Você está na página 1de 33

..

....Universidade Federal de Santa Maria


...Centro de Cincias Naturais e Exatas
Grupo de Teoria da Matria Condensada

O Mtodo de Monte Carlo


Aplicaes do algoritmo de Metropolis no Modelo de Ising

Mateus Schmidt
Santa Maria - RS, 2012
1 / 32

Sumrio

O Demnio de Laplace e o fator de Boltzmann;


O Mtodo de Monte Carlo;
O algoritmo de Metropolis;
Aplicao no modelo de Ising;
Resultados;
Concluses;
Referncias;

2 / 32

O Demnio de Laplace e o fator de Boltzmann

Pierre Simon Laplace concebeu um experimento mental,


conhecido como Demnio de Laplace, considerando que:
De posse de todas as variveis que determinam o estado do

t, possvel prever
0
0
instante t . Sendo t > t.

Universo em um instante

o seu estado no

3 / 32

.
.
.
.

"Ns podemos tomar o estado presente do


Universo como o efeito do seu passado, e a causa
do seu futuro. Uma inteligncia que, em um dado
momento, conhecesse todas as foras que dirigem a
natureza e todas as posies dos componentes da
natureza, e que tivesse tambm a capacidade de
submeter todos estes dados anlise matemtica,
compreenderia em uma nica frmula os
movimentos dos maiores corpos do universo e os do
menor tomo. Para tal inteligncia nada seria
incerto, e o futuro, assim como o passado, estaria
presente diante de seus olhos."
Pierre Simon Laplace (1749-1827).

4 / 32

Seria possvel construir tal mquina?

Para visualizar a possibilidade da existncia de tal mquina, consideramos os


computadores mais potentes de hoje, que realizam 1016 operaes por segundo.
Reduzimos o nosso propsito a anlise de um sistema de spins de Ising, em
uma rede bidimensional 10 10.
So 100 spins que podem assumir dois estados cada um (1). Nosso sistema
pode estar congurado de 2100 formas diferentes. Para obter cada uma destas
conguraes, usando o computador mais potente que existe, levariamos,
portanto,
2100
11016 s1

1,2671030
11016 s1

= 1, 267 1014 s

Ou seja, aproximadamente 4.017.630,64 anos seriam necessrios para observar


as conguraes de um sistema de 100 spins, usando o melhor computador da
atualidade. Imagine trabalhar com um mol de partculas?

4 / 32

Portanto, sabemos que no possvel obter a velocidade e a


posio de cada partcula, mesmo em uma poro pequena de
matria. Porm, atravs da mecnica estatstica, para alguns
sistemas possvel calcular uma mdia das grandezas
microscpicas, com base nos estados acessveis e, assim, obter
resultados para as grandezas macroscpicas.

5 / 32

O fator de Boltzmann
Juntamente com Maxwell e Gibbs, Boltzmann
considerado o fundador da mecnica estatstica.


interessante conhecer o fator de Boltzmann:


um fator de ponderao que determina a
probabilidade relativa de um estado i, em um
sistema com mltiplos estados em equilbrio
termodinmico a temperatura T .

........Ludwig Boltzmann (1844-1906)

exp( KETi )
B

Onde KB a constante de Boltzmann e Ei a


energia do sistema no estado i.

6 / 32

O Mtodo de Monte Carlo

Se a mquina idealizada por Laplace existisse, ainda que limitada a uma


rede de spins pequena, veramos que no faria sentido comparar os
resultados obtidos nesta mquina, com os resultados obtidos
experimentalmente.
__
Os resultados da mquina apresentariam enormes variaes no tempo
(pensemos em intervalos de

1012 s),

que, obviamente, nossas medidas

macroscpicas no observam. O remdio seria ento realizar mdias


sobre intervalos de tempo e regies espaciais comparveis aos da
resoluo experimental. (SCHERER, 2005)

7 / 32

O Mtodo de Monte Carlo

Se a mquina idealizada por Laplace existisse, ainda que limitada a uma


rede de spins pequena, veramos que no faria sentido comparar os
resultados obtidos nesta mquina, com os resultados obtidos
experimentalmente.
__
Os resultados da mquina apresentariam enormes variaes no tempo
(pensemos em intervalos de

