Curie–Weissモデル(Curie–Weiss model)とは、$N$ 個の $\pm1$ のスピンの配置に、磁化の和 $M_N$ について $\exp(\beta M_N^2/(2N)+hM_N)$ に比例する確率を与える模型で、完全グラフの上の Ising モデルにあたる。磁化 $m_N=M_N/N$ は、$h=0$ では $\beta\le1$ のとき $0$ に、$\beta>1$ のとき平均場方程式 $m=\tanh(\beta m)$ の正の解 $\pm m^*$ に半分ずつ集中する。ゆらぎは $\beta< 1$ で $M_N/\sqrt N$ が分散 $1/(1-\beta)$ の正規分布に近づき、$\beta=1$ では $M_N/N^{3/4}$ が密度 $e^{-x^4/12}$ に比例する分布に近づく。
Curie–Weiss モデル(Curie–Weiss model)は、$N$ 個の $\pm1$ の値(スピン)のすべての組が同じ強さで相互作用する確率測度である。Isingモデル を $N$ 頂点の完全グラフの上に置き、相互作用の強さを $1/N$ に弱めたものにあたる。格子の幾何を捨てたので、確率は磁化 $m_N=N^{-1}\sum_i\sigma_i$ だけで決まり、相転移を伴う模型でありながら、ほとんどの量を最後まで計算できる。
格子の上の模型で 1 個のスピンが感じる近傍の平均を、系全体の平均で置き換える近似を 平均場近似 という。Curie–Weiss モデルは、この近似を近似でなく厳密な確率測度として実現したもので、自己無撞着方程式 $m=\tanh(\beta m+h)$ がそこから正確に導かれる。
圧力(分配関数の対数の $N$ あたりの極限)の公式と、$\beta>1$ で圧力の磁場についての微分が飛ぶことは、統計力学 の定理「圧力の公式と 1 次相転移」が証明している。この記事は磁化の分布そのものを扱う。主な内容は次のとおりである。
| 主張 | 内容 | ラベル |
|---|---|---|
| 平均場方程式の解 | $\beta\le1$ で $0$ だけ、$\beta>1$ で $0,\pm m^*$ | lem-cw-mfe |
| Hubbard–Stratonovich 変換 | 磁化に小さな Gauss 雑音を足すと、密度が $e^{-NG(y)}$ に比例する | thm-cw-hs |
| 大数の法則 | $m_N$ は $0$、または $\pm m^*$ に半分ずつ集中する | thm-cw-lln |
| ゆらぎ | $\beta< 1$ で $N^{1/2}$ の尺度の正規分布、$\beta=1$ で $N^{3/4}$ の尺度の $e^{-x^4/12}$ | thm-cw-fluct |
| 臨界点の近くの振る舞い | $m^*\sim\sqrt{3(\beta-1)}$、感受率 $1/(1-\beta)$ | prop-cw-critical |
$N\ge1$ とし、$\Omega_N:=\{-1,+1\}^N$ とおく。$\sigma\in\Omega_N$ について $M_N(\sigma):=\sum_{i=1}^N\sigma_i$、$m_N:=M_N/N$ とする。
$\beta\ge0$、$h\in\mathbb{R}$ とする。$\Omega_N$ の上の確率測度
$$
\mu_{N,\beta,h}(\sigma):=\frac1{Z_N(\beta,h)}\exp\Bigl(\frac{\beta}{2N}M_N(\sigma)^2+hM_N(\sigma)\Bigr)
$$
を Curie–Weiss モデル という。$Z_N(\beta,h)$ は和を $1$ にする定数(分配関数)、$\beta$ は逆温度、$h$ は外部磁場である。$m_N$ を 磁化(の密度)という。
$M_N^2=N+2\sum_{i< j}\sigma_i\sigma_j$ なので、指数の第 1 項は定数を除いて $\frac{\beta}{N}\sum_{i< j}\sigma_i\sigma_j$ に等しい。すなわち $\mu_{N,\beta,h}$ は、完全グラフ $K_N$ の上の Isingモデル で逆温度を $\beta/N$ にしたものである。FV17 Definition 2.1(p. 58)はハミルトニアンを $-\frac dN\sum_{i,j}\sigma_i\sigma_j$ と書いており、そこの $2d\beta$ がこの記事の $\beta$ にあたる。
