universidade federal do rio grande do norte centro de ... · modelo de ising para um rede quadrada...
TRANSCRIPT
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE
CENTRO DE CIÊNCIAS EXATAS E DA TERRA
DEPARTAMENTO DE FÍSICA TEÓRICA E EXPERIMENTAL
BACHARELADO EM FÍSICA
Matheus Phellipe Brasil de Sousa
Expoentes Críticos numéricos na rede quadrada para
o modelo de Ising
Natal-RN
Novembro de 2017
Matheus Phellipe Brasil de Sousa
Expoentes Críticos numéricos na rede quadrada para o modelo
de Ising
Monografia de Graduação apresentada ao
Departamento de Física Teórica e Experimental do
Centro de Ciências Exatas e da Terra da Universidade
Federal do Rio Grande do Norte como requisito parcial
para a obtenção do grau de bacharel em Física.
Orientador(a)
Professor Dr. João Medeiros de Araújo
Universidade Federal do Rio Grande do Norte – UFRN
Departamento de Física Teórica e Experimental – DFTE
Natal-RN
Novembro de 2017
Sousa, Matheus Phellipe Brasil de. Expoentes críticos numéricos na rede quadrada para o modelode Ising / Matheus Phellipe Brasil de Sousa. - Natal, 2017. 56f.: il.
Monografia (graduação) - Universidade Federal do Rio Grandedo Norte. Centro de Ciências Exatas e da Terra. Departamento deFísica Teórica e Experimental. Orientador: João Medeiros de Araújo.
1. Modelo de Ising. 2. Simulação. 3. Expoentes críticos. I.Araújo, João Medeiros de. II. Título.
RN/UF/CCET CDU 537.611.2
Universidade Federal do Rio Grande do Norte - UFRNSistema de Bibliotecas - SISBI
Catalogação de Publicação na Fonte. UFRN - Biblioteca Setorial Prof. Ronaldo Xavier de Arruda - CCET
Monografia de Graduação sob o título Expoentes Críticos numéricos na rede quadrada para o
modelo de Ising apresentada por Matheus Phellipe Brasil de Sousa e aceita pelo
Departamento de Física Teórica e Experimental do Centro de Ciências Exatas e da Terra da
Universidade Federal do Rio Grande do Norte, sendo aprovada por todos os membros da
banca examinadora abaixo especificada:
__________________________________________
Professor Dr. João Medeiros de Araújo
DFTE - Departamento de Física Teórica e Experimental
UFRN – Universidade Federal do Rio Grande do Norte
__________________________________________
Professor Dr. Dory Hélio Aires de Lima Anselmo
DFTE - Departamento de Física Teórica e Experimental
UFRN – Universidade Federal do Rio Grande do Norte
__________________________________________
Professor Dr. Francisco Alexandre da Costa
DFTE - Departamento de Física Teórica e Experimental
UFRN – Universidade Federal do Rio Grande do Norte
Natal-RN, 23 de novembro de 2017.
i
i
Dedico este trabalho à todos os familiares e amigos que sempre me incentivaram.
ii
Agradecimentos
Ao Professor João Medeiros, pela orientação. Aos demais professores do DFTE, que ao
longo do curso contribuíram para minha formação acadêmica. Aos meus grandes
amigos de curso, que sempre estiveram presentes nos mais diversos momentos da
graduação: Felipe, Rennan, Suzane, Isaac e outros. A minha mãe, irmão e esposa que
sempre me incentivaram durante a minha jornada na graduação em física.
iii
Resumo
Neste trabalho, apresentamos alguns resultados numéricos importantes associados ao
modelo de Ising para um rede quadrada 2D, tais como energia, magnetização, calor
específico e susceptibilidade magnética. Estudamos também o método de Monte Carlo e
algoritmo de metropolis, que são conceitos indispensáveis para a realização de uma
simulação computacional do modelo de Ising bidimensional. A partir da simulação
computacional, o objetivo principal será mostrar como podemos obter os expoentes
críticos associados a este modelo.
Palavras-chave: Modelo de Ising, Simulação, Expoentes críticos.
iv
Abstract
In this work, we present some important numerical results associated with the Ising
model for a 2D square network, such as energy, magnetization, specific heat and
magnetic susceptibility. We also study the Monte Carlo method and metropolis
algorithm, which are indispensable concepts for the computational simulation of the
two-dimensional Ising model. From the computational simulation, the main objective
will be to show how we can obtain the critical exponents associated to this model.
Keywords: Ising Model, Simulation, Critical Exponents.
v
A natureza é um enorme jogo de xadrez disputado por
deuses, e que temos o privilégio de observar. As regras do
jogo são o que chamamos de física fundamental, e
compreender essas regras é a nossa meta.
