Potts模型

同義語:PottsモデルPotts model

概要

Potts模型(Potts model)とは、グラフの各頂点に $q$ 個の色のどれかを置き、両端が同じ色の辺の個数 $n$ について $e^{\beta n}$ に比例する確率を与える確率測度で、$q=2$ では Ising モデルになる。分配関数は辺の部分集合についての和 $\sum_\omega(e^\beta-1)^{\lvert\omega\rvert}q^{k(\omega)}$ に展開でき、$\beta\to-\infty$ で彩色多項式を、各項を確率と読むとランダムクラスター模型を与える。全頂点の組が $\beta/N$ で相互作用する平均場の模型では、$q\ge3$ のとき $\beta_c=2(q-1)\log(q-1)/(q-2)$ で一様な状態から 1 色が多数を占める状態へ不連続に移る。正方格子の臨界の逆温度は $\log(1+\sqrt q)$ である。

$$\newcommand{C}[0]{\mathbb{C}} \newcommand{div}[0]{\mathbin{÷}} \newcommand{N}[0]{\mathbb{N}} \newcommand{Q}[0]{\mathbb{Q}} \newcommand{R}[0]{\mathbb{R}} \newcommand{Z}[0]{\mathbb{Z}} $$

前提知識: Isingモデル, グラフ, 彩色多項式, Lagrangeの未定乗数法

Potts 模型(Potts model)は、グラフの各頂点に $q$ 個の色のどれかを置き、辺の両端が同じ色である辺の個数に応じて確率を与える確率測度である。$q=2$ では Isingモデル と同じものになる。色の置換について対称で、$\pm1$ の符号の対称性しかない Ising モデルを、$q$ 個の状態の対称性に広げた最も簡単な模型である。
$q$ を大きくすると、相転移の様子が変わる。平均場の模型では $q=2$ の転移は連続であるのに、$q\ge3$ では、ある温度を境に、色の割合が一様な状態から 1 色が多数を占める状態へ不連続に移る。この記事では、この不連続性を完全に証明する(thm-potts-mf)。そのほかの内容は次のとおりである。

定義

$q\ge2$ を整数とし、色の集合を $[q]:=\{1,\dots,q\}$ とする。$G=(V,E)$ を有限のグラフ(ループなし)とし、$\Omega:=[q]^V$ とおく。辺 $e=\{x,y\}$ と $\sigma\in\Omega$ について $\delta_e(\sigma):=\mathbf{1}_{\sigma_x=\sigma_y}$ とする。

Potts 模型

$\beta\in\mathbb{R}$ とする。$G$ の上の $q$ 状態の Potts 模型 とは、$\Omega$ の上の確率測度
$$ \pi_{G,\beta,q}(\sigma):=\frac1{Z^{\mathrm{P}}_{G}(\beta,q)}\exp\Bigl(\beta\sum_{e\in E}\delta_e(\sigma)\Bigr) $$
である。$Z^{\mathrm{P}}_G(\beta,q)$ は分配関数である。$\beta>0$ を 強磁性、$\beta< 0$ を 反強磁性 という。

強磁性では同じ色の隣り合いが好まれ、反強磁性では異なる色が好まれる。どちらでも測度は色の置換で不変で、各頂点の色の周辺分布は一様である。この形は Gri18 (7.21)–(7.22)(p. 153)による。ハミルトニアンの係数の付け方は文献によって 2 倍違うことがあるので、数値を比べるときは規約を確かめる。

$q=2$ と Ising モデル

$q=2$ とし、色 $1,2$ を $+1,-1$ に読み替える。このとき $\pi_{G,\beta,2}$ は、外部磁場 $0$、逆温度 $\beta/2$ の Isingモデル に等しい。

$s,s'\in\{\pm1\}$ について $\mathbf{1}_{s=s'}=\frac12(1+ss')$ なので、$\beta\sum_e\delta_e=\frac{\beta\lvert E\rvert}2+\frac\beta2\sum_{\{x,y\}\in E}s_xs_y$ である。定数は正規化で消える。$\square$

