Parisi「統計的場の理論」を読む

第3章 The Ising Model

3-4b The correlation functions (続き)
  • 教科書の方は、別にこの節は2つに分かれていないと思いますけど。
  • このページは、mimetexを入れてもらったwikiで書いているのですが、1つが長くなるとブラウザ上でページのどこを編集していたか分からなくってしまうので、勝手に別のページにしました。
  •  次は、次元a math image が無限大の場合を考える。このとき、1つのスピンから見れば、お隣は前後、左右、上下、、、でa math image 人と沢山手を繋いでいる人がいるわけですね。ただし
    a math image
    を一定にする、つまりa math imageが大きくなると温度が高くなる。
  • でも、β は相転移温度の近傍に興味があるとはいえ、別に定数じゃないはずですが。
  • うーん、a math imageが変わると、同じ現象が起こる温度は高くなっていくから、頭のなかでスケールしなさいということかな。まあ、実際上は、以下の計算でa math image を無限大にするときに、a math image を一定にして極限を取るというところに現れるわけですが。
  • まずa math image方向にa math image だけ離れているときのa math imageをFourier変換の形でa math image で書く。
  • a math imageは相関関数 a math image と同じことですよね。それから、式(3.39)の上のa math imagea math image のミスプリですね。
a math image
  • このままだと、a math image の和が分母に入っていて、a math image の積分が大変になってしまうので、公式
    a math image
    ただしa math image は正または正定値行列。
  • ええと、ヒートカーネル公式と言うんだったかな、自信ないけど。
  • まあ名前はどうでも。これを使えば
    a math image
    となるから、a math image の積分は完全にν 個の積分にファクトライズしちゃうわけですね。
  • すると驚いたことに、
    a math image
    なので、各積分はmodified Bessel a math image で書けちゃう。a math image と対応するから、
    a math image
  • a math image は無限大と思っているから、Modified Bessel, 変形ベッセルの級数展開の最低次 a math image を使って(ちゃんと式(3.42)に書いてあるけど)
a math image
  • でも、a math image が大きくてもαの積分で上が無限大だから、級数展開なんか使っていいんですか。
  • それも評価していて、ベッセル関数の漸近展開
    a math image
    を使って(a math imageとして)
a math image
  • だからa math imageなら、αが無限大で被積分関数はゼロになるから気にしなくていいわけですか。なんか一生懸命計算してwikiに書いたけど、みんな教科書に書いてありますね。
  • ちゃんと特殊関数の公式まで書いてくれてるから助かりますね。
  • 我々の先生の世代だと、ベッセル関数の公式くらいで公式集を見ると、三角関数も公式集を見るのかいと笑われたものですが。
  • 次も公式(3.43)をまず教えてくれて、これはa math image に積分変数を変えておけば、a math imageの積分範囲はa math imageからa math imageにできる。それから、上半分の無限の半円を付け加えて、龍数定理からその中のポールa math imageを拾ってくるということでしょうね。
  • たぶんベッセル関数の積分の公式を使ったりして、完全に積分できるんじゃないかと思うんですが、(3.44), (3.46)式の
a math image
  • この冪のa math image がどこから出てくるかくらいは理解したいですね。
  • a math imagea math image のところでsingularになる、つまり分母がゼロになると言っているので、そのゼロを引いてしまって、分母は
    a math image
    ここでa math image がゼロのそばが効くとして
    a math image
    a math image として、積分を(D-1)次元の曲座標にすればa math imageだから
a math image
  • ここで、a math imageとおけば
    a math image
    だから、確かにa math imageはでてきますね。

    積分の範囲がa math image に依存しなければ。

  • しかし、今の証明を見ていると、別に極座標にしなくてもいいんじゃないんですか。
  • あっ、そうですね、a math image からa math image への変数変換をすれば、a math imageですからね。欲しかったヤコビアンからのファクター a math image が出るのはあたりまえですね。a math image がゼロのそばで展開するのも必要ないかな、これははずせないか、、、
  • 「偶数次元の時」と書いてありますが、a math imageが偶数だというのを使ってないような気がしますが。
  • うーん、そうですね。Parisi先生の頭の中にあるのは別な証明法だなあ、たぶん。
  • a math image の方も、a math image を展開してしまっていますが、それはいいんでしょうか?
  • うーん、そうですね、論理的にはちゃんと繋がってないかな。本にa math imageのシンギュラリティで実軸に一番近いものがa math image のところだと仮定すれば、a math imageのとき
    a math image
    と書いてあるので、そういう前提で考えているんだけど、これは公式を書いただけで、a math imagea math image を満たすところでシンギュラーになるというのが条件ですね。

