有限尺寸标度¶

Monte Carlo 模拟只能处理有限系统。临界现象真正关心的是热力学极限

\[ L\to\infty, \]

因此需要一套方法，把不同尺寸 \(L\) 的数据组织成临界点、临界指数和普适函数的信息。有限尺寸标度的核心思想很简单：

有限系统中，系统尺寸 \(L\) 会截断相关长度 \(\xi\) 的发散。

所以临界附近的观测量不只依赖温度偏离量 \(t\)，还依赖

\[ \frac{L}{\xi}. \]

RG 给出这句话的精确形式。

RG 图像¶

重整化群的核心步骤是：

把短距离自由度粗粒化。
重新定义长度单位。
观察耦合参数如何流动。

对有限尺寸系统来说，若做尺度因子为 \(b\) 的 RG，线性尺寸变为

\[ L\to L'=\frac{L}{b}. \]

格点数从

\[ L^d \]

变成

\[ \left(\frac{L}{b}\right)^d. \]

一个粗粒化格点代表原来的

\[ b^d \]

个微观格点。例如二维 \(8\times8\) 格子取 \(b=2\)，粗粒化后变成 \(4\times4\) 格子，自由度数减少四倍。

这里要分清主动和被动两种视角。主动地看，block spin 使格点间距变大：

\[ a\to a'=ba. \]

被动地看，我们用粗粒化后的坐标系重新描述同一段长度：

\[ x\to x'=\frac{x}{b}, \qquad x=bx'. \]

二者讲的是同一个 RG 过程，只是强调不同：

说法	数学写法	直觉
格点间距变大	\(a'=ba\)	一个新格点代表 \(b\) 个旧格点的线性长度
坐标缩小	\(x'=x/b\)	原来长度为 \(b\) 的距离，在新坐标里记作 \(1\)
重新归一化	把 \(a'\) 再记作 \(a\)	让粗粒化后的模型可以和原模型比较

因此 \(8\times8\to4\times4\) 是自由度数的变化；\(x'=x/b\) 是坐标单位的重新计量。

参数为什么也要缩放¶

空间变换会诱导 coupling 的变换。温度偏离量 \(t\) 控制相关长度：

\[ \xi(t)\sim |t|^{-\nu}. \]

做 RG 后，长度在新坐标中缩小 \(b\) 倍：

\[ \xi'=\frac{\xi}{b}. \]

粗粒化后的系统仍然应满足同样的相关长度形式：

\[ \xi(t')\sim |t'|^{-\nu}. \]

于是要求

\[ \xi(t')=\frac{\xi(t)}{b}. \]

代入幂律形式：

\[ |t'|^{-\nu} = \frac{|t|^{-\nu}}{b}. \]

因此

\[ t'=tb^{1/\nu}. \]

所以

\[ \boxed{y_t=\frac1\nu}. \]

这说明

\[ t\to tb^{y_t} \]

和

\[ x\to \frac{x}{b} \]

是直接关联的：前者是空间尺度变换诱导出的温度 scaling field 变换。临界点 \(t=0\) 在 RG 下仍然满足 \(t'=0\)，因此它是固定点；只要 \(t\ne0\)，若 \(y_t>0\)，多次 RG 后

\[ t_n=t b^{ny_t} \]

会越来越大，系统就离开临界固定点。

磁场同理：

\[ h\to hb^{y_h}. \]

在 LGW 语言里，\(t\) 是 \(\phi^2\) 算符的 coupling，\(h\) 是 \(\phi\) 算符的 coupling。更一般地，若

\[ \delta\mathcal H = g\int d^dx\,\mathcal O(x), \]

且 \(\mathcal O\) 的 scaling dimension 是 \(\Delta_{\mathcal O}\)，则

\[ g'=g b^{d-\Delta_{\mathcal O}}. \]

因此

\[ y_g=d-\Delta_{\mathcal O}. \]

这就是 relevant、irrelevant 和 marginal 的来源：

\(y_g>0\)：扰动在大尺度下放大，是 relevant。
\(y_g<0\)：扰动在大尺度下衰减，是 irrelevant。
\(y_g=0\)：扰动为 marginal，需要看更高阶流方程。

自由能的有限尺寸标度¶

临界理论中，更精确的写法要区分解析背景和奇异部分：

\[ f(t,h,\{u_i\},L) = f_a(t,h,\{u_i\},L) + f_s(t,h,\{u_i\},L). \]

其中 \(f_a\) 是 regular analytic background，\(f_s\) 是临界奇异部分，\(\{u_i\}\) 表示 irrelevant scaling fields。RG 标度形式为

\[ \boxed{ f_s(t,h,\{u_i\},L) = b^{-d} f_s(tb^{y_t},hb^{y_h},\{u_i b^{y_i}\},L/b). } \]

这里

\[ y_t>0,\qquad y_h>0, \]

而 irrelevant fields 满足

\[ y_i<0. \]

前面的 \(b^{-d}\) 来自体积密度。用坐标变换写：

\[ x'=\frac{x}{b}, \qquad d^dx'=b^{-d}d^dx. \]

自由能密度是每单位体积的量，所以它要带上这个体积因子。

有限尺寸标度的关键一步是取

\[ b=L. \]

这相当于把整个有限系统缩放成单位大小：

\[ \frac{L}{b}=1. \]

于是

\[ \boxed{ f_s(t,h,\{u_i\},L) = L^{-d} \mathcal F(tL^{y_t},hL^{y_h},\{u_iL^{y_i}\}). } \]

这就是有限尺寸标度的母公式。它说明有限系统中所有临界奇异性都应当通过无量纲组合

\[ tL^{y_t},\qquad hL^{y_h},\qquad u_iL^{y_i} \]

进入。

特别地，

\[ tL^{y_t} \]