Richard Feynmann
vi
Lista de figuras
Figura 1 - Fluxograma representando o algoritmo de Metropolis. ....................................11
Figura 2 - Representação de uma rede de spins aleatória. ..............................................12
Figura 3 - Representação do primeiro sorteio. ....................................................................13
Figura 4 - Representação do segundo sorteio. ...................................................................14
Figura 5 - Representação do terceiro sorteio. .....................................................................15
Figura 6 - Comportamento da susceptibilidade magnética para L=2...............................17
Figura 7 - Comportamento da susceptibilidade magnética para L=6...............................17
Figura 8 - Comportamento da susceptibilidade magnética para L=15. ...........................18
Figura 9 - Comportamento da susceptibilidade magnética para L=35. ...........................18
Figura 10 - Comportamento da susceptibilidade magnética para L=60. .........................19
Figura 11 - Comportamento da susceptibilidade magnética para os vários tamanhos de
rede. ..........................................................................................................................................20
Figura 12 - Ajuste linear para determinar o coefiente crítico associado a
susceptibilidade. ......................................................................................................................21
Figura 13 - Comportamento da magnetização para L=2. ..................................................22
Figura 14 - Comportamento da magnetização para L=6. ..................................................22
Figura 15 - Comportamento da magnetização para L=15. ................................................23
Figura 16 - Comportamento da magnetização para L=35. ................................................23
Figura 17 - Comportamento da magnetização para L=60. ................................................24
Figura 18 - Comportamento da magnetização para os vários tamanhos de rede. ........25
Figura 19 - Ajuste linear para determinar o coeficiente associado a magnetização. .....26
Figura 20 - Comportamento do calor específico para L=2. ...............................................27
Figura 21 - Comportamento do calor específico para L=6. ...............................................27
Figura 22 - Comportamento do calor específico L=15. ......................................................28
Figura 23 - Comportamento do calor específico para L=35. .............................................28
vii
Figura 24 - Comportamento do calor específico para L=60. .............................................29
Figura 25 - Comportamento do calor específico para diferente tamanhos de rede. ......30
Figura 26 - Ajuste linear para determinar o coeficiente crítico associado ao calor
específico. ................................................................................................................................31
Figura 27 - Comportamento da energia para L=2. .............................................................32
Figura 28 - Comportamento da energia para L=6. .............................................................32
Figura 29 - Comportamento da energia para L=15. ...........................................................33
Figura 30 - Comportamento da energia para L=35. ...........................................................33
Figura 31 - Comportamento da energia para L=60. ...........................................................34
Figura 32 - Comportamento da energia para os diferentes tamanhos de rede. .............35
viii
Lista de tabelas
Tabela 1 - Valores dos expoentes críticos para o modelo de Ising................................. 34
ix
Lista de abreviaturas e siglas
MMC – Método de Monte Carlo, p.22
NA – Número aleatório, p.26
x
Lista de símbolos
γ: Expoente crítico associado a susceptibilidade magnética
β: Expoente crítico associado a magnetização
α: Expoente crítico associado ao calor específico
υ: Expoente crítico associado ao comprimento de correlação
σ: Representação do spin
Ĥ: Hamiltoniano
NZ : Função de partição
𝐾𝐵: Constante de Boltzmann
𝑇𝐶: Temperatura crítica
χ: Susceptibilidade magnética
xi
Sumário
Resumo ............................................................................................................................ iii
Abstract ............................................................................................................................ iv
Lista de figuras ................................................................................................................ vi
Lista de tabelas .............................................................................................................. viii
Lista de abreviaturas e siglas ........................................................................................... ix
Lista de símbolos .............................................................................................................. x
1 Introdução ..................................................................................................................... 1
2 O modelo se Ising ......................................................................................................... 3
2.1 Resultados analíticos para uma rede bidimensional .............................................. 4
2.2 Expoentes críticos .................................................................................................. 5
3 Método de Monte Carlo (MMC) .................................................................................. 8
3.1 O algoritmo de Metropolis ..................................................................................... 9
4 Resultados e discussões .............................................................................................. 16
4.1 Susceptibilidade e o expoente ........................................................................... 16
4.2 Magnetização e o expoente ............................................................................. 21
4.3 Calor específico e o expoente ......................................................................... 26
4.4 Energia .................................................................................................................. 31
5 Conclusão ................................................................................................................... 36
Referências Bibliográficas .............................................................................................. 37
1
1 Introdução
A mecânica estatística é um ramo da física fundamentado nas teorias de
probabilidade com o intuito de descrever o comportamento termodinâmico de sistemas
macroscópicos, ou seja, sistemas nos quais existem um grande número de átomos ou
moléculas. Enquanto as leis da mecânica clássica não são capazes de explicar a
formulação de quantidades como entropia, calor e outras, a mecânica estatística
consegue nos trazer essa formulação naturalmente e ainda fazer a conexão com a
termodinâmica clássica. Ainda podemos dividir esse ramo da física em duas categorias,
que são a mecânica estatística de equilíbrio e a mecânica estatística de não-equilíbrio,
onde esta última trata de processos irreverssíveis tais como reações químicas. Para a
mecânica estatística de equilíbrio é de grande importância a apresentação da teoria dos
ensembles, onde um ensemble estatístico pode ser definido como distribuição de
probabilidade de um estado do sistema [1]. Dentro da teoria dos ensembles temos o
ensemble canônico que é caracterizado por um determinado conjunto de parâmetros
macroscópicos, e a partir deste podemos fazer a conexão com a termodinâmica clássica
através da função de partição, que nada mais é do que a soma sobre os estados.