分配関数の展開

辺の部分集合による展開

$\beta\in\mathbb{R}$ とし、$v:=e^\beta-1$ とおく。$\omega\subset E$ について、$(V,\omega)$ の連結成分の個数(孤立点も数える)を $k(\omega)$ とする。このとき
$$ Z^{\mathrm{P}}_G(\beta,q)=\sum_{\omega\subset E}v^{\lvert\omega\rvert}q^{k(\omega)} $$
である。

指数を 1 次式に開く

$\delta_e\in\{0,1\}$ なので $e^{\beta\delta_e}=1+v\delta_e$ である。積を展開すると
$$ \prod_{e\in E}(1+v\delta_e(\sigma))=\sum_{\omega\subset E}v^{\lvert\omega\rvert}\prod_{e\in\omega}\delta_e(\sigma) $$
である。$\prod_{e\in\omega}\delta_e(\sigma)$ は、$\sigma$ が $(V,\omega)$ の各連結成分の上で一定のとき $1$、そうでないとき $0$ である。そのような $\sigma$ は成分ごとに色を選んで $q^{k(\omega)}$ 個ある。$\sigma$ について和をとれば結論を得る。$\square$

右辺は $q$ の多項式なので、$q$ を正の実数に置き換えても意味をもつ。$\beta\ge0$ なら $p:=1-e^{-\beta}$ とおくと $v=p/(1-p)$ で、右辺は $(1-p)^{-\lvert E\rvert}\sum_\omega p^{\lvert\omega\rvert}(1-p)^{\lvert E\setminus\omega\rvert}q^{k(\omega)}$ となる。和の各項を確率と見たものが ランダムクラスターモデル である。そこで示す Edwards–Sokal の結合から、$\beta\ge0$ と $x,y\in V$ について
$$ \pi_{G,\beta,q}(\sigma_x=\sigma_y)-\frac1q=\Bigl(1-\frac1q\Bigr)\varphi_{p,q}(x\leftrightarrow y) $$
が成り立つ(右辺の $\varphi_{p,q}(x\leftrightarrow y)$ は、ランダムクラスター測度で $x,y$ が開いた辺でつながる確率。Gri18 Theorem 8.6、p. 158)。色の相関が連結の確率で書けるので、$\beta\ge0$ で 2 頂点の色が一致する確率は $1/q$ 以上である。

正しい彩色の個数

$G$ の頂点の正しい $q$ 彩色(隣り合う頂点が異なる色)の個数は
$$ P_G(q)=\sum_{\omega\subset E}(-1)^{\lvert\omega\rvert}q^{k(\omega)} $$
である。$G$ が正しい $q$ 彩色をもつなら、$\beta\to-\infty$ で $\pi_{G,\beta,q}$ は正しい $q$ 彩色の全体の上の一様分布に収束する。

prop-potts-fk で $\beta\to-\infty$($v\to-1$)とすると、左辺の各項 $e^{\beta\sum_e\delta_e(\sigma)}$ は、$\sum_e\delta_e(\sigma)=0$(正しい彩色)なら $1$、そうでなければ $0$ に近づく。よって左辺は正しい彩色の個数に、右辺は $\sum_\omega(-1)^{\lvert\omega\rvert}q^{k(\omega)}$ に近づく。後半も同じ極限で、正しい彩色の確率がどれも同じ極限 $1/P_G(q)$ をもち、ほかの配置の確率は $0$ に近づくことによる。$\square$

この式は彩色多項式の辺の部分集合による展開で、Tutte多項式 の特殊化の 1 つでもある。Potts 模型の分配関数は、温度を変数に加えて彩色多項式を広げたものと見ることができる。

1 次元の厳密な計算

$q\times q$ の行列 $T$ を $T_{ab}:=e^{\beta\mathbf{1}_{a=b}}$ で定める(転送行列)。$I$ を単位行列、$J$ を成分がすべて $1$ の行列とすると $T=(e^\beta-1)I+J$ である。

