Perkolation und Anzahl der Phasen im 2D-Ising-Modell

Aktualisieren. Da meine vorherige Figur konzeptionelle Fehler hatte, entschied ich mich, das Bild durch ein anderes, lehrreicheres zu ersetzen.

Nach langer Zeit kam ich zurück, um zu versuchen, einen Artikel über das Ising-Modell zu verstehen. Der Übersichtsartikel ist Percolation and number of phases in the 2D Ising model von Hans-Otto Georgii und Yasunari Higuchi (veröffentlicht 2000 im Journal of Mathematical Physics as Percolation and number of phases in the two-dimensional Ising model ).

Ich gestehe, dass seit der ersten Hälfte die Aussage des ersten Themas verloren gegangen ist. Für einen Experten sind meine Zweifel an der zweiten Hälfte des Beweises des nachstehenden Lemmas sicherlich primitiv.

Ich reproduziere unten die Aussage des Lemmas und seinen Beweis zusammen als einige Zahlen, um zu veranschaulichen, was ich in der ersten Hälfte der Demonstration des Lemmas getan habe.

Lema 2.1 (Existenz unendlicher Cluster) Wenn μ G unterscheidet sich von μ , gibt es mit positiver Wahrscheinlichkeit ein Unendliches + Cluster. Das ist, μ ( E + ) > 0 Wenn μ μ .

[Hier, G ist die Menge der Gibbs-Maße des Ising-Modells der ersten Nachbarn im Netz Z 2 . Und μ ist das extreme Gibbs-Maß, das durch thermodynamische Grenze von endlichen Volumenmaßen mit in negativem Vorzeichen fixierten Grenzen erhalten wird. E + bezeichnet das Ereignis que gibt es einen unendlichen Cluster von Spins im Zustand + .]

Nachweisen. Nehme an, dass μ ( E + ) = 0 . Dann ein beliebiges Quadrat Δ ist fast sicher von a umgeben Schaltung, und mit Wahrscheinlichkeit in der Nähe 1 eine solche Schaltung findet sich bereits innerhalb eines Quadrats Λ Δ bereitgestellt Λ ist groß genug. Wenn dies eintritt, lassen wir Γ sei die größte zufällige Teilmenge von Λ das ist das Innere eines solchen Schaltkreis. (Eine größte solche Menge existiert, weil die Vereinigung solcher Mengen wieder das Innere von a ist Schaltung.) Im alternativen Fall setzen wir Γ = . Durch Maximalität, Γ von außen bestimmt wird [siehe Abbildung unten].

Geben Sie hier die Bildbeschreibung ein

Soweit verstehe ich die Argumentation. Und in jedem Abschnitt dieses Theorems wiederholt sich dieses Argument in mehreren Demonstrationen. Aber was dann kommt, scheint einem Laien nicht verständlich zu sein. Ich habe keine Ahnung, wie die folgenden Eigenschaften die gewünschte Gleichheit durch die folgende Anweisung erhalten:

Fortsetzung des Beweises: Die starke Markov-Eigenschaft zusammen mit der stochastischen Monotonie μ Γ μ impliziert daher (in der Grenze Λ Z 2 ) Das μ μ An F Δ . Seit Δ war willkürlich und μ ist minimal finden wir das μ = μ , und das Lemma ist bewiesen.

Frage: Wie benutzt man die starke Markov-Eigenschaft und die stochastische Monotonie , um den Beweis des Lemmas zu vollenden? Unterhalb der Eigenschaften verwendet, wie in Artikel dargelegt.

die starke Markov-Eigenschaft von Gibbs Maßnahmen, die besagt, dass μ ( | F Γ C ) ( ω ) = μ Γ ( ω ) ω für μ -fast alles ω Wenn Γ ist eine endliche zufällige Teilmenge von Z 2 die von außen bestimmt wird, in dem { Γ = Λ } F Λ C für alle endlich Λ , Und F Γ C ist der σ -Algebra aller Ereignisse A außen Γ , in dem Sinne, dass A { Γ = Λ } F Λ C für alle endlich Λ . (Unter Verwendung der Konventionen μ ω = δ ω Und F C = F das können wir durchaus zulassen Γ nimmt den Wert .) Zum Beweis
teilt man einfach Ω in die disjunkten Mengen { Γ = Λ } für endlich Λ .