なぜ $1/N$ で割るか。 全部のスピンがそろった配置のエネルギーは、$1/N$ の因子があって初めて $N$ に比例する。この因子がないと、どの $\beta>0$ でも揃った配置が圧倒し、温度による違いが消える(反例の節)。
平均場近似との関係。 $\mu_{N,\beta,h}$ のもとで、ほかのスピンを固定したときの $\sigma_i=+1$ の条件付き確率は、$s:=\frac{\beta}{N}\sum_{j\ne i}\sigma_j+h$ について $e^{s}/(2\cosh s)$ である。よって $\sigma_i$ の条件付き期待値は $\tanh s$ で、$N$ が大きく $m_N$ がほぼ一定値 $m$ をとるなら、$m=\tanh(\beta m+h)$ が成り立つはずである。これが平均場の 自己無撞着方程式(平均場方程式)である(FV17 §2.5.1、p. 69)。以下ではこの発見的な議論を使わず、方程式を変分問題から得る。
$\beta>0$ とし、$G_{\beta,h}(y):=\frac\beta2y^2-\log\cosh(\beta y+h)$($y\in\mathbb{R}$)とおく。$G_{\beta,h}'(y)=0$ は $y=\tanh(\beta y+h)$ と同値である。
$G_{\beta,h}'(y)=\beta\bigl(y-\tanh(\beta y+h)\bigr)$ である。$\log\cosh x\le\lvert x\rvert$ なので $G_{\beta,h}(y)\ge\frac\beta2y^2-\beta\lvert y\rvert-\lvert h\rvert\to\infty$($\lvert y\rvert\to\infty$)で、$G_{\beta,h}$ は最小点をもち、最小点は臨界点である。
$h=0$ とする。$x>0$ で $\frac{d}{dx}\frac{\tanh x}{x}=\frac{x-\sinh x\cosh x}{x^2\cosh^2x}< 0$($\sinh x\cosh x=\frac12\sinh2x>x$)なので、$y>0$ の関数 $\tanh(\beta y)/y$ は狭義減少で、$y\to0$ で $\beta$、$y\to\infty$ で $0$ に近づく。よって $\tanh(\beta y)=y$ の正の解は、$\beta\le1$ なら存在せず、$\beta>1$ ならただ 1 つある。$\lvert\tanh\rvert< 1$ なのでその解 $m^*$ は $1$ より小さい。$\tanh$ は奇関数なので負の解は $-m^*$ だけである。1 は以上から従う。2 では、$G_{\beta,0}''(0)=\beta-\beta^2< 0$ なので $0$ は極大点で最小点でなく、$G_{\beta,0}$ は偶関数なので最小点は $\pm m^*$ の両方である。
$h>0$ とする($h< 0$ は $y\mapsto-y$ で同じ)。$y>0$ では $\lvert\beta y-h\rvert< \beta y+h$ なので
$$
G_{\beta,h}(y)-G_{\beta,h}(-y)=\log\frac{\cosh(\beta y-h)}{\cosh(\beta y+h)}< 0
$$
であり、$G_{\beta,h}'(0)=-\beta\tanh h< 0$ なので、最小点は $(0,\infty)$ にある。$[0,\infty)$ では $\beta y+h>0$ で $\tanh$ は凹なので、$y-\tanh(\beta y+h)$ は凸関数で、$y=0$ で負、$y\to\infty$ で $+\infty$ に近づく。よって $(0,\infty)$ の零点はただ 1 つで、それが唯一の最小点である。$\square$
$\mu_{N,\beta,h}$ の重みは $M_N$ の 2 次式である。Gauss 積分 $e^{a^2/2}=\int e^{-w^2/2+aw}\,dw/\sqrt{2\pi}$ で 2 次式を 1 次式に書き換えると、スピンが独立になって和が計算できる(FV17 §2.5.2、p. 70)。確率変数の言葉では次のようになる。
$\beta>0$、$h\in\mathbb{R}$ とする。$\sigma$ が $\mu_{N,\beta,h}$ に従い、$W$ が $\sigma$ と独立で平均 $0$、分散 $1/\beta$ の正規分布に従うとき、