円周と道の Potts 模型

$\lambda_1:=e^\beta+q-1$、$\lambda_2:=e^\beta-1$ とおく。

  1. $n\ge3$ 頂点の閉路 $C_n$ について $Z^{\mathrm{P}}_{C_n}(\beta,q)=\lambda_1^n+(q-1)\lambda_2^n$ である。
  2. $n$ 頂点の道 $P_n$ について $Z^{\mathrm{P}}_{P_n}(\beta,q)=q\lambda_1^{n-1}$ で、距離 $r$ の 2 頂点 $x,y$ について
    $$ \pi_{P_n,\beta,q}(\sigma_x=\sigma_y)=\frac1q+\Bigl(1-\frac1q\Bigr)\Bigl(\frac{\lambda_2}{\lambda_1}\Bigr)^r $$
    である。
転送行列の固有値

$P:=J/q$ は全成分 $1$ のベクトル $\mathbf{1}$ の張る直線への直交射影で、$T=\lambda_1P+\lambda_2(I-P)$ である。よって $T^r=\lambda_1^rP+\lambda_2^r(I-P)$ である。

  1. 配置の和は $\sum_{\sigma}\prod_iT_{\sigma_i\sigma_{i+1}}=\operatorname{tr}T^n$(添字は $n$ を法として)で、$\operatorname{tr}P=1$、$\operatorname{tr}(I-P)=q-1$ による。
  2. $Z^{\mathrm{P}}_{P_n}=\mathbf{1}^{\top}T^{n-1}\mathbf{1}=q\lambda_1^{n-1}$ である。頂点を $1,\dots,n$ と並べ、$x< y=x+r$ とする。$x$ より左と $y$ より右の和は $T^k\mathbf{1}=\lambda_1^k\mathbf{1}$ で定数になるので、$(\sigma_x,\sigma_y)$ の分布は $(T^r)_{ab}$ に比例する。よって $\pi(\sigma_x=\sigma_y)=\operatorname{tr}T^r/\mathbf{1}^{\top}T^r\mathbf{1}=\frac{\lambda_1^r+(q-1)\lambda_2^r}{q\lambda_1^r}$ である。$\square$

$\beta>0$ なら $0< \lambda_2/\lambda_1< 1$ なので、色の相関は距離について指数的に消える。$n^{-1}\log Z^{\mathrm{P}}_{C_n}\to\log\lambda_1$ は $\beta$ の実解析的関数で、1 次元では相転移は起こらない。$\lambda_2/\lambda_1=\frac{e^\beta-1}{e^\beta-1+q}$ は、木の上のランダムクラスター測度で辺が開く確率 $\frac{p}{p+q(1-p)}$($p=1-e^{-\beta}$)に等しく、2 の式は上の相関と連結の関係の特別な場合になっている。

平均場の Potts 模型

Curie–Weissモデル と同じく、すべての組が同じ強さ $\beta/N$ で相互作用する模型を考える。$\sigma\in[q]^N$ について、色 $a$ の頂点の個数を $N_a(\sigma)$ とし、色の割合のベクトル $L_N:=(N_1/N,\dots,N_q/N)$ を 経験ベクトル という。これは単体 $\Delta:=\{x\in[0,1]^q\mid\sum_ax_a=1\}$ に値をとる。

平均場の Potts 模型

$\beta\ge0$ とする。$[q]^N$ の上の確率測度
$$ \pi_N(\sigma):=\frac1{Z_N}\exp\Bigl(\frac{\beta}{2N}\sum_{i,j=1}^N\mathbf{1}_{\sigma_i=\sigma_j}\Bigr)=\frac1{Z_N}\exp\Bigl(\frac{\beta N}2\lvert L_N(\sigma)\rvert^2\Bigr) $$
を 平均場の Potts 模型(Curie–Weiss–Potts モデル)という。ここで $\lvert x\rvert^2=\sum_ax_a^2$ である。さらに
$$ \phi_\beta(x):=\frac\beta2\lvert x\rvert^2-\sum_{a=1}^qx_a\log x_a\qquad(x\in\Delta,\ 0\log0=0) $$
とおき、$\phi_\beta$ の最大点の集合を $K_\beta$ とする。