表示温度偏离量在系统尺度 \(L\) 上的有效强度。若

\[ tL^{y_t}\ll1, \]

系统在尺寸 \(L\) 内仍然看起来接近临界；若

\[ tL^{y_t}\gg1, \]

系统在达到尺度 \(L\) 之前已经明显偏离临界点。

从有限尺寸标度回到热力学极限¶

自由能标度形式不仅能描述有限系统，也能推出热力学极限中的奇异性。先忽略外场和 irrelevant fields，写成

\[ f_s(t,L) = L^{-d}\mathcal F(tL^{y_t}). \]

令

\[ x=tL^{y_t}. \]

在热力学极限中，取 \(L\to\infty\) 且固定 \(t\ne0\)，则

\[ x\to\infty. \]

这时有限尺寸自由能密度应当趋向只依赖 \(t\)、不再依赖 \(L\) 的热力学极限：

\[ f_s(t,L)\to f_s(t). \]

因此 \(L^{-d}\mathcal F(tL^{y_t})\) 中显式的 \(L\) 必须被标度函数的大参数行为抵消。若假设

\[ \mathcal F(x)\sim x^p,\qquad x\to\infty, \]

则

\[ f_s(t,L) \sim L^{-d}(tL^{y_t})^p = t^p L^{-d+py_t}. \]

为了让热力学极限不依赖 \(L\)，需要

\[ -d+py_t=0. \]

所以

\[ p=\frac{d}{y_t}, \]

从而得到

\[ \boxed{ f_s(t)\sim |t|^{d/y_t}. } \]

这个关系就是 hyperscaling 的一种写法。因为 \(y_t=1/\nu\)，它也常写成

\[ f_s(t)\sim \xi^{-d}\sim |t|^{d\nu}. \]

能量密度是自由能密度对温度变量的一阶导数，因此奇异部分满足

\[ e_s(t) \sim \frac{\partial f_s}{\partial t} \sim |t|^{d/y_t-1}. \]

如果

\[ y_t>d, \]

那么

\[ \frac{d}{y_t}-1<0, \]

能量密度的奇异部分会在 \(t\to0\) 时发散。对普通局域统计模型，这通常不是连续相变中期望出现的行为，因为能量密度是每个格点局域能量的平均。连续相变中比热可以发散，但能量密度本身通常仍然有限。

同一个结论也可以直接从有限尺寸形式看出。对 \(t\) 求导：

\[ e_s(t,L) = \frac{\partial f_s(t,L)}{\partial t} = L^{-d+y_t}\mathcal F'(tL^{y_t}). \]

在临界点 \(t=0\)，

\[ e_s(0,L)\sim L^{y_t-d}. \]

因此：

情况	\(e_s(0,L)\) 的行为	解释
\(y_t<d\)	\(L^{y_t-d}\to0\)	普通连续相变，能量密度的奇异部分不发散
\(y_t=d\)	\(O(1)\)	一级相变的体积型有限尺寸标度，能量密度可以有跃变
\(y_t>d\)	随 \(L\) 发散	对普通局域模型通常不合理

这里要注意两个限制。

第一，上述推导依赖普通 hyperscaling，也就是奇异自由能密度由相关体积控制：

\[ f_s\sim \xi^{-d}. \]

在上临界维度以上，dangerously irrelevant variable 会破坏简单 hyperscaling。因此不能直接用这段推导判断高维 PBC 零模标度中的所有有效指数。

第二，BKT 相变不属于普通幂律相关长度发散。BKT 中

\[ \xi(t) \sim \exp\left(\frac{c}{\sqrt{|t|}}\right), \]

不能简单写成 \(tL^{y_t}\) 并取一个有限的 \(y_t\)。若硬要用 \(y_t=1/\nu\) 类比，则 \(\nu=\infty\)，等效为

\[ y_t=0. \]

更自然的有限尺寸形式是

\[ f_s(t,L) = L^{-d}\mathcal G\left(\frac{L}{\xi(t)}\right). \]

常见观测量的标度¶

从自由能对外场求导，可以得到磁化和磁化率的标度。磁化为

\[ m=-\frac{\partial f_s}{\partial h}. \]

由自由能标度可得

\[ m(t,L) = L^{-d+y_h} f_m(tL^{y_t}). \]

利用

\[ \frac{\beta}{\nu}=d-y_h, \qquad y_t=\frac1\nu, \]

写成常见形式：

\[ \boxed{ m(t,L)=L^{-\beta/\nu}f_m(tL^{1/\nu}). } \]

磁化率为

\[ \chi=\frac{\partial m}{\partial h} = -\frac{\partial^2 f_s}{\partial h^2}. \]

因此

\[ \chi(t,L) = L^{-d+2y_h} f_\chi(tL^{y_t}). \]

也就是

\[ \boxed{ \chi(t,L)=L^{\gamma/\nu}f_\chi(tL^{1/\nu}). } \]

比热来自对温度变量的二阶导数：

\[ C\sim \frac{\partial^2 f_s}{\partial t^2}, \]

所以

\[ \boxed{ C(t,L)=L^{\alpha/\nu}f_C(tL^{1/\nu}). } \]

在临界点 \(t=0\)，这些式子退化为幂律：

\[ m(0,L)\sim L^{-\beta/\nu}, \]

\[ \chi(0,L)\sim L^{\gamma/\nu}, \]

\[ C(0,L)\sim L^{\alpha/\nu}. \]

这些临界点处的尺寸依赖，是 Monte Carlo 中估计指数比的常用方法。

无量纲量与交点¶

无量纲量在 FSS 中尤其重要，因为它们没有额外的 \(L\) 幂次。典型例子包括：

Binder ratio。
相关长度比 \(\xi_L/L\)。
percolation 或 loop 模型中的 wrapping probability。

以 Ising 型序参量为例，Binder ratio 常写为

\[ U_4 = 1-\frac{\langle m^4\rangle}{3\langle m^2\rangle^2}. \]

