Resumen libro

UNIDAD 1
En una simulacin de Monte Carlo se intenta seguir la ' dependencia del tiempo ' de un modelo para
el cual el cambio, o el crecimiento, no procede de alguna manera rigurosa modo predefinido (por
ejemplo, segn las ecuaciones del movimiento de Newton), en lugar de una manera estocstica, que
depende de una secuencia de azar nmeros que se generan durante la simulacin. Con un segundo,
la simulacin de diferente secuencia de nmeros aleatorios no dar resultados idnticos pero
producir valores que concuerdan con los obtenidos en la primera secuencia que dentro de algn
"error estadstico" . Un nmero muy grande de diferentes problemas entran en esta categora: en
percolacin una celosa vaco se llena gradualmente con partculas mediante la colocacin de una
partcula en la retcula al azar con cada " tick de la reloj ' . Pueden entonces hicieron muchas
preguntas acerca de los resultados agrupados que se forman de sitios vecinos ocupados . Particular
atencin se ha prestado a la determinacin del " umbral de percolacin " , es decir, la crtica
concentracin de sitios ocupados por el cual primero aparece un " cmulo de percolacin infinita '.
Un grupo de percolacin es uno que alcanza de un lmite de un sistema ( macroscpica ) al opuesto.
Las propiedades de tales objetos son de inters en el contexto de diversos problemas fsicos tales
como la conductividad de mezclas aleatorias , fluyen a travs de rocas porosas , el comportamiento
de los imanes diluidas, etc. Otro ejemplo es la agregacin de difusin limitada (DLA ), donde una
partcula ejecuta un paseo aleatorio en el espacio, dando un paso a cada intervalo de tiempo , hasta
que se encuentra con una masa y se pega "semilla" a la misma. El crecimiento de esta masa puede
entonces ser estudiado como muchos caminantes aleatorios se soltaron . Las propiedades ' fractal '
del objeto resultante son de inters real, y mientras no haya aceptado teora analtica de DLA hasta
la fecha , la simulacin por ordenador es el mtodo de eleccin . De hecho , el fenmeno de
Simulacin DLA fue descubierto por Monte Carlo.
Teniendo en cuenta los problemas de la mecnica estadstica , podramos estar tratando de probar
una regin del espacio de fases con el fin de estimar ciertas propiedades del modelo , aunque no
puede estar en movimiento en el espacio de fases a lo largo de la misma trayectoria que una
solucin exacta a la dependencia temporal de la modelo rendira . Recuerde que la tarea de la
mecnica estadstica de equilibrio es calcular promedios trmicos de los sistemas de muchas
partculas (interactan) : Monte Carlo simulaciones pueden hacer eso, teniendo debidamente en
cuenta las fluctuaciones estadsticas y sus efectos en este tipo de sistemas . Muchos de estos
modelos se discutir con ms detalle en los siguientes captulos , as que no vamos a dar ms
detalles aqu . Dado que la precisin de una estimacin de Monte Carlo depende de la minuciosidad
con la que se sondea el espacio de fase, la mejora se puede obtener simplemente ejecutando el
clculo de un poco ms de tiempo para aumentar el nmero de muestras . A diferencia de en la
aplicacin de muchas tcnicas analticas ( por ejemplo, la teora de perturbaciones para el que la
extensin de orden superior puede ser prohibitivamente difcil ) , la mejora de la exactitud de
resultados de Monte Carlo es posible no slo en principio, pero tambin en la prctica !
1.2 QU PROBLEMAS PODEMOS RESOLVER CON L?
La variedad de los fenmenos fsicos que pueden ser exploradas utilizando mtodos de Monte Carlo
es excesivamente amplia . Los modelos ya sea de forma natural o por medio de aproximacin se
pueden discretizar pueden ser consideradas. El movimiento de los tomos individuales se puede
examinar directamente ; por ejemplo en una aleacin (AB) metlico binario en el que se est
interesado en la interdifusin o cintica de mezcla (si la aleacin fue preparado en un estado
termodinmicamente inestable) el hop -ping al azar de los tomos a los sitios vecinos se puede
modelar directamente . Este problema se complica debido a que las tasas de salto de los diferentes
tomos dependen del entorno local diferente . Por supuesto, en esta descripcin no se considera
explcitamente la mecnica cuntica de los tomos con los posibles obstculos en el rango eV, y el