2 つ目の等号は $\sum_{i,j}\mathbf{1}_{\sigma_i=\sigma_j}=\sum_aN_a^2$ による。CET05 の正準集団(p. 3)とそのエネルギーの表示 (2.1)(p. 4)も同じ測度を扱っている。$\phi_\beta$ の第 1 項はエネルギー、第 2 項は色の割合が $x$ である配置の数の指数(エントロピー)で、その釣り合いが典型的な $L_N$ を決める。

型の数え上げ

$n=(n_1,\dots,n_q)$ を和が $N$ の非負整数の組とし、$x:=n/N$、$H(x):=-\sum_ax_a\log x_a$ とおく。このとき
$$ (N+1)^{-q}e^{NH(x)}\le\frac{N!}{n_1!\cdots n_q!}\le e^{NH(x)} $$
である。

多項分布の最大の項

要点:多項分布の最大の項は全体の $(N+1)^{-q}$ 倍以上である。

証明を開く

和が $N$ の非負整数の組 $n'$ について $Q(n'):=\frac{N!}{\prod_an'_a!}\prod_ax_a^{n'_a}$ とおくと、多項定理から $\sum_{n'}Q(n')=1$ である。$Q(n)=\frac{N!}{\prod n_a!}e^{-NH(x)}\le1$ から右の不等式を得る。整数 $s,t\ge0$ について $s!/t!\le s^{s-t}$ であるから($s\ge t$ なら $t+1,\dots,s$ が $s$ 以下、$s< t$ なら $s+1,\dots,t$ が $s$ より大きい)、$x_a>0$ の色について$$\frac{Q(n')}{Q(n)}=\prod_a\frac{n_a!}{n'_a!}x_a^{n'_a-n_a}\le\prod_a(Nx_a)^{n_a-n'_a}x_a^{n'_a-n_a}=N^{\sum_a(n_a-n'_a)}=1$$である($x_a=0$ の色について $n'_a>0$ なら $Q(n')=0$)。$n'$ は $(N+1)^q$ 個以下なので $Q(n)\ge(N+1)^{-q}$ で、左の不等式を得る。$\square$

経験ベクトルの集中

$\beta\ge0$、$\varepsilon>0$ とする。$N\to\infty$ で $\pi_N\bigl(\operatorname{dist}(L_N,K_\beta)\ge\varepsilon\bigr)\to0$ である。

要点:lem-potts-types で、最大点から離れた部分の重みを分配関数と比べる。

証明を開く

$L_N=x$ となる配置は $N!/\prod_a(Nx_a)!$ 個で、その確率はどれも $Z_N^{-1}e^{\beta N\lvert x\rvert^2/2}$ である。$F:=\{x\in\Delta\mid\operatorname{dist}(x,K_\beta)\ge\varepsilon\}$ はコンパクトで $K_\beta$ と交わらないので、$\gamma:=\max_\Delta\phi_\beta-\max_F\phi_\beta>0$ である。lem-potts-types の右の不等式から、$L_N\in F$ となる確率は $Z_N^{-1}(N+1)^qe^{N(\max\phi_\beta-\gamma)}$ 以下である。一方 $x^*\in K_\beta$ をとり、$\lvert x_N-x^*\rvert\le q/N$ となる $x_N\in\Delta\cap N^{-1}\mathbb{Z}^q$ をとると、左の不等式から $Z_N\ge(N+1)^{-q}e^{N\phi_\beta(x_N)}$ である。$\phi_\beta$ は $\Delta$ で一様連続なので、$N$ が大きければ $\phi_\beta(x_N)\ge\max\phi_\beta-\gamma/2$ で、確率は $(N+1)^{2q}e^{-N\gamma/2}\to0$ 以下である。$\square$