它的标度形式为

\[ U_4(t,L) = F_U(tL^{y_t},\{u_iL^{y_i}\}). \]

若先忽略 irrelevant fields，则

\[ U_4(t,L)=F_U(tL^{1/\nu}). \]

在临界点 \(t=0\)：

\[ U_4(0,L)=F_U(0), \]

近似与 \(L\) 无关。因此不同尺寸的 Binder ratio 曲线会在临界点附近相交。实际数据中交点会随尺寸漂移，这个漂移正是有限尺寸修正的表现。

wrapping probability 或 \(\xi_L/L\) 也有类似结构：

\[ R(t,L)=F_R(tL^{y_t},\{u_iL^{y_i}\}). \]

这类量常用于定位 \(T_c\)，因为它们不需要先知道 \(\beta/\nu\) 或 \(\gamma/\nu\)。

上临界维度以上的有限尺寸标度¶

前面的有限尺寸标度默认系统由一个相互作用固定点控制，有限尺寸的主要作用是把相关长度截断在 \(L\)。在上临界维度以上，情况会更微妙。以短程 Ising 或 \(\phi^4\) 理论为例，上临界维度是

\[ d_c=4. \]

当 \(d>4\) 时，四次耦合 \(u\) 在 Gaussian 固定点下是 irrelevant：

\[ y_u=4-d<0. \]

但它又不能简单丢掉。若直接令 \(u=0\)，Landau 自由能在临界点附近无法稳定零模。因此 \(u\) 是一个 dangerously irrelevant variable：它在 RG 意义下无关，却会影响有限系统中磁化、磁化率等量的尺寸标度。

这会导致一个常见现象：高维周期边界系统中，零动量模像一个平均场自由度，给出体积控制的标度。Landau 零模自由能可粗略写成

\[ F_0(m) \sim L^d \left( \frac{t}{2}m^2+\frac{u}{4}m^4-hm \right). \]

在临界点 \(t=0,h=0\)，典型磁化涨落由

\[ L^d u m^4\sim 1 \]

估计，因此

\[ m\sim L^{-d/4}. \]

于是磁化率

\[ \chi = L^d\langle m^2\rangle \]

满足

\[ \chi\sim L^{d/2}. \]

这个结果看起来不像普通的

\[ \chi\sim L^{\gamma/\nu}=L^2 \]

平均场标度。差别来自周期边界下零模的强有限尺寸效应。它不表示热力学极限中的平均场指数错了，而是说明在有限系统中，长度 \(L\) 和体积 \(L^d\) 可能以不同方式进入不同观测量。

因此上临界维度以上常会出现两套有用语言。

第一套是 Gaussian 固定点的长度标度：

\[ y_t=2,\qquad y_h=\frac{d+2}{2}. \]

它来自长波非零动量模式，常和关联函数、小动量结构因子、有限波矢涨落有关。

第二套是零模或完全图式的体积标度。若用有限系统体积控制临界涨落，可以得到有效组合

\[ tL^{d/2}, \qquad hL^{3d/4}, \]

以及

\[ m\sim L^{-d/4}, \qquad \chi\sim L^{d/2}. \]

这两套描述并不是互相否定，而是在提醒我们：上临界维度以上，有限尺寸系统中不同观测量可能受不同尺度控制。特别是周期边界条件会让零模非常突出；自由边界或不同定义的有限尺寸关联长度可能表现出不同修正。

从 Monte Carlo 角度，这一点很实际。如果在 \(d>4\) 的 Ising 模型或强长程平均场区间分析数据，不应机械套用低维形式

\[ Q(t,L)=F_Q(tL^{1/\nu}). \]

需要先判断观测量主要看的是零模、非零动量涨落，还是几何 cluster。否则同一批数据可能看起来给出“两个不同的平均场指数”。

高维 PBC 的 FSS¶

上面的讨论说明，在上临界维度以上，PBC 系统不能只说“平均场指数”。更准确地说，高维周期边界系统同时包含两个平均场扇区：一个是 Gaussian fixed point, GFP，对应非零动量的空间涨落；另一个是 complete-graph, CG，对应周期盒子中的零动量模。它们都来自平均场思想，但控制的观测量不同。

这套 GFP+CG 图像本身已经足够指导有限尺寸分析。若回到 \(\phi^4\) 的 RG 语言，CG 零模项的理论来源可以理解为 dangerous irrelevant variable：四次耦合 \(u\) 在 \(d>4\) 是 irrelevant，但它仍负责稳定零模自由能，因此不能在零模扇区简单设为零。也就是说，GFP+CG 是标度结构，dangerous irrelevant variable 是解释这个结构为什么出现的一种 RG 机制。

对 \(d>d_c=4\) 的短程 Ising 普适类，可以把自由能密度写成两项：

\[ f(t,h,L) = L^{-d} \tilde f_{\rm GF} \left( tL^2, hL^{(d+2)/2} \right) + L^{-d} \tilde f_{\rm CG} \left( tL^{d/2}, hL^{3d/4} \right). \]

第一项含有 GFP 指数

\[ \left( y_t^{\rm GF},y_h^{\rm GF} \right) = \left( 2,\frac{d+2}{2} \right), \]

第二项含有 CG 指数

\[ \left( y_t^{\rm CG},y_h^{\rm CG} \right) = \left( \frac d2,\frac{3d}{4} \right). \]

同样的 Ising 型 CG 指数也适用于上临界维度以上的短程 \(O(n)\) 模型。对短程 percolation，则 CG 指数换成

\[ \left( y_t^{\rm CG},y_h^{\rm CG} \right) = \left( \frac d3,\frac{2d}{3} \right). \]