nico efecto de fotones (vibraciones de la red) es proporcionar un ' bao de calor ", que proporciona
la energa de excitacin para los eventos de salto . Debido a una separacin de escalas de tiempo (
los tiempos caractersticos entre saltos son rdenes de magnitud ms grandes que los perodos de
vibracin atmicas ) este enfoque proporciona muy buena aproximacin . El mismo tipo de
argumentos es cierto para los fenmenos de crecimiento que implican objetos macroscpicos , tales
como el crecimiento de DLA de partculas coloidales ; ya que sus masas son varios rdenes de
magnitud mayor que las masas atmicas , el movimiento de las partculas coloidales en fluidos est
bien descrito por el movimiento browniano aleatorio clsica. Estos sistemas son por lo tanto muy
adecuados para el estudio de simulaciones de Monte Carlo que utilizan nmeros aleatorios para
realizar paseos aleatorios. El movimiento de un fluido puede ser estudiado por considerar "bloques"
de fluido en forma de partculas individuales, pero estos bloques ser mucho ms grande que
molculas individuales . Como un ejemplo , consideramos ' la formacin de micelas ' en modelos de
celosa de microemulsiones ( - aceite - agua tensioactivo mezclas de fluidos ) en el que cada
molcula de tensoactivo puede ser modelado por dos dmeros ' ' en la red ( dos sitios vecinos ms
cercanos ocupados en la red ) .
Diferentes interacciones eficaces permiten un dmero para imitar el grupo hidroflico y el otro
dmero, el grupo hidrfobo de la molcula de tensoactiva. Este modelo permite entonces que el
estudio de la forma y tamao de los ridos de molculas de tensoactivo (las micelas), as como los
aspectos cinticos de su formacin. En realidad, este proceso es bastante lento para que una
simulacin de dinmica molecular determinista (es decir, la integracin numrica de la segunda ley
de Newton) no es factible. Este ejemplo muestra que parte del "arte" de la simulacin es la opcin
adecuada (o la invencin!) De un modelo adecuado (grano grueso). Las grandes colecciones de
interactuar partculas clsicas son directamente susceptibles de simulacin de Monte Carlo, y el
comportamiento de las partculas cuantizados que interactan se est estudiando, ya sea por la
transformacin del sistema en un modelo de pseudo-clsica o al considerar directamente las
propiedades de permutacin.
Estas consideraciones se analizan con ms detalle en los captulos posteriores. Propiedades de
equilibrio de los sistemas de tomos que interactan se han estudiado ampliamente como tener una
amplia gama de modelos para fluidos simples y complejos, materiales magnticos, aleaciones
metlicas, capas de superficie adsorbido, etc Ms recientemente modelos de polmero han sido
estudiados con mayor frecuencia; tenga en cuenta que el modelo ms simple de un polmero flexible
es un paseo aleatorio, un objeto que es muy adecuado para la simulacin de Monte Carlo. Por otra
parte, algunos de los avances ms significativos en la comprensin de la teora de las partculas
elementales se han realizado utilizando simulaciones de Monte Carlo de celosa modelos de calibre.
1.3 QU DIFICULTADES SE PODEMOS ENCONTRAR?
1.3.1 Tiempo limitado en computadora y la memoria
Debido a los lmites de velocidad de la computadora , hay algunos problemas que intrnsecamente
no son adecuados para la simulacin por ordenador en este momento. Una simulacin que requiere
aos de tiempo de CPU en cualquier mquina que est disponible es simplemente poco prctico. Del
mismo modo un clculo que requiere memoria que supera con creces lo que est disponible puede
ser llevada a cabo slo mediante el uso de tcnicas de programacin muy sofisticados que ralentizan
las velocidades de funcionamiento y aumentar en gran medida la probabilidad de errores . Por
tanto, es importante que el usuario considere primero los requisitos de memoria y tiempo de CPU
antes de embarcarse en un proyecto para determinar si hay o no una posibilidad realista de obtener
los recursos necesarios para simular un problema de manera adecuada . Por supuesto, con los
rpidos avances realizados por la industria de la computacin , puede ser necesario esperar unos
pocos aos para las instalaciones de computacin para ponerse al da con sus necesidades. A veces,
la tratabilidad de un problema puede requerir la invencin de un nuevo algoritmo de simulacin ,
