Upload
efrat
View
54
Download
5
Embed Size (px)
DESCRIPTION
统计物理学习讲义. 中科院数学院复杂系统研究中心 复杂系统学习班 (CSSGBJ) 韩 靖 2003 年 10 月 27 日. 统计物理、自旋玻璃和复杂系统. 统计物理做什么? 自旋玻璃 (Spin Glasses) 是什么? 它们在复杂系统研究中有何应用? 它们的局限性? 探讨:对我们的研究有何启发?. 谁报名来主讲?. 学习提纲和计划 ( 欢迎补充修改 ). 基本概念介绍 Entropy, Boltzmann 分布 (partition function) Example: K-SAT 问题的相变 Dynamics and Landscapes - PowerPoint PPT Presentation
Citation preview
统计物理学习讲义
中科院数学院复杂系统研究中心复杂系统学习班 (CSSGBJ)
韩 靖2003 年 10 月 27 日
统计物理、自旋玻璃和复杂系统
统计物理做什么?自旋玻璃 (Spin Glasses) 是什么?它们在复杂系统研究中有何应用?它们的局限性?探讨:对我们的研究有何启发?
学习提纲和计划 ( 欢迎补充修改 )基本概念介绍
Entropy, Boltzmann 分布 (partition function) Example: K-SAT 问题的相变
Dynamics and Landscapes 各态历尽 , landscapes, Monte Carlo Simulation Example: Simulated Annealing( 模拟退火 )
Meanfield, Replica Symmetry, Cavity Methods Meanfield 用于网络动力学的例子 Replica Symmetry 用于组合问题的例子 Cavity Methods: Survey Propagation
Critical Phenomena & Power-law 相变 SOC, HOT/COLD 理论
谁报名来主讲?
统计物理Statistical physics is about systems composed of m
any parts. 集体行为 组合数学和概率理论
Traditional examples: 气体、液体、固体 - 原子或分子; 金属、半导体 - 电子 ; 量子场 - 量子,电磁场 - 光子等
Complex systems examples: 生态系统 - 物种 社会系统 - 人 计算机网络 - 计算机 市场 - 经纪人 agent 鱼群 - 鱼、鸟群 - 鸟、蚁群 - 蚂蚁 组合问题 – 变量 –研究复杂系统为什么要学习统计物理?
Collective Behavior 群体行为
集体行为: 系统由大量相似的个体组成 全局行为不依赖于个体的精确细节,
而相互作用必须合理定义,并且不要太复杂; 个体在单独存在的行为与在整体中的行为很不一样 .
( 在整体中各个体行为变得相似 ) ; 相互作用的类型:吸引、抗拒、对齐… 主要的集体现象:相变、模式形成、群组运动、同步… 研究手段:统计物理、多主体计算机模拟
“ 磁化”现象 :go个体行为 邻居动作的平均方向同步掌声恐慌现象
http://angel.elte.hu/~vicsek/http://angel.elte.hu/~vicsek/
自旋玻璃 (Spin Glasses)简单的理想模型,性质丰富,易于研究个体 :spin si; 系统 : 多个 spin 局部相互作用以最简单的 Ising 模型为例: si=1 或者 – 1 在 lattice 上排列,相邻 spin 之间有相互作用 能量 (Hamiltonian) : E = - J(i-1)isi-1si
Jij>0, 偏好相邻同向; Jij<0, 偏好相邻不同向; Jij=0, 无相互作用考虑外部场 E = - Jijsisj - hisi
性质:有序 / 无序、受挫、相变、对称破缺…现实中的例子:组合问题、恐慌人群、经济模型
(-)
(+)
(+)
?