$$
Y_N:=m_N+\frac{W}{\sqrt N}
$$
は密度
$$
f_N(y)=\frac{e^{-NG_{\beta,h}(y)}}{\int_{\mathbb{R}}e^{-NG_{\beta,h}(u)}\,du}\qquad(y\in\mathbb{R})
$$
をもつ。さらに $Z_N(\beta,h)=2^N\sqrt{N\beta/2\pi}\int_{\mathbb{R}}e^{-NG_{\beta,h}(u)}\,du$ である。
$\varphi$ を $\mathbb{R}$ の上の有界可測関数とする。$\mu_{N,\beta,h}(\sigma)=Z_N^{-1}\exp\bigl(\frac{\beta N}2m_N^2+hNm_N\bigr)$ なので、$W$ について積分し、$y=m_N+w/\sqrt N$ と変数を替えると
$$
E[\varphi(Y_N)]=\sum_\sigma\frac{e^{\frac{\beta N}2m_N^2+hNm_N}}{Z_N}\sqrt{\frac{N\beta}{2\pi}}\int\varphi(y)\,e^{-\frac{\beta N}2(y-m_N)^2}\,dy
$$
である。指数を足すと $m_N^2$ の項が消えて
$$
\frac{\beta N}2m_N^2+hNm_N-\frac{\beta N}2(y-m_N)^2=-\frac{\beta N}2y^2+(\beta y+h)\sum_{i=1}^N\sigma_i
$$
となる。和と積分を入れ替え、$\sum_\sigma\prod_ie^{(\beta y+h)\sigma_i}=(2\cosh(\beta y+h))^N$ を使うと
$$
E[\varphi(Y_N)]=\frac{2^N}{Z_N}\sqrt{\frac{N\beta}{2\pi}}\int\varphi(y)\,e^{-NG_{\beta,h}(y)}\,dy
$$
を得る。$\varphi=1$ とすると $Z_N$ の式が出て、それを代入すると $f_N$ の式が出る。積分の有限性は prf-cw-mfe の下からの評価による。$\square$
$W/\sqrt N$ は $N\to\infty$ で $0$ に確率収束するので、$m_N$ の極限の振る舞いは $Y_N$ の振る舞いと同じである。$Y_N$ の密度は $e^{-NG}$ の形なので、$N$ が大きいと $G=G_{\beta,h}$ の最小点の近くに集まる。これは Laplaceの方法 の確率版である。$Z_N$ の式からは、統計力学 の圧力の公式を $-\min G_{\beta,h}+\log2$ の形で読むこともできる。
$\beta>0$ とし、$\sigma$ は $\mu_{N,\beta,h}$ に従うとする。$N\to\infty$ で次が成り立つ。
$G:=G_{\beta,h}$、$g_0:=\min G$ とし、$K$ を $G$ の最小点の集合とする。lem-cw-mfe により、$K$ は 1 では $\{0\}$、2 では $\{\pm m^*\}$、3 では $\{m(\beta,h)\}$ である。
$\varepsilon>0$ を固定し、$A:=\{y\mid\operatorname{dist}(y,K)\ge\varepsilon\}$ とおく。$G$ は連続で $\lvert y\rvert\to\infty$ で $+\infty$ に近づき、$A$ は閉集合で $K$ と交わらないので、$\eta:=\inf_A(G-g_0)>0$ である。$k\in K$ と $0< r< \varepsilon$ を、$\lvert y-k\rvert< r$ で $G(y)-g_0\le\eta/2$ となるようにとる。$G-g_0\ge0$ なので、$A$ の上で $e^{-N(G-g_0)}\le e^{-(N-1)\eta}e^{-(G-g_0)}$ である。thm-cw-hs の密度から
$$
P(Y_N\in A)=\frac{\int_Ae^{-N(G-g_0)}}{\int_{\mathbb{R}}e^{-N(G-g_0)}}\le\frac{e^{-(N-1)\eta}\int_{\mathbb{R}}e^{-(G-g_0)}}{2r\,e^{-N\eta/2}}=C\,e^{-N\eta/2}
$$
