Ising Model Finite Size Scaling

Overview

Finite Size Scaling은 유한한 크기의 시스템에서 무한 시스템의 임계 현상을 정확히 추출하는 방법론이다. Ising 모델에서 상관 길이 ξ와 시스템 크기 L의 경쟁에서 나타나는 스케일링 현상을 이용한다.

Key Points

1. Finite Size Scaling의 필요성

• 이론 vs 실제: 상전이는 thermodynamic limit (L→∞)에서 일어나지만 시뮬레이션은 항상 유한 크기
• 유한 시스템의 특성: 진짜 상전이는 없고 모든 양들이 smooth하게 변함
• 핵심: 상관 길이 ξ와 시스템 크기 L의 관계에서 scaling 현상 관찰

2. Scaling의 기본 원리

상관 길이와 시스템 크기의 경쟁:

• ξ << L: 시스템이 충분히 크면 bulk behavior 관찰
• ξ ~ L: 상관 길이가 시스템 크기와 비슷해지면 finite size effects가 중요
• ξ >> L: 시스템이 너무 작아서 bulk 성질 관찰 불가

Finite Size Scaling 가설:

여기서:
는 L*L개 스핀을 가진 유한 시스템의 자유 에너지.
는 무차원이면서 system size에는 independent 하고 온도와 외부 자기장에만 의존적인 함수이다.

즉, 식(2)는 유한크기 시스템에서 자유에너지 함수를 system size(L)에 dependent한 부분과(), system size에 independent한 부분으로() 나눈 결과이다.

• L: 시스템 선형 크기
• t: reduced temperature
• H: 외부 자기장
• ν, β, γ: critical exponents
• d: dimension. 2D ising model이면 d=2

2.5. 자유 에너지에서 Observable Scaling 유도

핵심 아이디어: 자유 에너지의 scaling form에서 열역학적 관계식을 이용해 모든 observable의 scaling을 유도할 수 있다.

Scaling variable들을 정의:

• (temperature scaling variable)
• (field scaling variable)

그러면

자화 (Magnetization) 유도:
열역학 관계식:

Chain rule 적용:

2D에서 scaling theory에 의해 이므로:

비열과 자화율도 유사하게 유도:

• 비열: →
• 자화율: →

결론: 모든 observable이 같은 scaling variable 를 공유하지만, 크기 의존성의 지수가 각기 다르다.

3. 2D Ising 모델에서의 구체적 예시

Critical Temperature의 Size Dependence:
2D square lattice에서 이므로:

따라서 로 scaling

주요 Observable들의 Scaling:

틸다로 표시한 부분의 함수들은 무차원 scaling variable 에 대한 함수이므로, 시스템의 크기와 무관한 universal한 함수이다. 다른 사이즈의 시스템이어도 공통성을 보이게 하는 핵심. 예를 들어 magnetization의 경우 x-axis: tL^{1/ν} y-axis: M × L^{β/ν}로 plot하면 곡선이 나오면서 모든 size에서 데이터가 하나의 곡선으로 합쳐진다.

1. 자화 (Magnetization):
   
   이 무얼 의미하는 거지?

2. 비열 (Specific Heat):
   

3. 자화율 (Susceptibility):
   

4. 실제 분석 방법

Data Collapse 방법:

• 다른 시스템 크기 L에서 얻은 데이터를 scaling variable 에 대해 plot
• 하나의 universal curve로 collapse됨

Critical Temperature 결정:

방법 1: Specific Heat Peak

• 각 L에서 specific heat의 peak 위치 측정
• vs plot의 intercept가

방법 2: Cumulant Method → 시뮬레이션에선 이 방법을 이용할 것이다.
Fourth-order cumulant (Binder cumulant):

모든 크기에서 가 교차하는 점이

Critical Exponents 추출:
Correlation Length에서 모든 곡선이 에서 교차:

5. 실용적 절차

Step 1: 시뮬레이션 설계

다양한 시스템 크기: L = 8, 16, 32, 64, 128...
임계점 근처 온도: T = Tc ± δT 범위
충분한 통계: thermalization + measurement

Step 2: Raw Data 분석

각 (T,L)에서 측정:
- 자화 M, 비열 C, 자화율 χ
- Magnetization distribution

Step 3: Finite Size Scaling 분석

1. Tc 결정 (cumulant crossing)
2. Critical exponents 추정
3. Data collapse 확인
4. Universal scaling functions 추출

Questions & Insights

• 왜 이렇게 scaling이 되는가?: 임계점에서 상관 길이가 발산하려 하지만 유한한 시스템 크기에 의해 잘림
• Only one relevant length scale: 임계점 근처에서는 ξ와 L만이 중요한 길이 척도
• Universality: 미시적 세부사항은 잊혀지고 dimensionality와 symmetry만 중요
• Critical slowing down과의 관계: 임계점 근처에서 correlation time이 발산하는 문제와 어떻게 연결되는가?

Related Concepts

• Critical_Slowing_Down_and_Cluster_Algorithms
• Renormalization_Group_Theory
• Monte_Carlo_Methods_Statistical_Physics
• Critical_Exponents_Universality_Classes
• Ising_Model_Phase_Transitions

References

• 전산물리 강의 자료

Notes from Claude

Finite size scaling은 단순히 기술적인 문제를 해결하는 방법이 아니라, 상전이의 본질적 물리를 이해하는 핵심 도구이다.

특히 중요한 점은:

1. Physical Intuition: ξ와 L의 경쟁이 모든 scaling behavior를 결정한다
2. Universal Behavior: 미시적 세부사항과 무관하게 dimensionality와 symmetry만으로 결정되는 보편적 성질
3. Practical Power: 유한한 계산 자원으로 무한 시스템의 정확한 성질을 추출할 수 있는 강력한 방법론

이는 condensed matter physics뿐만 아니라 다양한 분야의 critical phenomena 연구에 광범위하게 응용되는 fundamental concept이다.