ms eficiente . Por supuesto , el desarrollo de nuevas estrategias para superar esas dificultades
constituye un apasionante campo de investigacin por s mismo.
1.3.2 Errores estadsticos y otros
Suponiendo que el proyecto se puede hacer , todava hay posibles fuentes de error que deben ser
considerados . Estas dificultades van a surgir en muchas situaciones diferentes con diferentes
algoritmos , as que deseamos mencionar brevemente en este momento sin referencia a ningn
enfoque especfico de simulacin. Todos los computos operan con longitud de palabra limitada y
precisin , por lo tanto limitado por los valores numricos de cualquier variable. Errores de
truncamiento y redondeo en algunos casos puede conducir a serios problemas . Adems hay errores
estadsticos , que surgen como una caracterstica inherente de la algoritmo de simulacin debido al
nmero finito de miembros en la ' muestra estadstica ' que se genera . Estos errores deben ser
estimados y luego una decisin "poltica" se deben hacer , es decir, se debe usar ms tiempo de CPU
para reducir los errores estadsticos o se debe utilizar el tiempo de CPU disponible para estudiar las
propiedades del sistema en otras condiciones. Por ltimo puede haber errores sistemticos. En este
texto no vamos a preocuparnos por localizar errores en la programacin de computadoras - aunque
el mdico debe hacer un esfuerzo especial para eliminar cualquier tipo de errores ! - Pero con
problemas ms fundamentales. Un algoritmo puede fallar al tratar una situacin particular
correctamente, por ejemplo, debido al nmero finito de partculas que son simulados , etc Estas
diversas fuentes de error se discutir con ms detalle en los captulos posteriores .
1.4 Qu estrategia debemos seguir al abordar un problema?
La mayora de las nuevas simulaciones enfrentan escollos y dificultades que pueden no ser
evidentes en las primeras fases de los trabajos ocultos. Por lo tanto, es a menudo aconsejable
comenzar con un programa relativamente simple y un uso relativamente pequeos tamaos del
sistema y los tiempos de funcionamiento modestos. A veces hay valores especiales de los
parmetros para los cuales ya se conocen las respuestas (ya sea a partir de soluciones analticas o
de simulaciones previas de alta calidad ), y estos casos se puede utilizar para probar un nuevo
programa de simulacin . Procediendo de esta manera, uno es capaz de descubrir cules son los
rangos de parmetros de inters y qu dificultades inesperadas estn presentes . A continuacin, es
posible refinar el programa y despus de aumentar los tiempos de funcionamiento. As, tanto el
tiempo de la CPU y el tiempo humano se pueden utilizar con mayor eficacia. No tiene mucho sentido,
por supuesto, a Spenda meses to rewrite un programa informtico que puede resultar ahorro total
de slo unos pocos minutos de tiempo de CPU. Si sucede que el resultado de such test runs shows
that a new problem is not tractable with reasonable effort , puede ser deseable para intentar
mejorar la situacin mediante la redefinicin del modelo o redirigir el foco del estudio . Por ejemplo
, en la fsica de polmero el estudio de cadenas cortas (oligmeros) por un algoritmo dado todava
puede ser factible a pesar de que el examen de grandes macromolculas puede ser imposible .
1.5 CMO RELACIONAMOS LAS SIMULACIONES CON LA TEORA Y LA EXPERIMENTACIN ?
En muchos casos los tratamientos tericos estn disponibles para los modelos para los que no hay
realizacin fsica perfecta (al menos en la actualidad) . En esta situacin la nica prueba posible para
una solucin terica aproximada es de comparar con "datos" generado a partir de una simulacin
por ordenador . Como ejemplo queremos mencionar la actividad reciente en los modelos de
crecimiento, como la agregacin de difusin limitada , para los que ya existe una gran cantidad de
resultados de la simulacin , pero para los que una amplia informacin experimental recin ahora
est llegando a estar disponible . No es una exageracin decir que el inters en este campo fue
creado por simulaciones. Incluso los ms dramticos ejemplos son los de la fusin del reactor o una
guerra nuclear a gran escala : a pesar de lo que queremos saber lo que los resultados de tales actos
seran , no queremos llevar a cabo experimentos !

