Sherrington-Kirkpatrick-Modell

Das Sherrington-Kirkpatrick-Modell ist in der statistischen Physik ein lösbares Spin-Glas-Modell, welches 1975 von David Sherrington und Scott Kirkpatrick eingeführt wurde.[1] Es ist ein Mean-Field-Modell für das Spin-Glas.

Definition

Das Sherrington-Kirkpatrick-Modell besteht aus einer Konfiguration σ = ( σ 1 , , σ N ) Σ N := { 1 , 1 } N {\displaystyle \sigma =(\sigma _{1},\dots ,\sigma _{N})\in \Sigma _{N}:=\{-1,1\}^{N}} bestehend aus N {\displaystyle N} binären Spins σ i { 1 , 1 } {\displaystyle \sigma _{i}\in \{-1,1\}} und einem Hamiltonoperator H N : Σ N R {\displaystyle H_{N}\colon \Sigma _{N}\to \mathbb {R} } gegeben durch

H N ( σ ) = 1 N 1 i < j N g i j σ i σ j , {\displaystyle H_{N}(\sigma )={\frac {1}{\sqrt {N}}}\sum \limits _{1\leq i<j\leq N}g_{ij}\sigma _{i}\sigma _{j},}

wobei die { g i j } 1 i < j N {\displaystyle \{g_{ij}\}_{1\leq i<j\leq N}} unabhängige und normalverteilte Zufallsvariablen sind, das heißt g i j N ( 0 , 1 ) {\displaystyle g_{ij}\sim {\mathcal {N}}(0,1)} für 1 i < j N {\displaystyle 1\leq i<j\leq N} .[2]

Üblicherweise ist man nun an

max σ Σ N H N ( σ ) {\displaystyle \max \limits _{\sigma \in \Sigma _{N}}H_{N}(\sigma )}

(für eine Realisation der Zufallsvariablen g i j {\displaystyle g_{ij}} ) interessiert.

Eigenschaften

  • H N ( σ ) {\displaystyle H_{N}(\sigma )} ist zentriert und gaußsch. Es gilt
E [ H N ( σ 1 ) H N ( σ 2 ) ] = 1 N i < j σ i 1 σ j 1 σ i 2 σ j 2 = N 2 ( 1 N i = 1 N σ i 1 σ i 2 ) 2 1 2 = N 2 ( R 1 , 2 ) 2 1 2 , {\displaystyle \mathbb {E} [H_{N}(\sigma ^{1})H_{N}(\sigma ^{2})]={\frac {1}{N}}\sum \limits _{i<j}\sigma _{i}^{1}\sigma _{j}^{1}\sigma _{i}^{2}\sigma _{j}^{2}={\frac {N}{2}}\left({\frac {1}{N}}\sum \limits _{i=1}^{N}\sigma _{i}^{1}\sigma _{i}^{2}\right)^{2}-{\frac {1}{2}}={\frac {N}{2}}\left(R_{1,2}\right)^{2}-{\frac {1}{2}},}
wobei R 1 , 2 {\displaystyle R_{1,2}} ein normalisiertes euklidisches Skalarprodukt ist.[3]

Grenzwertverhalten

Die Partitionsfunktion ist

Z N ( β ) = σ Σ N exp ( β H N ( σ ) ) , {\displaystyle Z_{N}(\beta )=\sum \limits _{\sigma \in \Sigma _{N}}\exp(\beta H_{N}(\sigma )),}

wobei β > 0 {\displaystyle \beta >0} der inverse Temperatur-Parameter ist. Die freie Energie ist

F N ( β ) = 1 N E log ( Z N ( β ) ) . {\displaystyle F_{N}(\beta )={\frac {1}{N}}\mathbb {E} \log(Z_{N}(\beta )).}

Dann gilt

lim N 1 N E [ max σ Σ N H N ( σ ) ] = lim β F ( β ) β , {\displaystyle \lim \limits _{N\to \infty }{\frac {1}{N}}\mathbb {E} \left[\max \limits _{\sigma \in \Sigma _{N}}H_{N}(\sigma )\right]=\lim \limits _{\beta \to \infty }{\frac {F(\beta )}{\beta }},}

wobei F ( β ) = lim N F N ( β ) . {\displaystyle F(\beta )=\lim \limits _{N\to \infty }F_{N}(\beta ).} [4]

Verallgemeinerungen

Eine natürliche Verallgemeinerung ist das gemischte p-Spin-Modell, dessen Hamiltonian aus linearen Kombinationen von p {\displaystyle p} Spins (statt nur 2 {\displaystyle 2} ) besteht.

Literatur

  • Dmitry Panchenko: The Sherrington-Kirkpatrick Model: An Overview. In: Springer Science and Business Media (Hrsg.): Journal of Statistical Physics. Band 149, Nr. 2, 2012, S. 362–383, doi:10.1007/s10955-012-0586-7. 
  • Dmitry Panchenko: The Sherrington-Kirkpatrick Model. Hrsg.: Springer. New York 2013, doi:10.1007/978-1-4614-6289-7. 
  • Michael Talagrand: Mean Field Models for Spin Glasses. Hrsg.: Springer. Band 1, ISBN 978-3-642-26598-3, doi:10.1007/978-3-642-15202-3. 
  • Mezard, M., Parisi, G., Virasoro, M.A.: Spin glass theory and Beyond. W.S. Lect. Notes in Physics 9, Singapore: World Scientific 1987

Einzelnachweise

  1. D. Sherrington und S. Kirkpatrick: Solvable model of a spin glass. In: Phys. Rev. Lett. Band 35, 1975, S. 1792–1796, doi:10.1103/PhysRevLett.35.1792. 
  2. Dmitry Panchenko: The Sherrington-Kirkpatrick Model: An Overview. In: Springer Science and Business Media (Hrsg.): Journal of Statistical Physics. Band 149, Nr. 2, 2012, S. 362–383, doi:10.1007/s10955-012-0586-7. 
  3. Michael Talagrand: Mean Field Models for Spin Glasses. Hrsg.: Springer. Band 1, ISBN 978-3-642-26598-3, doi:10.1007/978-3-642-15202-3. 
  4. Dmitry Panchenko: The Sherrington-Kirkpatrick Model. Hrsg.: Springer. New York 2013, S. 3–4, doi:10.1007/978-1-4614-6289-7.