这些指数可以整理为：

标度图像	典型场论	有效指数	主要控制的对象
GFP / coarse-grained \(\phi^4\)	Landau \(\phi^4\) 的高斯部分	\(y_t^{\rm GF}=2,\ y_h^{\rm GF}=1+d/2\)	非零动量模、短距离涨落、关于真实空间距离的几何
CG-Ising / PBC 零模 \(\phi^4\)	Landau \(\phi^4\) 零模	\(y_t^{\rm CG}=d/2,\ y_h^{\rm CG}=3d/4\)	磁化、磁化率、最大 FK-Ising cluster
CG-percolation	\(\phi^3\) / percolation 平均场	\(y_t^{\rm CG}=d/3,\ y_h^{\rm CG}=2d/3\)	普通高维 percolation 的最大 clusters 和 cutoff

这里的 CG 指数不是新的热力学临界指数，而是 PBC 有限系统中由零模或 complete-graph 渐近行为诱导出的有限尺寸指数。它们仍然是平均场性质，但不是同一套平均场语言。

最容易混淆的是前两行。Gaussian 固定点给出长度量纲：

\[ y_t=2,\qquad y_h=\frac{d+2}{2}. \]

它对应的是场论中

\[ G(k)\sim \frac{1}{k^2+t} \]

这类非零动量涨落。PBC 零模则来自 Landau 自由能

\[ F_0(m) \sim L^d \left( \frac{t}{2}m^2+\frac{u}{4}m^4-hm \right), \]

在临界点由 \(L^d u m^4\sim 1\) 得到

\[ m\sim L^{-d/4}, \qquad \chi\sim L^{d/2}. \]

如果仍把这些结果写成

\[ m\sim L^{y_h-d}, \qquad \chi\sim L^{2y_h-d}, \]

就得到

\[ y_h^{\rm CG}=\frac{3d}{4}. \]

温度方向同理来自 \(tL^d m^2\sim 1\)，给出

\[ y_t^{\rm CG}=\frac d2. \]

所以在读高维 PBC 文献时，看到 \((2,1+d/2)\) 和 \((d/2,3d/4)\) 同时出现并不矛盾。前者是 GFP 的长度量纲，后者是 PBC 零模或 complete-graph Ising 的有限尺寸量纲。

两点关联函数的两项结构¶

这套两尺度图像也会反映在两点关联函数中。对 \(d>4\) 的 Ising 型系统，临界附近可以粗略写成

\[ g(r,L) \asymp r^{2-d}\tilde g_{\rm GF}(r/L) + bL^{-d/2}, \]

其中 \(b\) 是非普适振幅。第一项是普通 Gaussian 关联函数的空间衰减：

\[ g_{\rm GF}(r)\sim r^{2-d}. \]

第二项是零模产生的 CG plateau。它与距离 \(r\) 无关，因此在有限周期盒子中表现为一个很低但覆盖全系统的背景项。这个背景项单点看很小，但对磁化率这种对所有距离求和的量很重要：

\[ \chi \sim \sum_r g(r,L). \]

GF 项给出的量级是

\[ \sum_{r\lesssim L} r^{2-d} \sim L^2, \]

而 CG plateau 给出

\[ \sum_{r} L^{-d/2} \sim L^dL^{-d/2} = L^{d/2}. \]

当 \(d>4\) 时，\(L^{d/2}\) 比 \(L^2\) 增长更快，因此磁化率、磁化矩这类宏观零动量观测量由 CG 扇区主导：

\[ \chi = L^{d/2} \tilde\chi(tL^{d/2}). \]

相反，带非零波矢的 susceptibility 会过滤掉常数 plateau：

\[ \chi_k \propto \sum_r e^{ikr}g(r,L) \sim L^2\tilde\chi_k(tL^2), \qquad k\ne 0. \]

因此 \(\chi\) 和 \(\chi_k\) 在高维 PBC 中可以显示不同的有限尺寸指数。前者主要看 CG 零模，后者主要看 GFP 空间涨落。对普通 percolation，plateau 的指数相应变为

\[ L^{-2d/3}, \]

与 CG-percolation 的 \(y_h^{\rm CG}=2d/3\) 一致。

这也给出一个实际判据。若把 percolation 的临界关联函数粗略写成

\[ g(r,L) \asymp r^{2-d} + bL^{-2d/3}, \]

那么短距离由 \(r^{2-d}\) 主导，远距离由 plateau 主导。两项相当时满足

\[ r^{2-d} \sim L^{-2d/3}, \]

所以 crossover 距离为

\[ r_\times \sim L^{2d/[3(d-2)]}. \]

这说明即使在同一个临界点，短距离测量和全系统求和测量也可能看到不同的有效指数。前者更像 GFP，后者更像 CG。

两个临界窗口¶

自由能中的两个缩放变量还意味着两个临界窗口。Ising 型系统中，CG 变量是

\[ tL^{d/2}, \]

所以零模主导的临界窗口宽度是

\[ |t|\sim L^{-d/2}. \]

GFP 变量是

\[ tL^2, \]

所以非零动量涨落对应的窗口宽度是

\[ |t|\sim L^{-2}. \]

当 \(d>4\) 时，\(L^{-d/2}\) 比 \(L^{-2}\) 更窄。因此从远离临界点往临界点靠近时，系统会先进入较宽的 GFP window；只有非常靠近伪临界点时，才进入由零模控制的 CG window。数值分析中如果尺寸不够大，或者温度网格没有覆盖足够窄的区域，就可能在同一模型里看到两种看似不同的标度。

线性尺寸标度与半径标度¶

这里比较 \(L\) 标度与 \(R\) 标度。

核心图像

对 cluster size 来说，只看关于系统线性尺寸 \(L\) 的 finite-size scaling，即 \(C\sim L^{d_l}\)，主要看到的是 complete-graph asymptotics。这类标度更接近 distance-independent quantities，例如 susceptibility 或 cluster-size distribution 的 cutoff。