Podemos estudar uma grande variedade de fenômenos com o conhecimento da
mecânica estatística. Os fenômenos mais relevantes para este trabalho são aqueles que
ocorrem em sistemas que possuem descontinuidades analíticas ou singularidades em
suas funções termodinâmicas, ou seja, sistemas que têm a ocorrência de vários tipos de
transições de fase. (Pathria, 2001, p.306). Ferromagnetismo, antiferromagnetismo,
transições de superfluidos são exemplos bastante conhecidos de fenômenos que
podemos encontrar em sistemas os quais apresentam transições de fase. Fluidos
clássicos também podem apresentar transições de fase tais como vapor – líquido.
Teorias clássicas como a de Pierre Curie, Pierre Weiss e van der Walls têm sido
utilizadas para descrever os vários tipos de transições de fase e seus aspectos, de modo
que estas teorias têm bastante relevância quando se trata de analisar as vizinhanças dos
pontos críticos. (Salinas, 2005, p.291). Como dito no parágrafo anterior, nessa região
crítica as funções termodinâmicas passam a apresentar descontinuidades analíticas ou
singularidades, de modo que tais descontinuidades são representadas por um conjunto
2
de expoentes críticos que apresentam caráter universal. Dentro de todo esse contexto
apresenta-se o modelo de Ising que consiste em um modelo ferromagnético que
apresenta variáveis discretas que podem representar momentos de dipolo magnéticos de
spin onde estes podem ser encontrados em dois estados.
Sendo assim, o objetivo deste trabalho é simular computacionalmente o modelo
de Ising, particularmente para uma rede quadrada 2D, com o intuito de reproduzir os
expoentes críticos. O método numérico mais conhecido para resolver problemas como o
modelo de Ising, é o Método de Monte Carlo juntamente com o algoritmo de
metropolis.
3
2 O modelo se Ising
O modelo de Ising consiste em um modelo ferromagnético que apresenta
variáveis discretas que podem representar momentos de dipolo magnéticos de spin onde
estes podem ser encontrados em dois estados 1 em uma rede de N stios. Cada sítio da
rede pode interagir com o campo magnético de sua vizinhança mais próxima e também
interagir com um campo magnético externo aplicado. Segundo Salinas (2005, p.316) “
O Hamiltoniano que descreve o modelo de Ising é dado por:
,=ˆ
1=
i
N
i
ji
ij
HJH (1)
onde i é uma variável que pode assumir os valores 1 ”. Onde ij
é uma soma
sobrepares ij mais próximos e J representa a energia de interação magnética entre os
vizinhos mais próximos ij . Quando a energia de interação magnética J é positivo e
0=H dizemos que a nossa rede está com seus spins todos orientados para cima ou
todos orientados para baixo, ou seja, produzimos um estado ferromagneticamente
ordenado, com ambos os casos igualmente equiprováveis. Se J é negativo e 0=H , a
configuração na qual os spins estão orientados em direções opostas em relação ao seus
vizinhos será favorecida. Neste último caso temos o antiferromagnetismo. Mas para
obter o comportamento das funções termodinâmicas presentes no modelo de Ising
devemos primeiramente definir sua função de partição canônica e a partir desta obter as
funções desejadas. Salinas (2005, p.316-317) diz que “a função de partição canônica
será
,ˆexp=),,(= HNHTZZ
i
N
(2)
4
,exp=1=
i
N
i
ji
iji
N HJZ
(3)
onde TKB1/= . O somatório da equação (3) é sobre todas as N2 configurações
possíveis na rede de spins. Logo após definir a função de partição canônica devemos
obter a energia livre por sítio”.
.ln1
lim=,=
N
N
ZN
HTgg
(4)
Já podemos antecipar que o modelo de Ising em uma dimensão e duas dimensões tem
solução analítica. Em uma dimensão a energia livre é uma função completamente
analítica, ou seja, não podemos observar nenhum tipo de transição de fase. Entretanto,
no caso de duas dimensões podemos observar o comportamento oposto. Já o caso em
três dimensões não possui solução analítica conhecida até o presente momento, sendo
esta uma das grande motivações do uso de métodos númericos para a resolução de
problemas físicos.
Salinas (2005, p.317) diz que “Segundo Onsager, quando a rede de spins não
está na presença de um campo externo, o calor específico diverge de forma assintótica
logarítmica”
,ln0= cH TTc (5)
para cTT , onde cT representa a temperatura crtica. Esta temperatura crítica é
definida por
21ln
2=
J
TK cB (6)
.O resultado para a magnetização espontânea de Onsager em rede quadrada nos fornece
o expoente crítico 1/8= .