.

die stochastische Monotonie (oder FKG-Ordnung) von Gibbs-Verteilungen; Schreiben μ v Wenn μ ( F ) v ( F ) für alle zunehmenden lokalen (oder äquivalent alle zunehmenden begrenzt messbaren) reellen Funktionen F An Ω , wir haben μ Λ ω μ Λ ω ' Wenn ω ω ' , Und
μ Λ ω μ Δ ω Wenn Δ Λ Und ω + 1 An Λ Δ (Die umgekehrte Beziehung gilt, wenn ω 1 An Λ Δ ).

Siehe verwandte Frage hier .

Antworten (1)

Nehmen Sie wie im ersten Teil des Beweises an, dass es eine Menge gibt Γ , von außen bestimmt, so dass Δ Γ Λ . Darüber hinaus durch die Konstruktion, die äußere Grenze von Γ besteht vollständig aus dreht ( nicht wie auf deinem Bild! Γ ist genau das Innere dieser Schaltung).

Daher haben wir aufgrund der starken Markov-Eigenschaft für dieses Ereignis

μ ( | F Γ C ) = μ Γ .
Lassen F Seien Sie eine wachsende lokale Funktion mit interner Unterstützung Δ . Durch FKG,
μ Γ ( F ) μ Λ ( F ) μ Λ ' ( F ) ,
für alle Λ ' Λ . Lassen Λ ' Z 2 um das zu schließen
μ Γ ( F ) μ ( F ) .
Lassen A Λ , Γ sei das Ereignis, dass es ein gibt -Schaltung innen Λ , Umgebung Δ , und das Γ ist das Innere der größten Schaltung dieser Art. Lass auch A Λ = Γ A Λ , Γ . Dann,
μ ( F ) Γ : Δ Γ Λ μ ( μ ( F | F Γ C ) 1 A Λ , Γ ) + μ ( A Λ C ) μ ( F ) + μ ( A Λ C ) .
Seit lim Λ Z 2 μ ( A Λ C ) μ ( E + ) = 0 , Wir schließen daraus
μ ( F ) μ ( F ) ,
für alle zunehmenden lokalen Funktionen F . Dies impliziert das μ μ . Aber seit μ stochastisch minimal ist, das heißt μ = μ .