sisi+1si-1
J(i-1)i Ji(i+1)
E=- Jijsisj
Spin GlassConfiguration r = s1,s2,…,snHamiltonian (E, Cost function): E(r)J=HJ(r) = -∑Jiksisk
Quenched variable: J, random variable a probability distribution P(J)Different Spin model: different P(J)Notation:<g>=∑PJ(s)g(s)So-called ‘Disorder’: Structural parameter J is random and have large complexity
自旋玻璃例子 - K-SAT 问题经典NP-完全问题N个布尔变量 : xi=True/False, si=1/-1M 个 clauses: M 个含 k 个变量的逻辑表达式K=3, 3-SAT: c1:x1 or (not x3) or x8,
c2:(not x2) or x3 or (not x4), c3:x3 or x7 or x9,…
目标:满足所有 M 个 clauses 的 N个布尔变量的一组赋值Spin glass 的能量 E =- a=1,M(Ca =T),Ground State E=-M 解状态结果:当 K=3, M/N ~4.25, 问题求解困难
恐慌现象行人建模:期望移动速度、与他人的排斥力、与墙壁的作用力、个人速度的扰动恐慌(由于火灾或者大众心理):
人们希望移动更快 人与人之间的物理冲突更厉害; 出口处障碍、堵塞形成; 危险压力出现; 人群开始出现大众恐慌心理; 看不到其它的出口;
计算机模拟实验: (Go) 单出口房间:无恐慌、恐慌、惊跑、带圆柱、火灾 走廊:直走廊、中间加宽的走廊 人群:个人主义、群体心理、两者综合
Begin…
统计物理能做什么?怎么做?基本点: 只关心状态的概率,并不关心演化的过程(假设各态历经)
熵最大核心: Boltzmann 分布
(partition function)
学习提纲和计划基本概念介绍
Entropy, Boltzmann 分布 (partition function) Example: K-SAT 问题的相变
Dynamics and Landscapes 各态历尽 , landscapes, Monte Carlo Simulation Example: Simulated Annealing( 模拟退火 )
Meanfield, Replica Symmetry, Cavity Methods Meanfield 用于网络动力学的例子 Replica Symmetry 用于组合问题的例子 Cavity Methods: Survey Propagation
Critical Phenomena & Power-law 相变 SOC, HOT/COLD 理论
Entropy
Microstate r: a specific configuration of systemMacrostate R: an evaluation valueΩ(R): number of microstates related to a macrostateMicro-canonical entropy: S(R)=k log Ω(R)
More General forms:A macrostate R: pi for system be found in a microstate i
A distribution of microstates.Gibbs Entropy: S(R) =-k ∑pi logpi Maximum the most possible distribution of microstates
Without constraint on pi, pi=1/N S is maximized
Ω(nΩ(nii)=M!/n)=M!/n11!n!n22!...n!...nNN!, !, ppii=n=nii/M/M
With Constraint on pi: Partition Function Z
Observable quantity E (Hamiltonian)Ergodic Hypothesis (time average=ensemble average)We know:
From experiments: <E’>, Ei for all ri, and <E’>= <E>= ∑piEi, ∑pi=1.We want to know the most probable distribution of microstates Maximize S=-k∑pilogpi and we get:
pi=e-βEi/Z, Z=∑ie-βEi (β=(kT)-1)So, pi and β is decided by Ei and <E>Knowing βor T and Ei, we can define the most possible distribution of microstates pi and Zβ T <E> Z distribution is less symmetrical
Toy ExampleThree microstates: E1=0, E2=2, E3=3
We have p1E1+p2E2+p3E3=<E>
e.g. 2p2+3p3=<E>, and p1+p2+p3=1
3 temperatures: decreasing order of T
<E>
β Z p1 p2 p3
1 1.5 0.105
2.540
0.393
0.319
0.287
2 1 0.420
1.716
0.583
0.252
0.165
3 0.3 1.083
1.154
0.867
0.099
0.034
Important concepts Partition function: Z(T,E)=∑re- E(r)/T
Knowing this, we can do a lot of things!Variance of E, #sol, …
Free Energy: F = -k T lnZ (?) Entropy S=- (F/ T)E=-k ∑pilnpi
Z and #sol (ground state)
Z (T)=∑re-E(r)/T = ∑H=1,2,…∑r|E(r)=H e-H/T When T→0, system are most likely in the ground state. e-E(r)/T →0 except E(r)=0Z(0)= ∑ r|E(r)=0 e-0 =∑ r|E(r)=0
So, number of ground states = Z(0).In T>0, Z also counts other r that E(r)>0. But the lower T, the r with lower E(r) Z counts. Z is decreasing when T is decreasing.The K-SAT result considers T=0.