2.1 Resultados analíticos para uma rede bidimensional
5
Neste seção apresentamos os resultados analíticos obtidos por Onsager para o
modelo de Ising em uma rede quadrada. A energia interna por spin no limite
termodinâmico obtida por Onsager é dada por
,2
12coth=
aKaJJu '
(7)
em que
,sin1
=22
/2
0
a
daK
(8)
é uma integral elíptica completa de primeiro grau. 21 aa ' é módulo elíptico
complementar e a é dado por
,2coth2cosh
2=
JJa
(9)
A magnetização espontânea vem a ser dada por
.2sinh1=8
1
4
1
Jm (10)
para cTT < e 0 . Para ,> cTT temos a indicação de uma transição de fase.
2.2 Expoentes críticos
As transições de fase podem ser caractezidas por um parâmetro de ordem, ou
seja, um parâmetro que mede o grau de ordem em um sistema o qual está sujeito a uma
transição de fase. Um exemplo típico de parâmetro de ordem no modelo de Ising é a
magnetização. Essas transições podem ser de primeira ou segunda ordem. No modelo de
Ising , em particular, temos
,=0=HH
gM
(11)
6
,=
0=
2
2
HH
g
(12)
onde g representa a energia livre. Na criticalidade a magnetização espontânea se anula
e a susceptibidade magnética apresenta um comportamento divergente.
As transições contínuas estão associadas diretamente aos expoentes críticos, pois
através destes podemos classificar a transição. No geral podemos descrevemos as
transições em termos de um conjunto de expoentes críticos , e , e outros. Nos
pontos críticos as funções termodinâmicas contém um termo regular em t (temperatura
reduzida), mais uma parte singular que depende de uma certa potência de t. Tais
potências de t são justamente os expoentes críticos. Em 0t e 0=H
os expoentes
estão relacionados com as seguintes funções termodinâmicas
,
tM (13)
,
t (14)
,
tC (15)
,
t (16)
,MH (17)
com a temperatura reduzida definida como
.=c
c
T
TTt
(18)
As funções acima são magnetização, suceptibilidade, calor específico,
comprimento de correlação e o campo. O expoente relacionado ao comprimento de
correlação é dito ser independente do tipo de rede que está sendo levada em
consideração, definindo então uma propriedade chamada de universalidade. Ou seja,
esta propriedade nos garante que alguns expoentes críticos possuem os mesmos valores
para diferentes tipos de rede.
Os expoentes críticos ,, e são indepentes entre eles mesmos, porém
estão relacionados através de certas relações tais como
7
2,=2 (19)
onde a equação (19) é conhecida como relação de Rushbrooke,
2,=1 (20)
a equação (20) é a relação de Griffiths
1).(= (21)
e a equação (21) é a relação de Widom.
Os expoentes críticos ainda podem ser relacionados com o tamanho da rede,
com o intuito de nos fornecer equações que facilite a obtenção do expoentes críticos
,
LtM (22)
,
Lt
(23)
,
LtC
(24)
.Lt
(25)
de modo que o valor do expoente é igual a 1 para uma rede bidimensional.
As equações acima são produzidas através da teoria de escala de tamanho finito.
(Santos, 2014). A teoria de escala de tamanho finito vem a ser bastante relevante em
simulações computacionais do tipo Ising, pois os expoentes críticos são obtidos quando
L , ou seja, quando temos redes infinitas. Entretanto, é impossível fazer esse tipo
de simulação computacional, pois as redes simuladas por maiores que sejam ainda tem
tamanho finito. Porém esta teoria nos permite estudar o comportamento crítico de
sistemas a partir do estudo dos observáveis do sistema, ou seja, variáveis
termodinâmicas em função de .L
8
3 Método de Monte Carlo (MMC)
No capítulo anterior foram apresentados alguns resultados analíticos obtidos por
Onsager para o modelo de Ising em duas dimensões, porém para o caso em três
dimensões não é conhecida nenhuma solução analítica para esta configuração. O
modelo de Ising em três dimensões é um dos inúmeros problemas encontrados na física
que não possuem solução exata conhecida, sendo esta a motivação para o uso de
métodos numéricos para a resolução de problemas. Em particular para resolver o
modelo de Ising, seja em uma, duas ou três dimensões, utiliza-se o Método de Monte
Carlo. O MMC em uma simulação do tipo Ising tem como objetivo principal calular o
valor médio A de um certo observável A , ou seja, uma variável dinâmica que pode
ser medida. Exemplos desses observáveis podem ser a energia interna de uma gás, ou a
magnetização em um modelo magnético. (Barkema, 1999). O cálculo do valor médio
de certas quantidades é bastante comum no ramo da física estatística, tais valores
médios podem ser obtidos através de
,
exp
exp
=
E
EA
A
(26)
ou seja, o valor médio do observável é a média do observável sobre todos os estados ,
onde cada estado tem energia E , e um peso dado pela distribuição de Boltzmann.