である($C$ は $N$ によらない)。よって $P(\operatorname{dist}(Y_N,K)< \varepsilon)\to1$ である。$\lvert m_N-Y_N\rvert=\lvert W\rvert/\sqrt N$ は $0$ に確率収束するので、$P(\operatorname{dist}(m_N,K)< 2\varepsilon)\to1$ である。$\varepsilon$ は任意なので 1 と 3 を得る。
2 では、$\varepsilon< m^*$ なら 2 つの事象 $\{\lvert m_N\mp m^*\rvert< \varepsilon\}$ は交わらず、確率の和は $1$ に近づく。$h=0$ のとき $\mu_{N,\beta,0}$ は $\sigma\mapsto-\sigma$ で不変なので、2 つの確率は等しい。$\square$
$\beta>1$、$h=0$ でも対称性から $E[m_N]=0$ であるが、典型的な $m_N$ は $0$ の近くにはない。平均は「どちらの向きにそろうか」の平均をとっているだけである(FV17 Remark 2.3、p. 60)。同書 Theorem 2.2(p. 59)は 1 と 2 を、磁化の分布の大偏差の評価(Proposition 2.5、p. 61)から導いている。
大数の法則の次の段階は、$m_N$ が極限の値のまわりでどの大きさで揺れるかである。独立なスピン($\beta=0$)なら $M_N/\sqrt N$ は標準正規分布に近づく(中心極限定理)。相互作用はこの揺れを大きくし、臨界点 $\beta=1$ では尺度そのものが変わる。
$h=0$ とし、$\sigma$ は $\mu_{N,\beta,0}$ に従うとする。
$G:=G_{\beta,0}$ とおくと $G(0)=G'(0)=0$、$G''(y)=\beta-\beta^2\operatorname{sech}^2(\beta y)$ で、$G(y)=\int_0^y(y-t)G''(t)\,dt$ である。$Y_N$ は thm-cw-hs のものとし、$a>0$ について $N^aY_N$ の密度は、$x=N^ay$ と変数を替えて $e^{-NG(xN^{-a})}$ に比例する。$\Phi_N(x):=NG(xN^{-a})$ とおく。
1。 $a=\frac12$ とする。$G''\ge\beta(1-\beta)>0$ なので、すべての $y$ で $G(y)\ge\frac{\beta(1-\beta)}2y^2$、すなわち $\Phi_N(x)\ge\frac{\beta(1-\beta)}2x^2$ である。一方 $G$ は $C^2$ 級なので、各 $x$ で $\Phi_N(x)=\frac{G(x/\sqrt N)}{(x/\sqrt N)^2}x^2\to\frac{G''(0)}2x^2=\frac{\beta(1-\beta)}2x^2$ である。有界連続関数 $\varphi$ について、優収束定理(優関数 $\sup\lvert\varphi\rvert\,e^{-\beta(1-\beta)x^2/2}$)を分子と分母に使うと
$$
E[\varphi(\sqrt NY_N)]=\frac{\int\varphi(x)e^{-\Phi_N(x)}\,dx}{\int e^{-\Phi_N(x)}\,dx}\to\frac{\int\varphi(x)e^{-\beta(1-\beta)x^2/2}\,dx}{\int e^{-\beta(1-\beta)x^2/2}\,dx}
$$
である。よって $\sqrt NY_N=M_N/\sqrt N+W$ は分散 $\frac1{\beta(1-\beta)}$ の正規分布に分布収束する。$W$ は $\sigma$ と独立で特性関数は $e^{-t^2/(2\beta)}$ なので、特性関数(確率論) の定理「Lévy の連続性定理」の 1 から、すべての $t$ で
$$
E\bigl[e^{itM_N/\sqrt N}\bigr]=e^{t^2/(2\beta)}E\bigl[e^{it\sqrt NY_N}\bigr]\to\exp\Bigl(-\frac{t^2}2\Bigl(\frac1{\beta(1-\beta)}-\frac1\beta\Bigr)\Bigr)=e^{-\frac{t^2}{2(1-\beta)}}
$$