如果进一步看 cluster size 与 unwrapped radius 的关系 \(C\sim R^{d_f}\)，才是在看空间几何本身。这个 \(d_f\) 反映的是 GFP 或 high-dimensional percolation 的几何性质。

低于几何上临界维度时，cluster 的 unwrapped radius 仍然满足 \(R\sim L\)，因此用 \(L\) 或用 \(R\) 度量 cluster 是等价的，\(d_l=d_f\)。超过上临界维度后，cluster 会在周期边界的 torus 上发生 extensive wrapping，导致 \(R\) 增长快于 \(L\)，于是 \(d_l\) 和 \(d_f\) 分裂。

对普通短程 percolation，\(d_c=6\) 以上有 \(C_1,C_2\sim L^{2d/3}\)，这是 complete-graph percolation 标度，并给出 \(\tau=1+d/(2d/3)=5/2\)；但空间几何同时满足 \(s\sim R^4\)，所以 \(R\sim L^{d/6}\)。因此 \(R\sim L^{d/6}\) 是观察上临界维度 \(6\) 的关键。

对 FK-Ising，情况更丰富。\(d>4\) 后最大 cluster 已经服从 CG-Ising 标度 \(C_1\sim L^{3d/4}\)，而 \(C_2\) 和其他 clusters 具有不同标度。因此 \(C_1\) 和 \(C_2\) 不同标度是 FK-Ising 的特殊现象。这个现象可以通过 LC joint model / Loop-Cluster 图像理解：最大的 FK cluster 带有 Ising-type giant-cluster 性质，而剩余 clusters 更接近 percolation-like clusters。也正因为如此，FK-Ising 在几何表示中同时显示出 \(d_c=4\) 和 \(d_p=6\) 两个上临界维度。

高维 PBC 中 cluster 的另一个关键区分，是系统线性尺寸 \(L\) 和 cluster 自身的 unwrapped radius \(R\)。对一个 cluster size \(C\)，可以问两个不同问题：

看什么	记号	含义
\(C\) 如何随系统线性尺寸增长	\(C\sim L^{d_l}\)	finite-size fractal dimension
\(C\) 如何随 cluster 自身半径增长	\(C\sim R^{d_f}\)	thermodynamic fractal dimension

低于几何上临界维度时，cluster 在周期盒子里的 unwrapped 半径仍然和系统尺度同阶：

\[ R\sim L. \]

这时用 \(L\) 或 \(R\) 度量 cluster 没有本质差别，因此通常有

\[ d_l=d_f. \]

超过上临界维度后，情况不同。cluster 可以在 torus 上发生 extensive wrapping。若把路径在周期边界外展开，cluster 的 unwrapped radius 可以比 \(L\) 增长得更快：

\[ R\not\sim L. \]

于是 \(d_l\) 和 \(d_f\) 会分裂。很多“高维 PBC 看起来有两套指数”的现象，根源就在这里：用 \(L\) 看的是 complete-graph 型有限尺寸 cutoff，用 \(R\) 看的是空间几何本身。

普通短程 Percolation¶

普通短程 percolation 的上临界维度是 \(d_c=6\)。

普通短程 percolation 的上临界维度是

\[ d_c=6. \]

当 \(d<6\) 时，hyperscaling 仍然成立。最大 cluster 的大小、cluster 半径和磁场标度维数可以用同一套语言描述：

\[ d_l=d_f=y_h, \qquad R\sim L. \]

当 \(d>6\) 时，distance-independent quantities 进入 complete-graph percolation 标度。临界窗口中最大和第二大 cluster 同阶：

\[ C_1,C_2\sim V^{2/3}=L^{2d/3}. \]

这正对应 \(\phi^3\) / percolation 平均场的有限尺寸磁场指数

\[ y_h^{\rm CG}=\frac{2d}{3}. \]

cluster-number density 的 cutoff 因而是 \(L^{2d/3}\)。若写成

\[ n(s,L) \sim s^{-\tau} \tilde n(s/L^{2d/3}), \]

并使用临界 cluster 分布的归一化关系

\[ \tau=1+\frac{d}{d_l}, \]

就得到

\[ \tau = 1+\frac{d}{2d/3} = \frac52. \]

但是空间几何并不因此变成 \(d_f=2d/3\)。高维 percolation cluster 的 thermodynamic fractal dimension 是

\[ d_f=4, \]

也就是

\[ C\sim R^4. \]

把两种标度合在一起，

\[ C_1\sim L^{2d/3}, \qquad C_1\sim R_1^4, \]

得到

\[ R_1\sim L^{d/6}. \]

这个公式非常重要。它说明当 \(d=6\) 时 \(R_1\sim L\)；而当 \(d>6\) 时，unwrapped radius 的增长快于盒子线性尺寸。这就是从几何角度看出 \(d_c=6\) 的地方。

因此在高维 PBC percolation 中，至少要区分三种容易混在一起的“磁性维度”：

记号	定义方式	高维 PBC percolation 中的值
\(d_l\) 或 \(D_L\)	最大 cluster 关于盒子线性尺寸的标度 \(C_1\sim L^{d_l}\)	\(2d/3\)
\(d_f\) 或 \(D_F\)	cluster size 关于 unwrapped radius 的标度 \(s\sim R^{d_f}\)	\(4\)
\(y_h\)	GFP 关联函数或非零动量涨落的磁场量纲	\(1+d/2\)

低维时这些量常常可以通过 hyperscaling 互相换算；高维 PBC 中它们描述的是不同问题。把 \(D_L=2d/3\) 和 \(D_F=4\) 分开，是理解 \(R\sim L^{d/6}\) 的关键。