Para um sistema grande devemos incluir somente as M configurações mais
importantes para o sistema. Temos ainda que impor que essas M configurações sejam
selecionadas com uma determinada probabilidade p . Sendo assim, a média será dada
por
,
exp
exp
=1
1=
1
1=
jj
M
i
iii
M
i
Ep
EpA
A
(27)
quando M . Podemos ver que a escolha mais adequada para EZp exp= 1,
onde EZM
i exp=
1=
9
.1
=1=
i
M
i
AM
A (28)
de modo que os fatores de Boltzmann foram cancelados e ficamos apenas com a famosa
média aritmética . (Barkema, 1999). O método utilizado para escolher as configurações
mais importantes dentre todas as possibilidades encontradas, é chamada de amostragem
por importância.
Os observáveis termodinâmicos de interesse a serem calculados a priori são ⟨𝐸⟩, ⟨𝐸2⟩,
⟨𝑀⟩, ⟨𝑀2⟩ e ⟨|𝑀|⟩. E então calculamos a susceptibilidade magnética e o calor específico
que são dados respectivamente por
𝜒 =𝑑𝑀
𝑑𝑇=
(𝛥𝑀)2
𝑘𝑏𝑇=
⟨𝑀2⟩−⟨𝑀⟩2
𝑘𝑏𝑇, (29)
𝐶 =𝑑𝐸
𝑑𝑇=
(𝛥𝐸)2
𝑘𝑏𝑇=
⟨𝐸2⟩−⟨𝐸⟩2
𝑘𝑏𝑇2 . (30)
3.1 O algoritmo de Metropolis
O algoritmo de Metropolis foi introduzido por Nicolas Metropolis e seus
colaboradores em 1953. O algoritmo tem como princípio a escolha de um conjunto de
probabilidades de transição entre dois estados g , uma para cada possível
transição de um estado para o outro, , e então escolhe-se um conjunto de
probabilidades de aceitação A , de modo que a equação
,=
Ag
Ag
P
P (31)
a satisfazer a condição de balanço detelhado
.exp==
EE
p
p
P
P
(32)
Esta condição nos garante que a configuração que foi gerada após o equilíbrio é
a configuração de Boltzmann, em vez de uma outra qualquer. A condição de balanço
10
detalhado também deve conter o processo de Markov, ou seja, um processo no qual a
distribuição de probabilidade de um evento futuro dependa apenas do atual, e não de
todos que o precederam.
O algoritmo funciona escolhendo repetidamente um novo estado , e então
aceitando ou rejeitando este novo estado com a nossa probabilidade de aceitação. Caso
o estado seja aceito, o computador muda o estado para o novo estado . Caso contrário,
apenas deixamos como era, e o processo irá se repetir novamente.
A seleção das probabilidades g deve satisfazer a condição de
ergocidade, ou seja, o princípio de que cada estado seja acessível a partir de qualquer
outro em um número finito de passos. (Pinto, 1999). A probabilidade de transição é feita
de acordo com a seguinte condição
0,>se,exp= EEEEA (33)
contrário. caso1,= A (34)
A condição acima nos diz que se nós obtivermos um novo estado com energia
menor ou igual ao atual, devemos aceitar a transição para aquele novo estado. Porém, se
este novo estado tem energia maior que o atual podemos considerar a transição desde
que ela respeite a condição dada pelas equações acima.
Sendo assim, o Método de Monte Carlo usando o algoritmo de Metropolis deve
seguir os seguintes passos:
1 - Gerar uma configuração inicial para o sistema;
2 - Gerar uma nova configuração a partir da configuração inicial;
3 - Verifica-se uma possível variação dos parâmetros no sistema;
4 - calcula-se ;E
Se 0<E , aceitamos a variação do parâmetro;
Se 0>E , sorteamos um número aleatório NA entre 0 e 1, e calculamos
;exp E
11
Se 𝑒𝑥𝑝(−𝛽Δ𝐸) > 𝑁𝐴, voltamos ao passo 3;
Se 𝑒𝑥𝑝(−𝛽Δ𝐸) < 𝑁𝐴, aceitamos a variação do parâmetro e voltamos ao passo
1.
Este conjunto de passos pode ser representado pelo esquema abaixo
Figura 1 - Fluxograma representando o algoritmo de Metropolis.
Fonte: O autor
Apliquemos o algoritmo acima a um exemplo de rede bidimensional de
dimensão 55 . A rede foi gerada pseudo-aleatoriamente
12
Figura 2 - Representação de uma rede de spins aleatória.
