有限尺寸标度¶

Monte Carlo 模拟只能研究有限系统。临界现象真正关心的是热力学极限

\[ L\to\infty, \]

因此需要理解有限尺寸数据如何接近无限大系统。有限尺寸标度的作用，就是把不同尺寸 \(L\) 的 Monte Carlo 数据组织成临界点和临界指数的信息。

临界现象与相关长度¶

在连续相变附近，系统出现一个越来越大的相关长度

\[ \xi\sim |t|^{-\nu}, \]

其中

\[ t=\frac{T-T_c}{T_c} \]

是约化温度，\(\nu\) 是相关长度临界指数。

热力学极限中，当 \(t\to 0\) 时，\(\xi\) 发散，系统没有特征长度。有限系统中，相关长度不可能超过系统尺寸 \(L\)，所以临界奇异性会被 \(L\) 截断。这就是有限尺寸效应的来源。

RG 的直觉¶

重整化群的核心思想是粗粒化。把长度缩放

\[ x\to x/b \]

后，系统参数会在耦合常数空间中流动。临界点对应 RG 固定点。接近固定点时，只有少数 relevant 方向决定长距离行为，其余 microscopic 细节都会变成 irrelevant 修正。

这解释了普适性：不同模型只要维度、对称性、相互作用范围等长距离结构相同，就可能拥有相同的临界指数。

对于有限系统，RG 缩放不能无限进行，最多缩到系统尺寸 \(L\)。因此所有临界量都应当可以写成 \(L\) 与相关长度 \(\xi\) 的无量纲组合，也就是

\[ \frac{L}{\xi}\sim L|t|^\nu. \]

等价地，常用标度变量写为

\[ x=tL^{1/\nu}. \]

LGW 场论的角色¶

Landau-Ginzburg-Wilson 场论用序参量场 \(\phi(x)\) 描述临界附近的长波涨落。典型形式为

\[ \mathcal F[\phi]= \int d^dx \left[ \frac{1}{2}(\nabla\phi)^2 \frac{r}{2}\phi^2 \frac{u}{4!}\phi^4 -h\phi \right]. \]

这里 \(r\) 调控距离临界点的远近，\(u\) 描述非线性相互作用，\(h\) 是外场。LGW 场论不关心格点尺度的细节，而关心长波模式、对称性和维度。

Monte Carlo 模拟给出 microscopic model 的数值数据；RG 和 LGW 场论给出这些数据应当满足的标度形式。有限尺寸标度正是两者之间的桥梁。

临界指数¶

常见临界指数包括：

\[ \xi\sim |t|^{-\nu}, \qquad m\sim (-t)^\beta, \qquad \chi\sim |t|^{-\gamma}, \qquad C\sim |t|^{-\alpha}. \]

在临界点，有限尺寸系统中这些量通常满足

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

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

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

如果动力学也重要，还会出现动态临界指数 \(z\)，例如自关联时间

\[ \tau\sim L^z. \]

这就是临界慢化的来源，也是 cluster、loop、worm 等非局域更新算法重要的原因。

标度关系¶

临界指数不是完全独立的。常见标度关系包括

\[ \alpha+2\beta+\gamma=2, \]

\[ \gamma=\nu(2-\eta), \]

\[ 2-\alpha=d\nu. \]

最后一个关系称为 hyperscaling，通常依赖于维度低于上临界维度且没有危险 irrelevant 变量。实际分析 Monte Carlo 数据时，标度关系可以用来交叉检查指数估计是否自洽。

有限尺寸标度 Ansatz¶

对一个观测量 \(O\)，若其在热力学极限中满足

\[ O(t)\sim |t|^{-\rho}, \]

则有限尺寸标度通常写成

\[ O(t,L)=L^{\rho/\nu}f_O(tL^{1/\nu}). \]

对序参量、磁化率和 Binder ratio，常用形式为

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

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

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

这里 \(U\) 是无量纲量，因此在临界点附近不同尺寸的曲线会接近交于一点。

Binder Ratio¶

对 Ising 型序参量 \(m\)，Binder ratio 常写为

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

它是无量纲量，有限尺寸标度形式为

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

因此在 \(t=0\) 时，

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

近似与 \(L\) 无关。实际模拟中，不同 \(L\) 的 Binder ratio 曲线交点可用于估计 \(T_c\)。交点随尺寸漂移，反映了有限尺寸修正。

Data Collapse¶

如果临界点 \(T_c\) 和指数 \(\nu,\beta,\gamma\) 选择正确，那么重新缩放后的数据应当落在同一条曲线上。例如磁化率：

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

实际步骤是：

先用 Binder ratio 或其他无量纲量估计 \(T_c\)。
用临界点处的尺寸依赖估计指数比，例如 \(\gamma/\nu\)。
调整 \(T_c\) 和指数，使不同尺寸的数据在标度变量 \(tL^{1/\nu}\) 下尽量 collapse。
检查小尺寸数据是否偏离明显，必要时舍去或加入修正项。

有限尺寸修正¶

真实数据常常不是纯标度形式，而是

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

其中 \(\omega>0\) 是 leading correction exponent。小系统、接近上临界维度、长程相互作用和边界条件都会增强修正项。Monte Carlo 分析中，不能只追求漂亮的 collapse，还要检查拟合对尺寸区间和修正项的稳定性。

在 Monte Carlo 数据中的用法¶

有限尺寸标度分析通常按下面顺序进行：

对每个尺寸 \(L\) 独立完成热化、误差估计和随机种子合并。
测量能量、序参量、磁化率、Binder ratio、相关长度比等量。
用无量纲量交点初步定位临界点。
用临界点处的幂律拟合估计指数比。
用 data collapse 检查 \(T_c\) 和指数是否自洽。
比较不同最小尺寸 \(L_{\min}\) 的拟合结果，评估有限尺寸修正。

Monte Carlo 给出的是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。