Tambin hay sistemas fsicos reales que son suficientemente complejas que no son actualmente
susceptibles de tratamiento terico . Un ejemplo es el problema de la comprender el
comportamiento especfico de un sistema con muchas interacciones que compiten y que est
pasando por una fase de transicin . Un modelo hamiltoniano que se cree que contiene todas las
caractersticas esenciales de la fsica puede ser propuesto , y sus propiedades se puede determinar
entonces a partir de simulaciones . Si la simulacin (que ahora desempea el papel de la teora) no
est de acuerdo con el experimento , entonces hay que buscar un nuevo hamiltoniano . Una ventaja
importante de las simulaciones es que diferentes efectos fsicos que estn simultneamente
presentes en los sistemas reales pueden ser aislados y , a travs de la consideracin separada por
simulacin , pueden proporcionar una mejor comprensin . Consideremos, por ejemplo, el
comportamiento de fase de mezclas de polmeros - materiales que tienen aplicaciones ubicuas en la
industria del plstico . La miscibilidad de diferentes macromolculas es un problema difcil en la
fsica estadstica en la que hay una sutil interaccin entre las contribuciones entlpicos complicados
(enlaces covalentes fuertes compiten con fuerzas dbiles de Van der Waals , y las interacciones de
Coulomb y enlaces de hidrgeno pueden estar presentes tambin) y efectos entrpicos (entropa
configuracional de macromolculas flexibles , entropa de mezclas , etc.) materiales reales son muy
difciles de entender debido a diversas asimetras entre los componentes de dichas mezclas (por
ejemplo, en forma y tamao , grado de polimerizacin , flexibilidad , etc.) Las simulaciones de
modelos simplificados pueden " apagar " o " encender " estos efectos y por lo tanto determinar las
consecuencias particulares de cada factor contribuyente. Queremos hacer hincapi en que el
objetivo de las simulaciones no es proporcionar mejor " ajuste de curvas ' a los datos
experimentales que lo hace la teora analtica . El objetivo es crear una comprensin de las
propiedades fsicas y procesos , que es lo ms completo posible , haciendo uso del control perfecto
de las condiciones "experimentales" en el " equipo experimento " y de la posibilidad de examinar
todos los aspectos del sistema de configuraciones en detalle. El resultado deseado es entonces la
elucidacin de los mecanismos fsicos que son responsables de los fenmenos observados . Por lo
tanto, ver la relacin entre la teora , experimento , y la simulacin a ser similares a los de los
vrtices de un tringulo , como se muestra en la figura . 1,1 : cada uno es distinto , pero cada uno
est fuertemente conectada a las otras dos .
1.6 PERSPECTIVA
El mtodo de Monte Carlo ha tenido una historia considerable en la fsica. Ya en 1949 una revisin
de la utilizacin de simulaciones de Monte Carlo utilizando 'mquinas-ing computadoras modernas'
fue presentado por Metropolis y Ulam (1949). Adems de dar ejemplos que ellos tambin hicieron
hincapi en las ventajas del mtodo. Por supuesto, en las dcadas siguientes los tipos de problemas
que se discuten podran ser tratados con mucha mayor sofisticacin que era posible en la primera
mitad del siglo XX, y se describirn muchos de estos estudios en los captulos siguientes. Ahora,
simulaciones de Monte Carlo estn llegando a las zonas que estn muy lejos de la fsica. En los
captulos siguientes tambin vamos a proporcionar al lector una idea de lo que es posible con estas
tcnicas en otras reas de investigacin. Tambin es bastante revelador que ahora hay varios
productos de software en el mercado que realizan simples simulaciones de Monte Carlo en
concierto con el software de hoja de clculo ampliamente distribuido en los ordenadores
personales.
Con el rpido aumento de crecimiento del poder informtico que ahora estamos viendo , junto con
la cada constante de los precios , est claro que simulaciones informticas podrn aumentar
rpidamente en la sofisticacin para permitir comparaciones ms sutiles que se hagan . Incluso
ahora , la combinacin de nuevos algoritmos y nuevas plataformas de computacin de alto
rendimiento ha permitido simulaciones que se forme por - por ms de 106 ( en casos especiales que
superen 3 x 10
11
( Kadau et al. , 2006 ) ) partculas ( Spins ) . Como consecuencia , ya no es posible
ver el sistema y buscar los fenmenos "interesantes" sin el uso de sofisticadas tcnicas de
visualizacin . El gran volumen de datos de que somos capaces de producir tambin ha llegado a
proporciones inmanejables . Con el fin de permitir mayores avances en la interpretacin de las
simulaciones , lo ms probable es que la inclusin de "agentes" inteligentes (en el sentido
informtico ) para la direccin y visualizacin, junto con las nuevas estructuras de datos , sern
temas needed.Such estn ms all del alcance del texto , pero el lector debe ser consciente de la
necesidad de desarrollar estas nuevas estrategias.