Fonte: O autor
de modo que as setas para cima representam o spin 1 e as setas para baixo
representam o spin 1 . Após ter sido gerada a configuração dada pela figura acima,
sorteamos um spin aleatoriamente. Vamos supor que o spin sorteado aleatoriamente
esteja localizado na 4o
linha da 4o
coluna. Agora calculamos a variação de energia que
poderia ocorrer com a mudança do spin, lembrando que a energia a campo nulo é dada
pela equação
.=ˆji
ij
JH (35)
No caso spin sorteado na 4o
linha da 4o
coluna, a variação de energia E será
positiva. Neste caso sorteamos um número aleatório NA e calculamos .exp E
Dado que E exp seja maior que o número aleatório sorteado devemos então voltar
13
a escolha aleatória de um novo spin. Dessa vez o spin se encontra na 5 o linha da 3 o
coluna, e calculamos E mais uma vez, e observamos que a variação de energia será
mais uma vez positiva. Sorteamos outro número aleatório NA e calculamos mais uma
vez. Novamente encontramos que E exp é maior que NA, e então sorteamos um
outro spin, que desta vez se encontra na 3 o linha da 4 o coluna. Dessa vez a situação é
distinta das anteriores, pois a variação de energia será negativa, e então aceitamos a
mudança do spin.
Vale a pena ainda ressaltar que no caso de uma simulação que use o Método de
Monte Carlo, devemos nos preocupar com os erros associados ao método, ou seja, são
os erros estatísticos geredos pela média temporal feita sob um determinado tempo de
simulação. Outra preocupação que devemos ter é com a quantidade de amostras que
estamos utilizando para obter os resultados desejados. No exemplo citado acima
geramos apenas uma amostra, e para um resultado satisfatório devemos obter um
conjunto de N amostras e fazer a média sobre as amostras.
Figura 3 - Representação do primeiro sorteio.
Fonte: O autor
14
Figura 4 - Representação do segundo sorteio.
Fonte: O autor
15
Figura 5 - Representação do terceiro sorteio.
Fonte: O autor
16
4 Resultados e discussões
Para obter resultados satisfatórios neste trabalho foram feitas simulações
computacionais do modelo de Ising para diferentes tamanhos de rede quadrada, ou seja,
utilizou-se dimensões lineares de comprimentos L iguais 2, 6, 15, 35 e 60. O que
implica em matrizes de dimensões 3515,356,152,62 e 6060 . As simulações
foram feitas com 10^6 passos de monte carlo, um valor para o transiente (passos
descartados na inicialização do programa até que seja atingido o equilíbrio térmico) de
10^5 e com uma temperatura T variando de 0 a 5 , de modo que a temperatura foi
dividida em intervalos iguais a 0,1. A análise necessária para obtenção dos coeficientes
críticos deste trabalho se inicia com um estudo do comportamento da susceptibilidade
magnética, com o intuito de se obter as temperaturas pseudo-críticas. Estas temperaturas
pseudo-críticas são estimativas dos pontos onde teremos a ocorrência das transições de
fase. Na região próxima à região crítica foram diminuídos os passos a fim de estreitar o
gráfico na vizinhança da temperatura crítica e assim obter o que representaria uma
descontinuidade (um pico). Sendo assim, a temperatura pseudo-crítica foi encontrada
através da média dos picos da susceptibilidade magnética e do calor específico.
4.1 Susceptibilidade e o expoente
A susceptibilidade magnética é um parâmetro que nos informa o quanto que a
magnetização é sensível a um campo magnético. Será observado logo nas figuras abaixo
que no ponto de transição a magnetização irá decair rapidamente, ou seja, quando
cTT = . O comportamento da susceptibilidade no ponto crítico deve ser divergente
quando estamos tratando de redes infinitas, entretando computacionalmente só é
possível simular rede de tamanhos finitos, e isto implica que os pontos de divergência
da susceptilidade serão substituídos por picos. Sendo assim, como dito anteriormente,
iremos fazer uma análise da susceptibilidade magnética, ou seja, serão observados os
picos da susceptibilidade magnética para diferentes tamanho de rede. Abaixo podemos
observar os gráficos para os vários valores de L simulados computacionalmente neste
trabalho
17
Figura 6 - Comportamento da susceptibilidade magnética para L=2.
Fonte: O autor
Figura 7 - Comportamento da susceptibilidade magnética para L=6.
Fonte: O autor
18
Figura 8 - Comportamento da susceptibilidade magnética para L=15.
Fonte: O autor
Figura 9 - Comportamento da susceptibilidade magnética para L=35.
Fonte: O autor
19
Figura 10 - Comportamento da susceptibilidade magnética para L=60.
Fonte: O autor
Observa-se que a medida que aumentamos o tamanho da rede o pico da
susceptibilidade magnetica aumenta, ou seja, a medida em L o comportamento
divergente irá surgir. Podemos observar melhor o aumento do tamanho do pico no
seguinte gráfico
20
Figura 11 - Comportamento da susceptibilidade magnética para os vários tamanhos de
rede.