    でも、a math imagea math image でシンギュラーになるというのですから、a math imageという項を分母に含んでいるはず。でもa math imagea math imageという形でしか含まれていないので、偶関数でなければならない。そうすると、一番簡単なのは、

    a math image
    というのでは駄目かなあ。
  • え、えーとえーと、極座標にしなくても良いんですか?それと、a math imagea math imageを展開する時に、高次の項が残ってしまうことはないんでしょうか?
  • もちろん、高次の項はあるでしょうね。a math image というように。でも複素関数で分母がa math image となるときは、k次のポールで、コーシーの積分定理に効いてくるのもそこですから。
  • 今は1方向の相関を考え、残りの2,3,...,D方向は積分しちゃったわけですで、大げさに言えば a math imageという方向の相関を考えたわけですが、次に一般のベクトルa math image方向の相関を考えるわけですね。有理単位ベクトル、例えば a math imageって何ですか。そりゃあ、座標 (2,3,0,0,...,0)方向の単位ベクトルは偶然有理分数を成分としたものになりますが、、、
  • まあ、それほど深い意味は無くて、D次元格子上の2点間の相関を考えていて、その方向の単位ベクトルということでいいんじゃないでしょうか。
  • この2点を結ぶのベクトルをa math image として、a math imageが無限大の時に
    a math image
    このa math image が相転移点の近傍ではa math image つまりa math imageの大きさにしかよらないということを議論するのですね。当たり前かと思ってましたが。
  • まあ、相関関数が無限大になるときは、そうじゃないとおかしいけど、確かにそうなっている、つまり格子の不連続性は相転移点のそばでは感じなくて、等方になるということを具体的に示したいのですね。
  • 計算はstraightforwardなんですよね。(3.44)式の分母のところが、今度は
    a math image
    つまり
    a math image
    となるa math imageを求めるわけですね。この場合も(3.43)式はいいのかなあ。 a math imageが大きいという後から出てくるはずのことを使ってしまえば、
    a math image
    を使って出そうですね。
    a math image
    a math image として2次方程式にして解いて、a math imageは負ではないから、1つの解が棄てられて、
    a math image
    但しa math image それから教科書の記号a math image を使ってます。 うわ、a math imageとしたんじゃ駄目なんですか、次の項まで計算してる、、、はい、
    a math image
    を使います。
    a math image
    a math image
    ここでa math imageだったから
    a math image
    ですか。ふぅー。確かにこの式までくれば、a math imagea math imageがゼロになる温度で発散するし、その補正項は等方でないa math imageを含みますが、その係数も小さくなるということがよく見えるわけですね。Parisi先生はちゃんと全部こういう計算をして理解しているのかー。
  • そうですね。ここ、結構式のチェックなんかで時間を取られたから、全体がちょっと見えなくなってるような気がするので、念のためやったことを概観してみます。 この章のテーマのイジング模型について、2つ前の節の3.2で、平均場近似を適用して自由エネルギーを求め、a math image から(3.9)式が得られました。ここの式で、a math imageを無視して、(3.31)、あるいはそれを行列Aで書いた(3.32)式a math image が求まる。Aは逆行列を求める形になっているので解けないかと思うけど、運動量空間にフーリエ変換すれば解ける。しかも、a math imageを外場a math imageで微分したものは、相関関数だから、Aは相関関数(をβで割ったもの)になっている。これの遠距離での振る舞いを調べたわけですね。 あと、Aが求まると内部エネルギーa math imageも求まるので、それを温度で微分して比熱a math imageも求まる。
  • はい。では次の節に行きましょう。

トップ   編集 凍結 差分 バックアップ 添付 複製 名前変更 リロード   新規 一覧 単語検索 最終更新   ヘルプ   最終更新のRSS
Last-modified: 2007-03-07 (水) 12:40:30 (6267d)