang-Landau no estudo do modelo Edwards-Anderson(±J) para
diferentes concentrações p = 0.05, 0.10 de ligações antiferromagnéticas (−J). Os resulta-
dos são mostrados na tabela(5.1)
Tabela 5.1: A razão entre os expoentes críticos α/ν, β/ν, γ/ν e o expoente crítico ν paradiferentes valores de concentrações antiferromagnéticas p
α/ν β/ν γ/ν ν
p = 0 0 0.125 1.75 1.00(literatura)
p = 0.05 0.1157± 0.0078 0.129± 0.014 1.79± 0.02 1.10± 0.05
p = 0.10 −0.013207± 0.000188 0.106± 0.011 1.75± 0.02 1.35± 0.05
p = 0.1094 −1.5 1.80± 0.09 1.33± 0.03(literatura) [36]
Observamos através dos resultados apresentados na tabela (5.1), que as razões α/ν e
γ/ν, não se mantiveram para concentrações p diferentes de ligações antiferromagnéticas.
Observamos também que para p=0.10 e que está bem próximo do ponto de Nishimore,
a razão entre os expoentes γ/ν = 1.75 ± 0.02 está em acordo com o valor encontrado
da solução exata para o modelo de Ising ferromagneto a campo externo nulo que é 1.75.
Já a razão entre os expoentes α/ν = −0.013207 ± 0.000188 que corresponde não a uma
divergência, mas a um decréscimo do calor especí�co e que é diferente da solução exata do
53
CAPÍTULO 5. CONSIDERAÇÕES FINAIS 54
modelo Ising ferromagneto a campo externo nulo em que α = 0, que corresponde a uma
divergência logarítimica. Já a razão entre os expoentes β/ν decresce com o aumento da
concentração p, mas dentro da margem de erro. Enquanto que o valor do expoente ν =
1.35± 0.05 é diferente do encontrado para o modelo Ising ferromagneto a campo externo
nulo que é ν = 1.00, isto acontece por causa da frustração, causada pela competição entre
as interações e que quebra a ordem de longo alcance, com isto o expoente ν aumenta. Logo
os nossos resultados corroboram com um cenario de fraca classe de universalidade, ou seja,
o modelo Edwards-Anderson (±J) 2D está fracamente na mesma classe de universalidade
do modelo Ising ferromagneto 2D. Também observamos que os nossos resultados estão
em acordo com os encontrados da literatura, exceto para o calor especí�co.
Analizando os resultados para o Vidro de Spin em que p=0.50, vemos através do
parâmetro de ordem Edwards-Anderson que o modelo apresenta transição de fase somente
a T=0 e que está em acordo com outros trabalhos. Pretendemos futuramente estudar o
modelo vidro de spin em que as interações de troca seguem uma sequência de Fibonacci,
usando o algoritmo Wang-Landau.
Referências Bibliográ�cas
[1] Guixin Tang and Wolfgang Nolting, phys. stat. sol. (b), 244, 735 � 747 (2007).
[2] Z. Wilamowski and A. M. Werpachowska, Materials Science-Poland, 24, 3 (2006).
[3] Carsten Timm, J. Phys.: Condens. Matter, 15 (2003).
[4] M. Lemitib, E. Garcia Caurelc, P. Roca i Cabarrocasc, S. Ahnd, H. Jeond, C. Seassala,
Absorbing photonic crystals for thin �lm photovoltaics, Department of Physics and
Astronomy, Seoul National University, Seoul 151-747, Korea.
[5] S F Edwards and P W Anderson, J. Phys. F: Metal Phys., 5 (1975).
[6] David P. Landau & Kurt Binder, A Guide to Monte Carlo Simulations in Statistical
Physics, Third Edition (2009).
[7] Francisco Barahona, J. Phys. A: Math. Gen. 15, 3241-3253 (1982).
[8] V. Cannella and J.A. Mydosh, Physical Review B, 6, 11 (1972).
[9] A. Honecker, M. Picco, and P. Pujol, Phys. Rev. Lett., 87, 4 (2001).
[10] I. Morgenstern, Physical Review B. 25, 09 (1982).
[11] Hidetosh Nishimori, Progress of Theoretical Physics, 66, 4 (1981).
REFERÊNCIAS BIBLIOGRÁFICAS 56
[12] I. Morgenstern and K. Binder, Physical Review B. 22, 1 (1980).
[13] Andrew T. Ogielski, Physical Review B. 32, 11 (1985).
[14] H.-J. Sommers, J.Physique-Lettres 43, L-719 - L-725, ( 1982).
[15] A. C. D. van Enter and Robert B. Gri�ths, Commun. Math. Phys. 90, 319-327
(1983).
[16] Arthur R. McGurn, J. Phys. C: Solid St. Phys., 13, 1055-63 (1980).
[17] W.R. Aguirre-Contreras, Ligia E. Zamora, G. Pérez Alcázar, J.A. Plascak , J. Re-
strepo, Physics Letters A, 360, 411�414 (2007).
[18] R. Kenna and J. J. Ruiz-Lorenzo, Physical Review E, 78, 031134 (2008).
[19] A. Gordillo-Guerrero, R. Kenna and J. J. Ruiz-Lorenzo, Physical Review E, 80,
031135 (2009).
[20] Giorgio Mazzeo and Reimer Kühn, Physical Review E, 60, 4 (1999).
[21] I.A. Hadjiagapiou, A. Malakis, S.S. Martinos, Physica A, 387, 2256�2266 (2008).
[22] L F da Silva, U L Fulco and F D Nobre, J. Phys.: Condens. Matter, 21, 346005
(2009).
[23] C Z Yang, Z Y LI and Q Jiang, Solid State Communications, 65, 7 (1988).
[24] Hiroki Ohta, J. Phys. A: Math. Theor., 43, 395003 (2010).
[25] E. Mina, A. Bohórquez, Ligia E. Zamora and G. A. Pérez Alcazar, Physical Review
B, 47, 13 (1993).
[26] R R dos Santos, J. Phys. A: Math. Gen., 14, L179-L183 (1981).
REFERÊNCIAS BIBLIOGRÁFICAS 57
[27] Ioannis A. Hadjiagapiou, Physica A, 390, 1279�1288 (2011).
[28] M.E.J.Newman and G.T.Barkema, Monte Carlo Methods in Statistical Physics,
(2001).
[29] Alan M. Ferrenberg and Robert H. Swendsen, Phys. Rev. Lett., 61, 23 (1988).
[30] D. P. Landau and F. Wang, Brazilian Journal of Physics, 34, 2A (2004).
[31] Shan-Ho Tsai, Fugao Wang and D.P. Landau, Brazilian Journal of Physics, 36, 3A
(2006).
[32] Alan M. Ferrenberg and D. P. Landau, Physical Review B. 44, 10 (1991).
[33] J. T. Chayes and L. Chayes, Daniel S. Fisher and T. Spencer, Phys. Rev. Lett., 57,
24 (1986).
[34] João Batista dos Santos Filho - Dissertação de Mestrado - Estudo do modelo de Ising
através de simulação Monte Carlo e Teoria de Campo Efetivo, UFS-2008.
[35] H. Eugene Stanley, Introduction to phase transitions and critical phenomena, (1971).
[36] F. D. A. Aarão Reis, S. L. A. de Queiroz and Raimundo R. dos Santos, Physical
Review B, 60, 9 (1999).