FK-Ising 的两个上临界维度¶

FK-Ising 同时涉及热力学上临界维度 \(d_c=4\) 与几何上临界维度 \(d_p=6\)。

FK-Ising 比普通 percolation 更容易混淆，因为它同时带有 Ising 的 complete-graph 标度和 percolation-like 的空间几何。一个实用图像是：

维度范围	主导图像
\(d<4\)	非平凡 Ising fixed point
\(4<d<6\)	PBC 零模 / CG-Ising，加上 GFP 几何涨落
\(d\ge 6\)	PBC 零模 / CG-Ising，加上高维 percolation-like 几何

FK-Ising 的特殊点是，最大 cluster 和其他 clusters 不是同一个标度。对 \(d>4\)，最大 FK cluster 继承 Ising complete-graph 的零模标度：

\[ C_1\sim L^{3d/4}=V^{3/4}. \]

这对应上表中的

\[ y_h^{\rm CG}=\frac{3d}{4}. \]

第二大 cluster 和其他 clusters 则不按同一指数增长。一个常见的渐近写法是

\[ C_2\sim \frac{L^{1+d/2}}{\ln L}, \]

其中对数修正依赖具体临界维度、观测定义和有限尺寸窗口。这里最重要的不是记住这个式子的每个细节，而是记住结论：在 FK-Ising 的高维 PBC 临界点，\(C_1\) 和 \(C_2\) 本来就不必同阶。这与普通 percolation 的 complete-graph window 不同；普通 percolation 中 \(C_1\) 和 \(C_2\) 都是 \(V^{2/3}\) 量级。

FK-Ising 的 other clusters 更适合用 \(L\) 标度和 \(R\) 标度分开描述：

维度范围	用 \(L\) 看 other clusters	用 \(R\) 看 other clusters	cluster 分布
\(4<d<6\)	\(d_l=1+d/2\)	\(d_f=1+d/2\)	\(\tau=1+d/(1+d/2)\)
\(d=6\)	\(d_l=4\)	\(d_f=4\)，带 log 修正	\(\tau=5/2\)，带 log 修正
\(d>6\)	\(d_l=1+d/2\)	\(d_f=4\)	\(\tau=5/2\)

这张表表达的是：\(d>4\) 后，FK-Ising 最大 cluster 已经感受到 Ising 的 complete-graph 零模标度；但 other clusters 的空间几何还会继续经历一个以 \(d_p=6\) 为界的 percolation-like crossover。也就是说，\(d_c=4\) 控制 Ising 临界涨落何时进入平均场，而 \(d_p=6\) 控制 cluster 几何何时进入高维 percolation 型行为。

从这个角度看，“看 \(L\)”与“看 \(R\)”会给出不同信息。若只看

\[ C\sim L^{d_l}, \]

看到的是有限系统中 cluster-size cutoff 的增长，往往更接近 complete-graph asymptotics。若进一步看

\[ C\sim R^{d_f}, \]

就能看到空间几何本身是否已经进入 \(d_f=4\) 的高维 percolation 行为。因此在 FK-Ising 中，第二个上临界维度 \(d_p=6\) 更自然地体现在 \(R\) 标度和 cluster 几何中，而不是单独体现在最大 cluster 的 \(L\) 标度里。

FK 与 Loop 表象中的三个层次¶

高维 Ising 的几何表象还可以用三个层次来组织：

two length scales：同一个 cluster 可以用 \(L\) 或 unwrapped radius \(R\) 度量；
two configuration sectors：构型空间中可能存在一个比例趋于零、但贡献特定巨大结构的 special sector；
two scaling windows：临界附近同时有 CG window 和 GFP window。

为了避免记号过多，先约定

\[ (y_t,y_h) = \left( 2,1+\frac d2 \right) \]

表示 GFP 指数，

\[ (y_t^{\rm CG},y_h^{\rm CG}) = \left( \frac d2,\frac{3d}{4} \right) \]

表示 CG-Ising 指数，而

\[ (y_{t,p}^{\rm CG},y_{h,p}^{\rm CG}) = \left( \frac d3,\frac{2d}{3} \right) \]

表示 CG-percolation 指数。这样 FK 与 Loop 表象的差别可以概括为：

表象与维度	two length scales	special sector	scaling windows
FK, \(4<d<6\)	giant cluster: \(C_1\sim L^{y_h^{\rm CG}}\sim R_1^{y_h^{\rm CG}}\)；other clusters: \(s\sim R^{y_h}\)	special sector 的比例 \(P\sim L^{y_h-y_h^{\rm CG}}\)，在该 sector 中 \(s\sim R^{y_h}\)	窄窗口 \(O(L^{-y_t^{\rm CG}})\)；宽窗口 \(O(L^{-y_t})\)
FK, \(d\ge 6\)	giant cluster: \(C_1\sim L^{y_h^{\rm CG}}\sim R_1^{9/2}\)；other clusters: \(s\sim R^4\)	special sector 的比例 \(P\sim L^{y_{h,p}^{\rm CG}-y_h^{\rm CG}}\)，在该 sector 中 \(s\sim R^4\)	\(O(L^{-y_t^{\rm CG}})\)；并有 percolation-like 的 \(O(L^{-y_{t,p}^{\rm CG}})\) 与 \(O(L^{-y_t})\)
Loop, \(d>4\)	large loop clusters: \(F_{1,2}\sim L^{y_t^{\rm CG}}\sim R_{1,2}^{y_t}\)；other clusters: \(n(s,L)\sim s^{-(1+d/y_t)}\)	special sector 的比例 \(P\sim L^{y_h-y_h^{\rm CG}}\)，在该 sector 中 \(F_{1,2}\sim L^{y_t^{\rm CG}}\sim R_{1,2}^{y_t}\)	窄窗口 \(O(L^{-y_t^{\rm CG}})\)；宽窗口 \(O(L^{-y_t})\)