Unidad 2. Algunos antecedentes necesarios
2.1 Termodinmica y Mecnica estadstica: un recordatorio rpido
2.1.1 Nociones bsicas
En este captulo vamos a repasar algunas de las caractersticas bsicas de la termodinmica y la
mecnica estadstica que se utilizarn ms adelante en este libro la hora de disear mtodos de
simulacin y la interpretacin de los resultados. Existen muchos buenos libros sobre este sujeto y
no tratarn de presentar un tratamiento completo. En este captulo, por tanto, no est destinado a
sustituir a cualquier libro de texto para este importante campo de la fsica, sino ms bien a
renovar el conocimiento del lector y para llamar la atencin a las nociones de termodinmica y la
mecnica estadstica que en adelante se supone que se conocen en todo el libro.
2.1.1.1 Funcin de particin
Equilibrio mecnica estadstica se basa en la idea de una funcin de particin que contiene toda la
informacin esencial sobre el sistema considerado. La forma general de la funcin de particin de
un sistema clsico es

donde H es el hamiltoniano para el sistema, T es la temperatura, y kB es la constante de Boltzmann.
La suma en la ecuacin. (2.1) es sobre todos los estados posibles del sistema y por lo tanto depende
del tamao del sistema y el nmero de grados de libertad para cada partcula. Para los sistemas que
consisten en slo unas pocas partculas que interactan la funcin de particin puede ser escrito
exactamente con la consecuencia de que las propiedades del sistema se pueden calcular en forma
cerrada. En algunos otros casos, las interacciones entre las partculas son tan simples que la
evaluacin de la funcin de particin es posible.
ejemplo
Consideremos un sistema con N partculas cada uno de los cuales tiene slo dos estados, por
ejemplo, un modelo de Ising no interactan en un campo magntico H externo, y que tiene el
hamiltoniano

Donde La funcin de particin para este sistema es simplemente

donde por un solo giro de la suma en la ecuacin. (2.1) es slo ms de dos estados. Las energas de
los estados y la dependencia de la temperatura resultante de la energa apropiada interno a esta
situacin se representan en la figura. 2.1.

Problema 2.1 Calcular la magnetizacin media por vuelta, utilizando la ecuacin. (2.3), para un
sistema de N no interactan Ising hace girar en un campo magntico externo.

Tambin hay algunos ejemplos en los que es posible extraer resultados exactos para sistemas muy
grandes de partculas que interactan, pero en general la funcin de particin no se pueden evaluar
con exactitud. Incluso enumerar los trminos de la funcin de particin en un ordenador puede ser
una tarea desalentadora. Incluso si tenemos slo 10.000 partculas que interactan, una fraccin
muy pequea del nmero de Avogadro, con slo dos posibles estados por partcula, la funcin de
particin contendra 2
10 000
trminos!. La probabilidad de cualquier estado particular del sistema
tambin est determinado por la funcin de particin. Por lo tanto, la probabilidad de que el sistema
est en estado? est dada por

donde H () es el hamiltoniano cuando el sistema est en el estado. Como mostraremos en los
captulos siguientes, el mtodo de Monte Carlo es una tcnica excelente para la estimacin de las
probabilidades, y podemos tomar ventaja de esta caracterstica en la evaluacin de los resultados.
2.1.1.2 La energa libre, energa interna y entropa
Es posible realizar una conexin directa entre la funcin de particin y cantidades termodinmicas y
pasaremos ahora un breve repaso de estas relaciones. La energa libre de un sistema puede
determinarse a partir de la funcin de particin (Callen, 1985) desde

y todas las dems magnitudes termodinmicas se pueden calcular por la diferenciacin apropiada
de la ecuacin. (2.5). Esta relacin proporciona entonces la conexin entre la mecnica estadstica y
termodinmica. La energa interna de un sistema se puede obtener de la energa libre a travs de