Fonte: O autor
Com base nas figuras acima podemos identificar os picos da susceptibilidade
magnética e determinar as temperaturas pseudo-críticas para cada tamanho de rede. Ou
seja, para cada valor de L verifica-se o valor do pico da susceptibilidade magnética e a
que temperatura este pico foi observado. Uma vez que determinamos os valores da
susceptibilidade magnética em suas regiões críticas, a teoria de escala finita nos permite
obter o expoente crítico associado a susceptibilidade, ou seja, podemos recordar da
equação que relaciona com L
,
Lt
(36)
tomamos então o ln em ambos os lados da equação acima e obtemos a relação
).(ln=)(ln L
(37)
A equação acima nos permite construir um gráfico ln 𝜒 vs ln 𝐿, de modo que o
expoente crítico será dado pelo coeficiente angular da função acima
21
Figura 12 - Ajuste linear para determinar o coefiente crítico associado a susceptibilidade.
Fonte: O autor
onde o ajuste linear nos fornece um valor para o expoente crítico 0,061,76= . Sendo
o valor exato para 𝛾 dado por 1,75.
4.2 Magnetização e o expoente
Uma vez que já determinamos as pseudo-temperaturas críticas através da análise
dos gráficos e dados relacionados à susceptibilidade magnética, temos condições de
determinar o expoente crítico associado à magnetização de maneira semelhante. Para
cada tamanho de rede observamos mais uma vez a temperatura pseudo-crítica e
observamos o valor de M em CTT = . Antes de determinarmos o expoente crítico ,
podemos olhar o comportamento da magnetização para os diferentes tamanho de rede.
22
Figura 13 - Comportamento da magnetização para L=2.
Fonte: O autor
Figura 14 - Comportamento da magnetização para L=6.
Fonte: O autor
23
Figura 15 - Comportamento da magnetização para L=15.
Fonte: O autor
Figura 16 - Comportamento da magnetização para L=35.
Fonte: O autor
24
Figura 17 - Comportamento da magnetização para L=60.
Fonte: O autor
;"";60.//;"0";"1";"1";"0";3.9583;5.2088;0;4.0075;5.265;"";"";;"";""60.04.00755.265 X N P E Up rop ertiesfilegp nã om a g n etiza çitivosd a d osd efinT C Cefilen a mcrop b ottomcrop rig h tcrop topcrop leftinh eig h torig in a linw id thorig in a lind ep thinh eig h tinw id thFileva lidU S E D E Fd isp la yra tioT R U Ea sp ectm a in ta inG R AP H ICtyp eW ordS cien tificep n g la n g u a ga çã oin m a g n etizinin itb p Ff
Podemos ver nos gráficos acima que no ponto de transição, ou seja, em CTT = a
magnetização espontânea desaparece. Ainda é observado que a medida em que
aumentamos o tamanho da rede o gráfico vai tomando um formato diferente. O
comportamento em altas temperaturas e a baixas temperaturas nos fornece o fato de que
houve o "flip" do spin, ou melhor, houve uma inversão em sua orientação. Abaixo
podemos verificar os diversos comportamentos para a curva de magnetização em um
único gráfico
25
Figura 18 - Comportamento da magnetização para os vários tamanhos de rede.
Fonte: O autor
Agora para determinarmos o expoente crítico iremos mais uma recorrer a lei
de escala finita e relacionar a magnetização com L . Logo
,
LtM (38)
tomando mais uma vez o ln em ambos os lados da equação obtemos
).(ln=)(ln LM
(39)
mas neste caso iremos utilizar o |)(|ln M . Temos então seguinte gráfico
26
Figura 19 - Ajuste linear para determinar o coeficiente associado a magnetização.
Fonte: O autor
este gráfico nos fornece um coeficiente angular, ou seja, um expoente crítico
0,0210,128= . De modo que o valor exato para o expoente crítico 𝛽 é dado por
0,125.
4.3 Calor específico e o expoente
Com o calor específico poderemos fazer uma segunda análise da temperatura
crtica observando seus picos, assim como no caso da susceptibilidade magnética.
Esperamos que no ponto de transição, ou seja, mais uma vez em CTT = o calor
específico apresente uma divergência. Entretanto, como já foi dito podemos apenas
simular redes finitas e este comportamento se apresenta em redes infinitas. O calor
específico irá nos informar o quanto que a enegia irá mudar com aumento da
temperatura do sistema. Abaixo podemos ver o comportamento deste observável para
diferentes tamanho de rede
27
Figura 20 - Comportamento do calor específico para L=2.
Fonte: O autor
Figura 21 - Comportamento do calor específico para L=6.
Fonte: O autor
28
Figura 22 - Comportamento do calor específico L=15.
Fonte: O autor
Figura 23 - Comportamento do calor específico para L=35.
Fonte: O autor
29
Figura 24 - Comportamento do calor específico para L=60.
Fonte: O autor
Podemos ver que com o aumento do tamanho da rede o pico do calor especfico
se torna mais evidente. Os picos observados nos gráfico são os ponto de divergência, ou
seja, os pontos nos quais ocorrem a transição de fase.
30
Figura 25 - Comportamento do calor específico para diferente tamanhos de rede.
Fonte: O autor
Para determinar o expoente crítico associado ao calor específico iremos utilizar a
equação
.