$K_\beta$ を決めるのが次の定理である。$u:=(\frac1q,\dots,\frac1q)$ を一様なベクトルとし、$0\le m< 1$ について
$$ x(m):=\Bigl(\frac{1+(q-1)m}q,\frac{1-m}q,\dots,\frac{1-m}q\Bigr)\in\Delta $$
とおく(1 色だけが割合 $\frac{1+(q-1)m}q$ をもつ)。

平均場の Potts 模型の不連続な相転移

$q\ge3$ とし、
$$ \beta_c:=\frac{2(q-1)\log(q-1)}{q-2},\qquad m^*:=\frac{q-2}{q-1} $$
とおく。

  1. $0\le\beta< \beta_c$ なら $K_\beta=\{u\}$ である。
  2. $\beta=\beta_c$ なら、$K_\beta$ は $u$ と、$x(m^*)$ の成分を置換した $q$ 個の点からなる。
  3. $\beta>\beta_c$ なら $u\notin K_\beta$ で、$K_\beta$ のどの点も、ある $m\ge m^*$ についての $x(m)$ の成分の置換である。

thm-potts-conc と合わせると、$\beta< \beta_c$ ではすべての色の割合が $1/q$ に近づき、$\beta>\beta_c$ では、ある 1 色の割合が $\frac{1+(q-1)m^*}q=1-\frac1q$ 以上の値に集中する。最大の色の割合の極限は $\beta_c$ で $\frac1q$ から $1-\frac1q$ 以上へ飛ぶ。