Por el uso de un derivado parcial queremos decir aqu que F depender de otras variables, as, por
ejemplo, el campo magntico H en el ejemplo anterior, que se mantiene constante en la ecuacin.
(2.6). Esto tambin significa que si la energa interna de un sistema se puede medir, la energa libre
puede ser extrada por la integracin adecuada, asumiendo, por supuesto, que la energa libre es
conocido a alguna temperatura de referencia. Veremos que este hecho es importante para las
simulaciones que no producen la energa libre directamente, pero en vez producen valores de la
energa interna. Diferencias de energa libres pueden entonces ser estimadas por la integracin, es
decir, desde

Usando la ec. (2.6) se puede determinar fcilmente la dependencia de la temperatura del interior de
la energa para el modelo de Ising no interactan, y esto tambin se muestra en la figura. 2.1. Otra
cantidad importante, la entropa, mide la cantidad de desorden en el sistema. La entropa se define
en la mecnica estadstica por

donde P es la probabilidad de ocurrencia de un estado. La entropa se puede determinar a partir de
la energa libre de

2.1.1.3 Potenciales termodinmicos y conjuntos correspondientes
El interior de la energa se expresa como una funcin de las variables extensivas, S, V, N, etc Hay
situaciones en las que es apropiado para reemplazar algunas de estas variables por sus variables
conjugadas intensiva, y para este propsito potenciales termodinmicos adicio-nales pueden ser
definido por Legendre trans-forma de la energa interna adecuados; en trminos de variables de
lquido a gas tales relaciones estn dadas por:

donde F es la energa libre de Helmholtz, H es la entalpa, y G es la energa libre de Gibbs.
Expresiones similares se pueden derivar utilizando otras variables termodinmicas, por ejemplo, las
variables magnticas. La energa libre es importante ya que es un mnimo en equilibrio cuando T y V
se mantienen constantes, mientras que G es un mnimo cuando T y p se mantienen fijo. Por otra
parte, la diferencia de energa libre entre dos estados no depende de la ruta de acceso entre los
estados. Por lo tanto, en la figura. 2,2 consideramos dos puntos en el plano pT. Dos caminos
diferentes que conectan los puntos 1 y 2 se muestran; la diferencia de energa libre entre estos dos
puntos es idntico para ambos caminos, por ejemplo

El espacio multidimensional en el que cada punto indica el microestado completo (especificada por
los grados de libertad de todas las partculas) de un sistema se denomina "espacio de fases". Valores
medios del espacio de fase se pueden construir al considerar un gran nmero de sistemas idnticos
que se celebran en las mismas condiciones fijadas. Estos son los llamados "conjuntos". Diferentes
conjuntos son relevante para diferentes restricciones. Si la temperatura se mantiene fija, se dice que
el conjunto de los sistemas de pertenecer a la 'conjunto cannico' y habr una cierta distribucin de
energas entre los diferentes sistemas. Si en cambio la energa se fija, el conjunto se denomina el
conjunto 'microcannica'. En los dos primeros casos el nmero de partculas se mantiene constante;
si se permite que el nmero de partculas a fluctuar el conjunto es la 'gran cannica'.

Los sistemas se celebran a menudo en valores fijos de variables intensivas, tales como temperatura,
presin, etc. El conjugado de las variables extensivas, energa, volumen, etc. fluctuar con el tiempo;
de hecho en realidad se pueden observar estas fluctuaciones durante las simulaciones de Monte
Carlo.
Es importante recordar que las transformaciones de Legendre de un potencial termodinmico a
otro ( por ejemplo, de la colectividad microcannica , donde U ( S , V ) es una funcin de su S '
variables naturales ' y V , al conjunto cannico donde F ( T, V ) se considera como una funcin de la T
'variables naturales' y V ) slo son completamente equivalentes entre s en el lmite termodinmico,
N 1 . Para finita N sigue siendo cierto que, en el equilibrio trmico, F ( T, V , N) es un mnimo en
T fijo y V , y U ( S , V , N) se reduce al mnimo en S fija y V , pero ec. ( 2.9 ) ya no vale para finita N ya
que los efectos de tamao finito en diferentes conjuntos ya no son equivalentes. Esto es
particularmente importante cuando se consideran las transiciones de fase ( vase la Seccin 2.1.2) .
Sin embargo , en el nivel de funciones de particin y distribuciones de probabilidad de los estados
existen relaciones exactas entre diferentes conjuntos. Por ejemplo , la funcin de particin Y ( , V ,
T) del conjunto gran cannico (donde el potencial qumico Es una "variable natural" en lugar de
N) se relaciona con la funcin de particin cannica Z ( N, V , T ) por

y la probabilidad de encontrar el sistema en en particular el estado con N partculas es (
representa los grados de libertad de estas partculas)