である。右辺は分散 $\frac1{1-\beta}$ の正規分布の特性関数なので、同じ定理の 2 から結論を得る。
2。 $\beta=1$、$a=\frac14$ とする。$G''(t)=\tanh^2t$ である。$\tanh$ は $[0,\infty)$ で凹なので、$\lvert t\rvert\le1$ で $\lvert\tanh t\rvert\ge\lvert t\rvert\tanh1$、$\lvert t\rvert\ge1$ で $\lvert\tanh t\rvert\ge\tanh1$ である。$b:=\tanh^21/12$ とおくと、$\lvert y\rvert\le1$ で $G(y)\ge\tanh^21\int_0^{\lvert y\rvert}(\lvert y\rvert-t)t^2\,dt=by^4$ である。$G$ は凸で $G(0)=0$ なので、$\lvert y\rvert\ge1$ では $G(y)\ge\lvert y\rvert\,G(\pm1)\ge b\lvert y\rvert$ である。よって $G(y)\ge b\min(y^4,\lvert y\rvert)$ で、$N\ge1$ なら
$$
\Phi_N(x)\ge b\min\bigl(x^4,N^{3/4}\lvert x\rvert\bigr)\ge b\min(x^4,\lvert x\rvert)
$$
である。$\log\cosh y=\frac{y^2}2-\frac{y^4}{12}+O(y^6)$($y\to0$)なので $G(y)=\frac{y^4}{12}+O(y^6)$ で、各 $x$ で $\Phi_N(x)\to\frac{x^4}{12}$ である。1 と同じく優収束定理から、$N^{1/4}Y_N=M_N/N^{3/4}+WN^{-1/4}$ は密度 $c\,e^{-x^4/12}$ の分布に分布収束する。$WN^{-1/4}$ は $0$ に確率収束するので、分布収束 の記事の定理「Slutskyの定理」により $M_N/N^{3/4}$ も同じ分布に収束する。$\square$
2 は Ellis と Newman が 1978 年に示した(CS11 §2、p. 3)。同論文 Theorem 2.1(pp. 4–5)は、分布関数の差が $N^{-1/2}$ の定数倍以下であるという収束の速さも与えている。
ゆらぎと感受率. 1 の分散 $\frac1{1-\beta}$ は、次の命題の感受率(磁化の磁場についての微分)と一致する。揺れの大きさと、外から押したときの応答の大きさが同じ量で決まるという、統計力学の一般的な関係の最も簡単な例である。$\beta\uparrow1$ で両方が発散し、その発散が $\beta=1$ での尺度の変化 $N^{1/2}\to N^{3/4}$ として現れる。
$\beta$ についての指数が $\frac12$ であることは FV17 Theorem 2.9(p. 75)にもある。統計力学 の圧力の公式 $\max_m(g_\beta(m)+hm)$ の最大点の方程式も、$g_\beta'(m)=\beta m-\operatorname{artanh}m$ から同じ $m=\tanh(\beta m+h)$ になる。
$M_N=2k-N$ となる配置は $\binom Nk$ 個あるので、$P(M_N=2k-N)$ は $\binom Nk e^{\beta(2k-N)^2/(2N)}$ に比例し、厳密に計算できる。$N=4000$ で計算すると次のようになる。
| $\beta$ | 量 | $N=4000$ の値 | 極限 |
|---|---|---|---|
| $0.5$ | $E[(M_N/\sqrt N)^2]$ | $1.999$ | $2$ |
| $1$ | $E[(M_N/N^{3/4})^4]$ | $2.956$ | $3$ |
| $1.2$ | $E[\lvert m_N\rvert]$ | $0.6575$ | $m^*=0.6586$ |
$\beta=1$ の極限は、密度 $c\,e^{-x^4/12}$ について部分積分 $\int x^4e^{-x^4/12}dx=3\int e^{-x^4/12}dx$ から $3$ である。この $N$ では、極限との差がほかの行より大きい。
$\beta=1.2$、$h=0$ では $E[m_N]=0$ がすべての $N$ で成り立つ。一方、thm-cw-lln の 2 により、$N=4000$ でも $m_N$ はほぼ確実に $\pm0.66$ の近くにある。$m_N$ の分布は 2 つの山をもち、山の間の $0$ の近くの確率は $N$ について指数的に小さい。