最大点の形を絞り、1 変数の不等式に帰着する

段 1(最大点は内部にあり、成分は 2 種類)。 $\phi_\beta$ は $\Delta$ で連続なので最大点をもつ。$x\in\Delta$ で $x_a=0$ とし、$x_b>0$ となる $b$ をとる。$x_t:=x+t(e_a-e_b)$($e_a$ は単位ベクトル)について、小さい $t>0$ で
$$ \frac{d}{dt}\phi_\beta(x_t)=\beta(x_a-x_b+2t)-\log t+\log(x_b-t)\to+\infty\quad(t\downarrow0) $$
なので、$x$ は最大点でない。よって最大点 $x$ は $\Delta$ の内部にある。$a\ne b$ について $t\mapsto\phi_\beta(x+t(e_a-e_b))$ は $t=0$ で最大になるので、1 階微分が $0$、2 階微分が $0$ 以下である。$\psi(s):=\beta s-\log s$ とおくと
$$ \psi(x_a)=\psi(x_b),\qquad\Bigl(\beta-\frac1{x_a}\Bigr)+\Bigl(\beta-\frac1{x_b}\Bigr)\le0 $$
である。$\beta=0$ なら $\psi(s)=-\log s$ は狭義減少なので成分はすべて等しく、最大点は $u$ である。$\beta>0$ のとき、後者から、$1/\beta$ より大きい成分は高々 1 つである。$\psi$ は $(0,1/\beta)$ で狭義減少、$(1/\beta,\infty)$ で狭義増加なので、$\psi(s)=\psi(t)$、$s< t$ なら $s< 1/\beta< t$ である。よって最大点の成分のとる値は高々 2 種類で、2 種類 $s< t$ なら $t$ をとる成分はちょうど 1 つである。$t>s$ と $t+(q-1)s=1$ から $t>\frac1q$ で、$m:=\frac{qt-1}{q-1}\in(0,1)$ とおけば、最大点は $x(m)$ の成分の置換である。
段 2(1 変数の関数)。 $\lvert x(m)\rvert^2=\frac{1+(q-1)m^2}q$ と、成分の対数を $\log\frac{1+(q-1)m}q$、$\log\frac{1-m}q$ と書いた計算から
$$ \phi_\beta(x(m))-\phi_\beta(u)=\frac{q-1}q\Bigl(\bigl(\tfrac\beta2-c\bigr)m^2-\Lambda(m)\Bigr) $$
である。ここで $r:=q-1\ge2$、$c:=\frac{r\log r}{r-1}=\frac{\beta_c}2$、
$$ \Lambda(m):=\frac{(1+rm)\log(1+rm)}r+(1-m)\log(1-m)-cm^2\qquad(0\le m< 1) $$
とおいた。$m^*=\frac{r-1}r$ では $1+rm^*=r$、$1-m^*=\frac1r$ なので、$\Lambda(m^*)=\log r-\frac{\log r}r-\frac{(r-1)\log r}r=0$ である。
段 3($\Lambda\ge0$ で、$0$ になるのは $m=0,m^*$ だけ)。 $\Lambda(0)=0$、$\Lambda'(m)=\log(1+rm)-\log(1-m)-2cm$、$\Lambda'(0)=0$、$\Lambda'(m^*)=2\log r-2c\frac{r-1}r=0$ である。$\Lambda''(m)=\frac r{1+rm}+\frac1{1-m}-2c$ は凸関数の和なので凸で、$m\to1$ で $+\infty$ に近づく。さらに $\Lambda''(0)=r+1-2c>0$ である。実際 $g(r):=r-\frac1r-2\log r$ は $g(1)=0$、$g'(r)=(1-\frac1r)^2>0$ なので $r>1$ で正で、これは $2c< r+1$ と同値である。
$\Lambda''$ は凸なので、$\{\Lambda''< 0\}$ は区間 $(\alpha,\gamma)$(空でもよい)で、$\Lambda'$ は $[0,\alpha]$ で増加、$[\alpha,\gamma]$ で減少、$[\gamma,1)$ で増加する。$\Lambda'(0)=0$ なので $(0,\alpha]$ で $\Lambda'>0$ である。もしこの区間が空か $\Lambda'(\gamma)\ge0$ なら、$\Lambda'$ は $(0,1)$ で高々 1 点を除いて正なので、$\Lambda$ は狭義増加で $\Lambda(m^*)>0$ となり矛盾する。よって $\Lambda'(\gamma)< 0$ で、$m\to1$ で $\Lambda'(m)\to+\infty$ なので、$\Lambda'$ は $(\alpha,\gamma)$ と $(\gamma,1)$ にちょうど 1 つずつ零点 $m_1< m_2$ をもち、符号は $(0,m_1)$ で正、$(m_1,m_2)$ で負、$(m_2,1)$ で正である。$m^*$ は $\Lambda'$ の零点で、$\Lambda(m_1)>\Lambda(0)=0=\Lambda(m^*)$ なので $m^*=m_2$ である。よって $\Lambda$ は $(0,m_1]$ で正、$[m_1,m^*]$ で減少して $0$、$[m^*,1)$ で増加する。
段 4(結論)。 $\beta< \beta_c$ なら $\frac\beta2-c< 0$ なので、すべての $m\in(0,1)$ で $\phi_\beta(x(m))< \phi_\beta(u)$ で、段 1 から $K_\beta=\{u\}$ である。$\beta=\beta_c$ なら差は $-\frac{q-1}q\Lambda(m)$ で、$0$ になるのは $m=m^*$ だけなので 2 を得る。$\beta>\beta_c$ なら $m=m^*$ で差は $\frac{q-1}q(\frac\beta2-c)(m^*)^2>0$ なので $u\notin K_\beta$ である。$x(m)$ の置換が最大点なら、差が $m^*$ での値以上なので $(\frac\beta2-c)m^2\ge(\frac\beta2-c)(m^*)^2+\Lambda(m)\ge(\frac\beta2-c)(m^*)^2$、すなわち $m\ge m^*$ である。$\square$