LtC
(40)
que é fornecida pela lei de escala finita. Entretando, para o modelo de Ising em duas
dimensões o valor do expoente crítico deve ser igual a zero, pois valor de 𝛼=0 é uma
convenção que foi adotada para que houvesse uma consistência na teoria das transições
de fase e expoentes críticos. Já podemos observar que através do gráficos acima o
gráfico tipo ln vs ln para este caso irá nos fornecer um resultado diferente de zero.
Sendo assim é mostrado um gráfico logo abaixo de C vs ln )(L
31
Figura 26 - Ajuste linear para determinar o coeficiente crítico associado ao calor
específico.
Fonte: O autor
de onde obtivemos um valor para o coeficiente 0,0220,492=0 C . Esse resultado é
claramente diferente do que é esperado para o modelo de ising em duas dimensões, já
que o valor de α deve ser zero para o modelo de ising 2D. A alternativa para resolver
essa diferença é não interpretar um coeficiente α dado pela lei de escala finita, mas sim
adotar ele como zero.
4.4 Energia
Por fim iremos apresentar os resultado obtidos para a energia como função da
temperatura para os diversos tamanhos de rede
32
Figura 27 - Comportamento da energia para L=2.
Fonte: O autor
Figura 28 - Comportamento da energia para L=6.
Fonte: O autor
33
Figura 29 - Comportamento da energia para L=15.
Fonte: O autor
Figura 30 - Comportamento da energia para L=35.
Fonte: O autor
34
Figura 31 - Comportamento da energia para L=60.
Fonte: O autor
À medida em que aumentamos o valor de L a curva da energia vai tomando um
formato diferente. A derivada deste gráfico em torno do ponto central deve apresentar
uma divergência. Esta divergência nada mais é que o comportamento do calor
específico apresentado anteriormente.
Podemos ainda comparar os resultados dos expoentes críticos obtidos através da
solução numérica com os resultados calculados analicamente observando a seguinte
tabela.
Tabela 1 - Valores dos expoentes críticos para o modelo de Ising.
Ising 2D: Valores exatos Ising 2D: numérico
β 0,125 0,128±0,021
γ 1,75 1,76±0,06
35
𝐶0 0,500 0,492±0,022
Fonte: O autor
Figura 32 - Comportamento da energia para os diferentes tamanhos de rede.
Fonte: O autor
36
5 Conclusão
Como pudemos ver na seção anterior os expoentes críticos obtidos através da
simulação numérica não são exatamente os mesmo quando comparados à tabela 1.
Muito fatores influenciaram neste resultado, como por exemplo, o tamanho da rede que
estamos trabalhando, o número de passos de monte carlo ou até mesmo a
implementação do código. Sendo assim, para obtermos um resultado mais próximo do
que encontramos na tabela devemos aumentar o tamanho da rede, de modo que nossa
rede seja extremamente grande, e junto a isto aumentar o número de passos de monte
carlo. Entretanto, quanto maior o tamanho da rede e o número de passos de monte
carlo, o esforço computacional aumenta significativamente, de modo que ficamos
limitados quando se trata de fazer simulações com parâmentros muito grandes. Ainda
podemos observar pontos não tão próximos ao ajuste linear quando observamos por
exemplo o gráfico para obtenção do expoente β ou até mesmo do expoente γ. Esses
pontos não tão próximos são consequência da falta de um estreitamento que deveria ser
estar mais evidente no gráfico do calor específico, por exemplo.
Contudo, apesar dos resultados obtidos para os expoentes críticos serem
ligeriramente diferentes dos dados da tabela 1, podemos ver que a simulação,
juntamente com o método utilizado para determinar as pseudo-críticas (método que
consistiu em determinar as temperaturas pseudo-críticas através dos picos da
susceptibilidade magnética) nos forneceu resultados satisfatórios quando fazemos uma
comparação com os resultados analícos para o modelo de Ising em duas dimensões, mas
também observamos a barra de erro da solução numérica.
37
Referências Bibliográficas
[1] R. K. PATHRIA. Statistical mechanics. 2.ed. Ontario: Butterworth Heinemann,
2001. p.305-364.
[2] SÍLVIO R. A.SALINAS. Introdução à física estatística. 2.ed. São Paulo: edusp,
2005. p.291-334.
[3] FILIPA SUSANA CALDAS PINTO. Um estudo computacional do modelo de Ising.
1999. Tese (mestrado em Métodos Computacionais em Ciência e Engenharia) –
Faculdade de Ciências da Universidade do Porto. UPORTO, Porto, 1999.
[4] KERSON HUANG. Introduction to statistical physics. 1.ed. Taylor & Francis, 2002.
p.45-54.
[5] M. E. J. NEWMAN AND G. T. BARKEMA. Monte Carlo Methods in Statistical
Physics. 1.ed. Oxford: Oxford university press, 1999. p.1-84.
[6] MURILO LACERDA SANTOS. Simulação de monte carlo no modelo de Ising na
rede quadrada.Dissertação (mestrado em física) – Universidade Federal de Minas
Gerais. UFMG, 2014.