Übrigens, Sie könnten an einem Buch interessiert sein, das wir gerade schreiben. Im Moment wurde nur ein Kapitel hochgeladen, aber mehrere sind in einem ziemlich fortgeschrittenen Zustand und sollten bald verfügbar sein. Die Entwürfe zu vorzeigbaren Kapiteln finden Sie auf meiner Homepage (Auswahl Buchprojekt).
Vielen Dank Velenik. Ich greife auf Ihre Homepage zu.
Mir ist aufgefallen, dass Sie (erneut) dieselbe Frage auf Math.StackExchange gestellt haben. Ich denke, dass Sie in einer solchen Situation immer beide Fragen verknüpfen sollten, damit Leser von einer Seite auf Antworten zugreifen können, die auf der anderen Seite gegeben wurden ...
Teils Γ : Δ Γ Λ μ ( μ ( F | F Γ C ) 1 A Λ , Γ ) Sie haben die Definition der bedingten Erwartung verwendet?
Ja. Und Sie nutzen die Tatsache, dass Γ von außen vorgegeben wird, so dass A Λ , Γ Ist F Γ C -messbar.
Danke Yvan Velenik! Nur noch eine letzte Frage. Ich glaube jetzt, dass ich das Argument des Beweises dieses Lemmas gut verstehe. Ich kann sagen, dass die meisten Lemas und Aussagen, die diesem Lema in dem fraglichen Artikel folgen, vom Verständnis dieses Beweises abhängen.
Ich freue mich, dass dir das geholfen hat. Was den Rest des Papiers betrifft, sollte ich mir das ansehen. Ich muss gestehen, dass ich die Zeitung das letzte Mal gelesen habe, als sie im Jahr 2000 oder so herauskam. Kann nicht sagen, dass ich mich an die Details erinnere... Es ist ein ziemlich schöner Beweis, aber die Tatsache, dass ich jetzt ein Argument habe, das ich physisch viel überzeugender (wenn auch wahrscheinlich weniger elegant) finde, ermutigt mich nicht, es noch einmal zu lesen ;) . Abgesehen davon ist es sicherlich richtig, dass, wenn Sie diesen Beweis verstehen, der Rest viel einfacher zu lesen sein sollte, da immer wieder die gleiche Art von Argumenten verwendet wird.
@Velenik Lieber Velenik, mir ist irgendwann eine Frage eingefallen, die sich meinen Bemühungen widersetzt, sie für mich zu beantworten. Ich wollte hier nur ungern fragen, aber ... Die Frage lautet wie folgt. Gegebenenfalls v G und einstellen ω ich = 1 ich Z 2 Und μ Γ ( A ) Gibbs-Messung in endlichem Volumen mit Randbedingung . Ist es wahr dass v ( | F Γ C ) ( ω ) = v ( | F Γ C ) ( ) = μ Γ ( ) Diese Gleichheit scheint mir, die stillschweigend in der Auflösung verwendet wurde, mehrfach aufzuheben. Zum Beispiel die starke Markov-Eigenschaft und die stochastische Monotonie.
Mit Gibbs Maß in endlichem Volumen möchte ich meinen μ Γ ω ( A ) = ω A exp { H Γ ( ω ) } Z Γ für alle A { 1 , + 1 } Γ Und Γ Z 2 . Hier H Γ ( ω ) } ist der Hamiltonoperator.
@Math_overview: ja, das ist richtig ( v - fast sicher, natürlich). Siehe Kapitel 6 unseres Buches , insbesondere Abschnitt 6.3.1.
@Velenik Es ist viel einfacher als ich dachte. Das Ergebnis ist in Gleichung (6.22) des Buches (Aktualisierung am 1. April) dargestellt . Es ist eine direkte Folge der DLR-Gleichungen und der fast sicheren Eindeutigkeit der bedingten Wahrscheinlichkeit. Ich war sehr gespannt auf die Motivationen, die gegeben wurden, um die DLR-Gleichungen aufzustellen. Insbesondere bei der Diskussion, warum der Erweiterungssatz von Kolmogorov das Problem der Existenz des Gibbs-Maß nicht löst. Vielen Dank.
@Velenik Ich werde mich die nächsten Wochen dem Kapitel 6 dieses Buches widmen. Ich habe mich im Kapitel sehr auf das Ising-Modell konzentriert. Es ist ein sehr freundlicher Text für einen Studenten. Ich glaube, dass dieses Buch ein großartiges Nachschlagewerk in der statistischen Mechanik sein wird. Ich habe immer mehr gute Überraschungen mit diesem Buch. Ich stelle mir vor, dass in Zukunft in dem Buch ein Abschnitt oder Kapitel erscheinen wird, das sich der Entropie und den Variationsprinzipien widmet. Ich freue mich darauf.
@Velenik Ich bin nicht in der Lage, mit den Grundkonzepten umzugehen, um die typischen Argumente von Veröffentlichungen zur statistischen Mechanik und insbesondere zum Ising-Modell selbst zu verstehen. Aber ich denke, dass ich mir mit der Reife so viel Hoffnung in diesem Bereich holen werde.
@Math_overview: Danke für dein positives Feedback zum Buch. Ich freue mich, dass Sie es nützlich finden. Irgendwann wird es ein Kapitel über den Variationsansatz für (übersetzungsinvariante) Gibbs-Zustände geben, aber im Moment arbeiten wir an einem Kapitel über Reflexionspositivität und an einem über die Pirogov-Sinai-Theorie.