En el conjunto cannico, donde N no flucta, que tenemos en vez

En el lmite de los sistemas macroscpicos la distribucin En esencia se
convierte en funcin en N, alcanza el punto maximo Luego, promedios
en los conjuntos cannicas cannicos y grandes Hazte estrictamente equivalente, y los potenciales
se relacionan a travs de transformaciones de Legendre
Para los sistemas "pequeos", tales como: Monte Carlo los estudiados en las simulaciones, el uso de
transformaciones de Legendre es slo si los efectos de tamao finito tiles son insignificantes.
Problema 2.2 Considere un sistema de dos niveles compuesta de N no interactan las partculas
Donde el estado fundamental de cada partcula es doblemente degenerado y separado de la planta
superior por una energa? E. Cul es la funcin de particin para este sistema? Cul es la entropa
como una funcin de la temperatura?

FALTA

2.1.2 Transiciones de fase
El nfasis en los textos estndar en la mecnica estadstica evidente que hay problemas de los que
pueden ser tratados analticamente, por ejemplo, gases clsicos y cunticos ideales, las soluciones
diluidas, etc. La principal utilidad de los mtodos de Monte Carlo es para todos los que evaden los
problemas exactos: como las transiciones de fase de solucin, los clculos de los diagramas de fase,
etc. Por esta razn, se har hincapi en este tema aqu. El estudio de las transiciones de fase se ha-
sido durante mucho tiempo un tema de gran inters en una variedad de disciplinas cientficas afines
y desempea un papel central en la investigacin en muchos campos de la fsica. Altho enfoques
muy simples, tales como: la teora de campo medio, proporcionan una imagen muy simple e
intuitiva de las transiciones de fase, por lo general, no proporcionan un marco cuantitativo para
explicar la gran variedad de fenmenos que se producen bajo un rango de condiciones diferentes, y
muchas veces no se sabe muy capturar las caractersticas conceptuales de los procesos ms
importantes que se producen en una etapa de transicin. El ltimo medio siglo ha visto el desarrollo
de un marco maduro para la comprensin y clasificacin de las transiciones de fase utilizando una
combinacin de (poco frecuente) soluciones exactas, as como los enfoques tericos y numerico.
Queremos llamar la atencin del lector sobre la existencia de cero a temperatura transiciones de
fase cuntica (Sachdev, 1999). Estos son impulsados por los parmetros de control modificar las
fluctuaciones cunticas que pueden ser estudiados y utilizando mtodos cunticos de Monte Carlo
que se describir en el Captulo 8. El objetivo de este captulo, sin embargo, se limitan a la mecnica
estadstica clsica.
2.1.2.1 Parmetro Orden
Distinguir las caractersticas de las transiciones de fase ms es la aparicin de un valor distinto de
cero de un " parmetro de orden ", es decir de alguna propiedad del sistema de Todo lo que es
distinto de cero en la fase ordenada de meta idnticamente cero en la fase desordenada . El
parmetro de orden se define de manera diferente en diferentes tipos de sistemas - phy SICAL . En
un material ferromagntico que es simplemente la magnetizacin espontnea . En un sistema de gas
licuado ser la diferencia entre la densidad de las fases lquida y gaseosa en la transicin ; cristales
lquidos para el grado de orden orientador est diciendo . Un parmetro de orden puede ser una
cantidad escalar o puede ser una cantidad ( par o complejo) de mltiples componentes .
Dependiendo del sistema fsico, un parmetro de orden se puede medir mediante una variedad de
experimentales mtodos : tales como la dispersin de neutrones , Donde picos de Bragg de
superestructuras en antiferromagnticos permiten la estimacin del parmetro de orden de la
intensidad integrada , oscilando medicin magnetmetro Directamente determinado la
magnetizacin espontnea de un material ferromagntico , mientras RMN es adecuado para la
medicin de la orden de orientacin local.
2.1.2.2 Funcin de Correlacin
Incluso si un sistema no se ordena, no habr, en general, ser regiones microscpicas en el material
en el que todas las caractersticas del material son mtodos correlacionados. Las correlaciones se
mide generalmente a travs de la determinacin de un orden de orientacin funcin de correlacin
de dos puntos.