$\beta>\beta_c$ で $K_\beta$ がちょうど $q$ 点からなり、その $m$ が $\beta$ について連続に増えることは CET05 Theorem 3.1(p. 5)にある。同論文は臨界値の式 (3.1) と $x(m^*)=(1-\frac1q,\frac1{q(q-1)},\dots)$ を述べ、相転移が不連続であることを強調している。上の証明はそれとは別の、段 1 の 2 階の条件で最大点の形を絞る方法である。
$q=2$ との比較. $q=2$ では prop-potts-ising と同じ計算で $\pi_N$ は逆温度 $\beta/2$ の Curie–Weissモデル になり、転移は $\beta=2$ で連続に起こる。実際 $\beta_c$ の式は $q\to2$ で $2$ に近づくが、$m^*=\frac{q-2}{q-1}\to0$ となり、飛びが消える。$q=3$ では $\beta_c=4\log2\approx2.773$、$x(m^*)=(\frac23,\frac16,\frac16)$ で、最大の色の割合は $\frac13$ から $\frac23$ 以上へ飛ぶ。

格子の上の Potts 模型

$\mathbb{Z}^d$($d\ge2$)の上では、有限の箱で境界の色を $1$ に固定した測度の極限をとり、
$$ M(\beta,q):=\lim_{\Lambda\uparrow\mathbb{Z}^d}\pi^1_{\Lambda,\beta,q}(\sigma_0=1)-\frac1q $$
を 磁化 とする。$\beta\ge0$、$p=1-e^{-\beta}$ について $M(\beta,q)=(1-\frac1q)\theta^1(p,q)$ で、$\theta^1(p,q)$ は境界の辺をすべて開いたランダムクラスター測度の無限体積極限で原点が無限の成分に属する確率である(Gri18 pp. 164–165)。よって Potts 模型の臨界の逆温度 $\beta_c(q)$ は、ランダムクラスター模型の臨界確率 $p_c(q)$ と $p_c(q)=1-e^{-\beta_c(q)}$ で結ばれる。

正方格子の臨界点(Beffara–Duminil-Copin)

$q\ge1$ について、$\mathbb{Z}^2$ のランダムクラスター模型の臨界確率は $p_c(q)=\frac{\sqrt q}{1+\sqrt q}$ である。したがって $q\ge2$ について、$\mathbb{Z}^2$ の $q$ 状態の Potts 模型の臨界の逆温度は
$$ \beta_c(q)=\log(1+\sqrt q) $$
である。

主張の所在

前半は Gri18 Theorem 8.25(p. 168)で、ここでは証明しない。後半は $1-e^{-\beta}=\frac{\sqrt q}{1+\sqrt q}$ を解いたものである。$p_c(q)$ は平面の双対性で決まる自己双対点で、その説明は ランダムクラスターモデル にある。$q=2$ では $\beta_c=\log(1+\sqrt2)$ で、prop-potts-ising の $\beta/2$ の読み替えにより、Ising モデルの臨界の逆温度 $\frac12\log(1+\sqrt2)$ と一致する。

転移の種類は $q$ で変わる。$\mathbb{Z}^2$ では、転移は $1\le q\le4$ で連続($\theta^1(p,q)\to0$ ($p\downarrow p_c$))、$q\ge5$ で不連続である。この区別は、2017 年 12 月の時点の概説 DC18 の Figure 6(p. 17)と §5.2(pp. 17–18)にまとめられている(連続と不連続の定義と二分法は同 Theorem 5.1、p. 16)。Gri18 p. 164 も、2 次元で境目が $4$ であることが証明されたと述べ、あわせて、$q$ が十分大きいときに転移が不連続であることの証明を挙げている。平均場の thm-potts-mf は $q\ge3$ で不連続な転移を与えるが、2 次元の境目は $q=3$ ではなく $q=4$ と $q=5$ の間にある。平均場の模型が格子の模型の性質をそのまま映すわけではない。

例

三角形の彩色

$G=K_3$(三角形)では、辺の部分集合は空集合($k=3$)、1 辺(3 通り、$k=2$)、2 辺(3 通り、$k=1$)、3 辺($k=1$)である。cor-potts-chromatic から
$$ P_{K_3}(q)=q^3-3q^2+3q-q=q(q-1)(q-2) $$
で、頂点に順に色を選ぶ数え方と一致する。$K_4$ では $P_{K_4}(3)=0$ である。