学习提纲和计划基本概念介绍
Entropy, Boltzmann 分布 (partition function) Example: K-SAT 问题的相变
Dynamics and Landscapes 各态历尽 , landscapes, Monte Carlo Simulation Example: Simulated Annealing( 模拟退火 )
Meanfield, Replica Symmetry, Cavity Methods Meanfield 用于网络动力学的例子 Replica Symmetry 用于组合问题的例子 Cavity Methods: Survey Propagation
Critical Phenomena & Power-law 相变 SOC, HOT/COLD 理论
各态历尽
对任意 2 个系统状态 r1和 r2, r1可以经过有限部变换到 r2.
0001 10
11
熵最大分布的三个条件 Rij=probability of ri changes to rj
方程的平衡状态是熵最大分布 ,必须要满足: p=R·p, R 有唯一的主特征向量 (特征值为 1) 各态历经 细致平衡:平衡态时, pi·Rij=pj·Rji
Ergodicity breaking and Landscape
Mapping of microstates onto energiesbarrier
r1 r2 r3 rn
…
Very high, unlikely to cross, when system size is large,
T is low:
pi/pj=e-(Ei-Ej)/T
Monte Carlo Simulation
设定状态转换矩阵,使得系统演化服从我们希望的状态分布 P。如果各态历尽和细致平衡,有
把 P代入就可以得到 Rij
Simulated Annealing目标 P是 Boltzmann 分布: pie-Ei/T。Rij/Rji=e-(Ej-Ei)/T
Rij= 1 if EjEi
e-(Ej-Ei)/T if Ej>Ei
Simulated Annealing: We want to minimize E T=0, ergodicity breaking, favors minimal E T>0, barriers can be crossed, favors more states
Most problems have many metastable states (local optima), various scales of barriers heights
学习提纲和计划基本概念介绍
Entropy, Boltzmann 分布 (partition function) Example: K-SAT 问题的相变
Dynamics and Landscapes 各态历尽 , landscapes, Monte Carlo Simulation Example: Simulated Annealing( 模拟退火 )
Meanfield, Replica Symmetry, Cavity Methods Meanfield 用于网络动力学的例子 Replica Symmetry 用于组合问题的例子 Cavity Methods: Survey Propagation
Critical Phenomena & Power-law 相变 SOC, HOT/COLD 理论
Replica Approach and P(J)
For a given J, free energy density:fJ=-1/(βN) ln ZJ
For a P(J), we want to know: <f>=∑P(J)fJ
For n replicas: Zn=∑JP(J)(ZJ)n≡<(ZJ)n> (ZJ)n=∑s1∑s2…∑sn exp-∑a=1
nβHJ(sa)si is the i th replica. fn=-1/(βnN) ln Zn, ln Z= Lim n→0 (Zn-1/n)We get: <f>= Lim n→0 fn ≡f0
参考教材 http://groups.yahoo.com/group/CSSGBJ/
Mark Newman 2001 复杂系统暑期学校教材 http://www.santafe.edu/~mark/budapest01/ K-SAT 相变 : Nature, Vol 400, July 1999, p133-137Survey Propagation: Science, Vol 297, Aug. 2002, p812-815, p784-785.SOC: 《大自然如何工作》 , Per Bak.HOT/COLD:
HOT: Highly Optimized Tolerance: A Mechanism for Power Laws in Designed Systems. J. M. Carlson, John Doyle. (April 27, 1999)
COLD: Optimal design, robustness, and risk aversion. M. E. J. Newman, Michelle Girvan and J. Doyne Farmer