这张表不需要初学时一次记住。它想表达的核心是：FK 表象中最大的 cluster、其他 clusters、以及极少数 special-sector 构型可以分别显示不同的标度。最大 FK cluster 更像 Ising complete-graph 的 giant cluster，因此

\[ C_1\sim L^{3d/4}. \]

剩余 clusters 则更接近 percolation-like 几何。尤其在 \(d\ge 6\) 时，

\[ s\sim R^4, \qquad n(s,L)\sim s^{-5/2}, \]

这正是高维 percolation 的几何特征。

Loop 表象给出的是另一种组织方式。它同样有 CG window 和 GFP window，但其几何上临界结构不像 FK 表象那样再显出一个独立的 \(d_p=6\)。因此在这个图像下，FK-Ising 可以同时显示 \(d_c=4\) 和 \(d_p=6\) 两个上临界维度；Loop-Ising 的主要上临界维度仍是 \(d_c=4\)。这不是说两种表象描述了不同的热力学模型，而是说不同几何变量对同一个 Ising 临界点的不同扇区敏感。

边界条件和进入临界点的路径¶

上面的讨论默认的是高维 torus，也就是周期边界条件。这个前提很重要。若换成自由边界、柱状边界或其他混合边界，零模和 wrapping 的组织方式会改变，某些观测量可能更接近 GFP 标度，而不是 CG 标度。

这一点可以概括为：PBC 最容易显出 complete-graph asymptotics；带边界的系统更容易让空间相关和表面效应进入主导。 因此比较不同模拟结果时，边界条件必须和观测量一起说明。只写“高维 percolation 的 \(C_1\) 标度”是不够的；还要说是在 PBC、FBC，还是其他边界下测量。

另一个容易被忽略的点是进入临界点的路径。若令

\[ t\sim L^{-\lambda}, \]

则不同 \(\lambda\) 会让系统落入不同窗口。以高维 Ising 的高温侧为例，若 \(\lambda<d/2\)，CG 变量 \(tL^{d/2}\) 仍然很大，系统尚未真正进入零模临界窗口；若 \(\lambda\ge d/2\)，零模变量保持有限或趋近临界，磁化率等宏观量会显示临界点处的 CG 标度：

\[ \chi \sim \begin{cases} L^\lambda, & \lambda<d/2,\\ L^{d/2}, & \lambda\ge d/2. \end{cases} \]

同时，GFP 窗口由 \(\lambda=2\) 分隔。因为 \(\xi\sim t^{-1/2}\)，所以

\[ \xi\sim L^{\lambda/2}. \]

当 \(\lambda<2\) 时，特征 cluster 半径仍小于系统尺度；当 \(\lambda>2\) 时，有限尺寸效应开始强烈介入。这个观点解释了为什么同一模型在不同温度扫描方式、不同伪临界点定义下，可能给出不同的有限尺寸外观。

与磁化率和几何观测量的关系¶

FK-Ising 表象提供了一个很直观的几何读法。FK cluster 的二阶矩与磁化率有直接关系。若 cluster 大小记为 \(C_i\)，一个常见的量是

\[ S_2 = \frac{1}{L^d}\sum_i C_i^2. \]

在 FK-Ising 中，\(S_2\) 与磁化率同标度：

\[ S_2\sim \chi. \]

若最大 cluster 满足

\[ C_1\sim L^{d_{L1}}, \]

并且 \(S_2\) 主要由最大 cluster 控制，则

\[ S_2\sim \frac{C_1^2}{L^d} \sim L^{2d_{L1}-d}. \]

另一方面，磁化率的有限尺寸标度写成

\[ \chi\sim L^{2y_h-d}. \]

比较两式得到

\[ d_{L1}=y_h. \]

这个关系说明，最大 cluster 的尺寸指数可以作为磁场标度维数 \(y_h\) 的几何表现。它也是为什么 cluster 大小、wrapping probability、cluster 半径等几何观测量常常对普适类和 crossover 很敏感。

这里的 \(y_h\) 要按具体标度扇区来理解。低于上临界维度时，它就是通常相互作用固定点的磁场标度维数；高维 PBC 的 FK-Ising 最大 cluster 中，它应读作 CG-Ising 的

\[ y_h^{\rm CG}=\frac{3d}{4}, \]

因此

\[ C_1\sim L^{y_h^{\rm CG}}. \]

若研究的是普通高维 percolation，则对应的是 CG-percolation 的

\[ y_h^{\rm CG}=\frac{2d}{3}. \]

但要注意，这里的 \(d_{L1}\) 是按系统线性尺寸 \(L\) 定义的有限尺寸指数。若改用 cluster 自身回转半径 \(R\) 来定义分形维度

\[ C_1\sim R^{d_F}, \]

在上临界维度以上和周期边界条件下，\(d_{L1}\) 与 \(d_F\) 的关系可能不再像低维那样直接。原因仍然是零模、危险无关变量和边界条件会改变有限系统中的几何组织方式。

在这里讨论的普通 percolation 与 FK-Ising 的比较中，\(C_1\) 和 \(C_2\) 标度不同是 FK-Ising 的特殊现象；普通 percolation 的 complete-graph window 中 \(C_1\) 和 \(C_2\) 是同阶的，均为 \(V^{2/3}\)。这种 FK-Ising 的 \(C_1\) dominance 可以从 LC joint model 或 Loop-Cluster 图像中理解：最大 FK cluster 继承了 Ising complete-graph 零模标度，而其他 clusters 更接近 percolation-like 标度。

Loop 表象也给出类似提醒。某些 loop 模型中，能量或热标度可能和 bond 数、loop 长度、返回概率等几何量相关。这样的图像很有帮助，但具体关系依赖表象和模型定义。更稳妥的用法是：把几何表象当成理解高维有限尺寸修正的补充视角，而不是在没有推导时把某个几何指数直接等同于热力学指数。