各行は、上の定理の仮定を 1 つだけ外したものである。
| 外す条件 | 反例 | 成り立たなくなること |
|---|---|---|
| thm-cw-fluct の 1 の $\beta< 1$ | $\beta=1$ | $M_N/\sqrt N$ は緊密でなく、どの分布にも分布収束しない |
| thm-cw-lln の 1 の $\beta\le1$ | $\beta=1.2$、$h=0$ | $m_N$ は $0$ に確率収束せず、$\pm m^*$ に半分ずつ集まる |
| thm-cw-lln の 1 の $h=0$ | $\beta=0.5$、$h=0.1$ | $m_N$ は正の数 $m(0.5,0.1)\approx0.1949$ に確率収束する |
| すべての組が同じ強さで相互作用する | 1 次元の最近接の Isingモデル | 平均場方程式 $m=\tanh(2\beta m)$ は $2\beta>1$ で正の解をもつが、相転移は起こらない |
| 相互作用を $1/N$ で割る | 指数を $\frac\beta2M_N^2$ に替える | どの $\beta>0$ でも $\lvert m_N\rvert$ は $1$ に確率収束し、温度による違いが消える |
1 行目:$X$ を thm-cw-fluct の 2 の極限の分布に従う確率変数とする。$K>0$ について、$N$ が大きければ $KN^{-1/4}< \delta$ なので、$P(\lvert M_N/\sqrt N\rvert>K)=P(\lvert M_N/N^{3/4}\rvert>KN^{-1/4})\ge P(\lvert M_N/N^{3/4}\rvert>\delta)\to P(\lvert X\rvert>\delta)$ である($\delta>0$ は任意。$\{\lvert x\rvert>\delta\}$ の境界の確率は $0$)。$\delta\to0$ とすると下限は $1$ に近づくので、緊密でない。
3 行目:$m(0.5,0.1)$ は $y=\tanh(0.5y+0.1)$ の唯一の解で、数値計算で $0.1949$ である。$h=0$ の極限 $0$ とは異なる。
4 行目:1 次元の Ising モデルの圧力は実解析的で、自発磁化はすべての $\beta$ で $0$ である(Isingモデル の定理「転送行列の固有値」と系「1 次元に相転移はない」)。平均場方程式の $2\beta$ は、近傍の数 $2d$($d=1$)と $\beta$ の積である。平均場近似は、次元が低いと定性的にも誤る。
5 行目:$0< \delta< 1$ とする。全部 $+1$ の配置の重みは $e^{\beta N^2/2}$ で、$\lvert M_N\rvert\le(1-\delta)N$ の配置は $2^N$ 個以下、重みはどれも $e^{\beta N^2(1-\delta)^2/2}$ 以下なので、$P(\lvert m_N\rvert\le1-\delta)\le2^Ne^{-\beta N^2(1-(1-\delta)^2)/2}\to0$ である。エネルギーが $N^2$ に比例し、$N$ に比例するエントロピー $N\log2$ を圧倒するからである。
色の数を $q$ 個にした平均場の模型(Curie–Weiss–Potts モデル)は、Potts模型 の記事で扱う。$q\ge3$ では磁化に当たる量が臨界点で飛び、ここでの連続な相転移とは振る舞いが違う。グラフの上の結合の模型との関係は ランダムクラスターモデル にある。
平均場の模型としての導入、大数の法則、臨界指数は FV17 第 2 章(pp. 57–76)による。磁化の分布の大偏差の形の評価は同書 Proposition 2.5(p. 61)、Hubbard–Stratonovich 変換による圧力の計算は §2.5.2(p. 70)にある。臨界点のゆらぎの定理の帰属と収束の速さは CS11 による。thm-cw-hs・thm-cw-lln・thm-cw-fluct の証明は、Hubbard–Stratonovich 変換を確率変数の形で使って書き下ろしたものである。
Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する