3 色の平均場の模型

$q=3$ のとき、単体を刻み幅 $\frac1{600}$ の格子で区切って $\phi_\beta$ の最大点を探すと、$\beta=2.5,\ 2.7$ では $u$、$\beta=4\log2$ では $u$ と $(\frac23,\frac16,\frac16)$ の置換(値が一致)、$\beta=2.85$ では $(0.74,0.13,0.13)$ の置換、$\beta=3.2$ では最大の成分が約 $0.87$ の点の置換である。$N$ 個の頂点の正確な分布でも、最大の色の割合が $\frac23$ 以上になる確率は、$\beta=2.5$ で $N=300$ のとき約 $2\times10^{-4}$、$N=1200$ のとき約 $2\times10^{-13}$、$\beta=3$ で $N=1200$ のとき $0.9999998$ 以上である。

反例

外す条件反例成り立たなくなること
thm-potts-mf の $q\ge3$$q=2$転移は $\beta=2$ で連続になり、最大の色の割合は飛ばない
色の一致の確率が $\frac1q$ 以上になるための $\beta\ge0$1 辺のグラフで $\beta< 0$$\pi(\sigma_x=\sigma_y)=\frac{e^\beta}{e^\beta+q-1}< \frac1q$
cor-potts-chromatic 後半の、正しい $q$ 彩色の存在$K_{q+1}$$P_{K_{q+1}}(q)=0$ で、$\beta\to-\infty$ の極限は同色の辺が最も少ない配置の上に集まる
def-potts-mf の相互作用の係数 $\frac1N$係数 $\frac\beta2$ のまま $N\to\infty$どの $\beta>0$ でも 1 色がほぼ全体を占め、相転移が消える
次元 $d\ge2$1 次元の道と閉路すべての $\beta$ で相関が指数的に消え、自由エネルギーは解析的
係数 $1/N$ を外した場合

重み $\exp(\frac\beta2\sum_aN_a^2)$($\beta>0$)を考え、$0< \delta< 1$ とする。最大の色の割合が $1-\delta$ 以下の配置では $\sum_aN_a^2\le\max_aN_a\cdot\sum_aN_a\le(1-\delta)N^2$ なので、重みは $e^{\beta(1-\delta)N^2/2}$ 以下で、その個数は $q^N$ 以下である。単色の配置は $q$ 個あり、重みは $e^{\beta N^2/2}$ である。よってその確率は $q^{N-1}e^{-\beta\delta N^2/2}$ 以下で、$N\to\infty$ で $0$ に近づく。$\delta$ は任意なので、どの $\beta>0$ でも最大の色の割合は $1$ に確率収束する。

文献

  • Gri18 §7.3、§8.1、§8.3、§8.5(Potts 模型の定義、ランダムクラスター模型との関係、無限体積の磁化、正方格子の臨界点)。
  • CET05 §3(平均場の Potts 模型の最大点の完全な記述)。
  • DC18 §5(2 次元の転移の種類)。

関連項目

参考文献

[1]
Geoffrey Grimmett, Probability on Graphs: Random Processes on Graphs and Lattices, Cambridge University Press, 2018, §7.3、(7.21)–(7.22)(p. 153)、§8.1、Theorem 8.6(p. 158)、§8.3(pp. 164–165)、Theorem 8.25(p. 168)(著者公開稿の番号と頁)
[2]
Marius Costeniuc, Richard S. Ellis, Hugo Touchette, Complete analysis of phase transitions and ensemble equivalence for the Curie–Weiss–Potts model, Journal of Mathematical Physics 46 (2005),, 2005, 正準集団の定義(p. 3)、(2.1)(p. 4)、Theorem 3.1・(3.1)(p. 5)。頁は arXiv:cond-mat/0410744v1 の版による
[3]
Hugo Duminil-Copin, Sixty years of percolation, Proceedings of the International Congress of Mathematicians (Rio de Janeiro 2018), 2018, §5、Theorem 5.1(p. 16)・Figure 6(p. 17)・§5.2(pp. 17–18)。頁は arXiv:1712.04651v1 の版による

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