donde r es la distancia y el espacio? De quin es la correlacin cantidad que se est midiendo. (El
comportamiento de esta funcin de correlacin veremos ms adelante.) Puede aussi correlaciones a
tener en cuenta que son el espacio dependiente y dependiente del tiempo, de peligro en el momento
en que slo correlaciones iguales de tiempo considerar que no es independiente del tiempo. En
funcin de la decadencia distancia que lo harn (Altho no siempre montona), y si la correlacin
para la cantidad apropiada decae a cero a medida que la distancia tiende a infinito, entonces el
parmetro de orden es cero.

2.1.2.3 Primer orden vs segundo orden
Estas observaciones se concentrarn en los sistemas estn en equilibrio trmico Toda la cual y Todo
lo que experimentan una transicin de fase entre un estado desordenado y Todo lo que muestra un
orden Todo lo que se puede describir por ao Adecuadamente definidos parmetro de orden . Si las
primeras derivadas de la energa libre son discontinuas en el Tc temperatura de transicin , la
transicin se denomina primera orden. La magnitud de la discontinuidad no es importante en
trminos de la fase de clasificacin de la transicin, existen varios sistemas encaminado, bien con
muy grande de oro bien pequeos "saltos" . Para transiciones segunda etapa derivados de primer
orden son continuas ; transiciones a alguna temperatura Tc y ' campo' H se caracterizan por
singularidades en las segundas derivadas de la energa libre , y las propiedades de los sistemas
dispares Ms bien pueden estar relacionados por el Considerando no la temperatura absoluta , el
objetivo ms bien la distancia reducida de la transicin ( Tenga en cuenta que en
la dcada de 1960 y principios de 1970 el smbolo fue usado para referirse a la distancia reducida
de los puntos crticos . Como renormalizacin de la teora sobre la escena, y en particular, " las
tcnicas de expansin se convirti popular, la calificacin cambi a utilizar el smbolo t en lugar .
En este libro, sin embargo , vamos a utilizar a menudo el smbolo t para representar el tiempo , por
lo que para evitar la ambigedad que - hemos vuelto a la notacin original). En la fig. 2.3 mostramos
caracterstica Ambos tipos de comportamiento de las transiciones. en una primera fase de
transicin orden de las curvas de energa libre de estados ordenados y desordenados cruzan con
una diferencia finita en pendiente y existen estados Tanto estables y metaestables de cierta rea de
la fase de temperatura. Por el contrario, en una transicin de segundo orden las dos curvas de
energa libre se renen de manera tangencial.

2.1.2.4 Diagramas de fase
Las transiciones de fase ocurren como uno de los varios campos diferentes termodinmicas es
variada. Malthus , los loci de todos los puntos se Transiciones de fase se producen en todo que
forman los lmites de fase en un espacio multidimensional de campos termodinmicos. El ejemplo
clsico de un diagrama de fase de agua que es , se muestra en el espacio de presin-temperatura en
la figura . 2.4 Todo lo que a lneas de primera transiciones de orden - separada de agua con hielo ,
vapor de agua , hielo y vapor . Los tres transiciones de primer orden se unen en "punto triple" a, y la
lnea de vapor - fase de agua termina en una 'puntos crticos' donde una segunda etapa de transicin
para ocurra. (ICE ha hecho fases inequivalentes multi- ples y nosotros - han ignorado esta
complejidad en esta figura. ) Importante Predecir el diagrama de fase de los sistemas atmicos o
moleculares individuales , as como de las mezclas , dado el conocimiento de las interacciones
microscpicas , es una tarea de Todo el que se reunieron posteriormente mtodos de simulacin
mecnica estadstica fuertemente bastante , como vemos en los captulos posteriores Shall . A
mucho ms simple que el diagrama de fase del agua se produce por las ferromagneto Ising con
Hamiltoniano

Pagina 16