修正项从哪里来¶

真实数据很少只满足最简单的标度函数。原因主要有三类。

第一，存在 irrelevant scaling fields：

\[ u_iL^{y_i},\qquad y_i<0. \]

对标度函数做展开：

\[ F_O(tL^{y_t},uL^{y_i}) = F_O(tL^{y_t}) + L^{y_i}G_O(tL^{y_t}) +\cdots. \]

若记

\[ \omega=-y_i>0, \]

则常写为

\[ O(t,L) = L^{\rho/\nu} \left[ f_O(tL^{1/\nu}) +L^{-\omega}g_O(tL^{1/\nu}) +\cdots \right]. \]

第二，物理参数和 scaling field 不一定完全相同。例如模拟中控制的是 \(T-T_c\) 或 \(p-p_c\)，真正进入 RG 的 temperature field 可以是解析函数：

\[ t_{\rm RG} = a_1(T-T_c) +a_2(T-T_c)^2 +\cdots. \]

磁场也可能和温度场发生解析混合。做高精度拟合时，这会产生额外修正。

第三，解析背景 \(f_a\) 会进入某些观测量。Binder ratio 这类由矩构造的无量纲量，主导标度因子会在比值中抵消，但解析背景仍可能留下次领先修正。相比之下，wrapping probability 这类几何概率通常更直接接近 universal scaling function。

在特殊情况下，若两个 irrelevant exponent 退化，还可能出现

\[ L^{-\omega}\ln L \]

这样的对数修正。实际 Monte Carlo 分析中，一旦小尺寸数据系统性偏离，就要考虑这些修正，而不能只追求视觉上漂亮的 data collapse。

Data Collapse¶

有限尺寸标度给出 data collapse 的原则。以磁化率为例：

\[ \chi(t,L) = L^{\gamma/\nu} f_\chi(tL^{1/\nu}). \]

因此如果 \(T_c,\nu,\gamma\) 选择正确，重新缩放后的数据

\[ \chi(t,L)L^{-\gamma/\nu} \]

应当作为

\[ tL^{1/\nu} \]

的函数落在同一条曲线上。

对磁化强度则画

\[ m(t,L)L^{\beta/\nu} \quad \text{vs.} \quad tL^{1/\nu}. \]

对 Binder ratio 这类无量纲量，直接画

\[ U_4(t,L) \quad \text{vs.} \quad tL^{1/\nu}. \]

data collapse 是很有用的可视化检查，但它不应替代误差分析。更可靠的流程是先用无量纲量交点估计 \(T_c\)，再用临界点处的幂律估计指数比，最后用 collapse 检查整体自洽性。

上面这套 collapse 写法默认观测量由同一个普通标度变量 \(tL^{1/\nu}\) 控制。若处在上临界维度以上，尤其是高维 PBC，需要先判断观测量属于哪个扇区。宏观零动量量如 \(\chi\) 可能应画成

\[ \chi L^{-d/2} \quad \text{vs.} \quad tL^{d/2}, \]

而非零动量响应 \(\chi_k\) 则更自然地按 GFP 变量

\[ \chi_k L^{-2} \quad \text{vs.} \quad tL^2 \]

组织。cluster 几何量还要进一步区分 \(C\sim L^{d_l}\) 和 \(C\sim R^{d_f}\)。因此高维数据的 collapse 不是把 \(\nu=1/2\) 代入低维公式这么简单，而是要先说明边界条件、观测量和采用的标度扇区。

在 Monte Carlo 数据中的流程¶

实际分析可以按下面顺序进行：

对每个尺寸 \(L\) 独立完成热化、自关联时间估计和 binning。
测量能量、序参量、磁化率、Binder ratio、相关长度比或 wrapping probability。
用无量纲量的交点初步定位 \(T_c\)。
检查交点随尺寸的漂移，估计有限尺寸修正。
在临界点附近拟合

\[ m(0,L)\sim L^{-\beta/\nu}, \qquad \chi(0,L)\sim L^{\gamma/\nu}. \]

用斜率或导数估计 \(1/\nu\)，例如

\[ \left.\frac{dU_4}{dT}\right|_{T_c} \sim L^{1/\nu}. \]

做 data collapse，检查 \(T_c\)、\(\nu\) 和指数比是否同时自洽。
改变最小尺寸 \(L_{\min}\)、加入或去掉 \(L^{-\omega}\) 修正项，评估系统误差。

如果研究对象在上临界维度以上，还需要在第 5 步之前增加一个判断：当前观测量看的是普通相互作用固定点、GFP 扇区、CG 零模扇区，还是 cluster 的空间几何扇区。不同扇区对应不同横轴变量和不同前因子，不能混在同一个 collapse 中。

小结¶

有限尺寸标度可以压缩成一条 RG 逻辑：

\[ x\to x'=\frac{x}{b} \quad \Longrightarrow \quad t\to tb^{y_t} \quad \Longrightarrow \quad tL^{y_t}. \]

空间坐标的缩放告诉我们如何改变观察尺度；coupling 的缩放告诉我们温度偏离量在该尺度上有多强；取 \(b=L\) 后，有限系统的全部临界行为就被组织成 \(tL^{y_t}\)、\(hL^{y_h}\) 和 \(u_iL^{y_i}\) 这些无量纲组合。

Monte Carlo 给出有限系统的统计样本；有限尺寸标度告诉我们如何从这些样本外推到临界固定点。

在普通低维连续相变中，这通常意味着用单一变量 \(tL^{1/\nu}\) 组织数据；在高维 PBC 或长程平均场区间中，则要先判断零模、非零动量涨落和几何 cluster 哪个在控制观测量。