1012 s),

que, obviamente, nossas medidas

macroscpicas no observam. O remdio seria ento realizar mdias


sobre intervalos de tempo e regies espaciais comparveis aos da
resoluo experimental. (SCHERER, 2005)

8 / 32

O Mtodo de Monte Carlo

Quando fazemos uma medida experimental, podemos considerar que o


sistema passa por todos os estados acessveis, e esta medida resultado
da mdia desses estados. Isso est intimamente ligado ao postulado
fundamental da mecnica estatstica em equilbrio:
__
Em um sistema estatstico fechado, com energia xa, todos os
microestados acessveis so igualmente provveis. (SALINAS, 2005)
__
A ideia bsica por trs da simulao de Monte Carlo simular a
utuao aleatria trmica do sistema de estado para estado ao longo de
um experimento.(NEWMANN & BARKEMA, 1999, traduo nossa)

9 / 32

O Mtodo de Monte Carlo

Quando fazemos uma medida experimental, podemos considerar que o


sistema passa por todos os estados acessveis, e esta medida resultado
da mdia desses estados. Isso est intimamente ligado ao postulado
fundamental da mecnica estatstica em equilbrio:
__
Em um sistema estatstico fechado, com energia xa, todos os
microestados acessveis so igualmente provveis. (SALINAS, 2005)
__
A ideia bsica por trs da simulao de Monte Carlo simular a
utuao aleatria trmica do sistema de estado para estado ao longo de
um experimento.(NEWMANN & BARKEMA, 1999, traduo nossa)

10 / 32

O Mtodo de Monte Carlo

Quando fazemos uma medida experimental, podemos considerar que o


sistema passa por todos os estados acessveis, e esta medida resultado
da mdia desses estados. Isso est intimamente ligado ao postulado
fundamental da mecnica estatstica em equilbrio:
__
Em um sistema estatstico fechado, com energia xa, todos os
microestados acessveis so igualmente provveis. (SALINAS, 2005)
__
A ideia bsica por trs da simulao de Monte Carlo simular a
utuao aleatria trmica do sistema de estado para estado ao longo de
um experimento.(NEWMANN & BARKEMA, 1999, traduo nossa)

11 / 32

O algoritmo de Metropolis

O algoritmo de Metropolis o mais utilizado para simulao de sistemas


fsicos dentre os algoritmos do Mtodo de Monte Carlo. Seu princpio de
funcionamento simples: observar como uma possvel mudana na
congurao do sistema implicaria na sua energia e, atravs de certa
aleatoriedade, denir se essa mudana ser feita ou no.

12 / 32

O algoritmo de Metropolis

13 / 32

Aplicaes no modelo de Ising

O algoritmo de Metropolis comumente utilizado em simulaes do


modelo de Ising para as mais diversas vericaes de comportamentos,
seja de redes de spins ou de sistemas sociais. A energia no modelo de
Ising dada por


H = J

i j H

N
P

i=1

(ij)


O Hamiltoniano (H) do modelo de Ising relaciona a interao de troca

com cada uma das interaes entre stios vizinhos (i j ) que podem
assumir os valores 1 ou -1. O termo

est relacionado ao campo sobre

o sistema, que est associado cada um dos spins (i ).

14 / 32

Aplicaes no modelo de Ising

O algoritmo de Metropolis comumente utilizado em simulaes do


modelo de Ising para as mais diversas vericaes de comportamentos,
seja de redes de spins ou de sistemas sociais. A energia no modelo de
Ising dada por


H = J

i j H

N
P

i=1

(ij)


O Hamiltoniano (H) do modelo de Ising relaciona a interao de troca

com cada uma das interaes entre stios vizinhos (i j ) que podem
assumir os valores 1 ou -1. O termo

est relacionado ao campo sobre

o sistema, que est associado cada um dos spins (i ).

15 / 32

Aplicaes no modelo de Ising

Vamos aplicar o algoritmo de Metropolis uma rede de spins quadrada


(bidimensional), com 100 spins (10x10), congurados aleatoriamente.


T = 3J/KB .
Tc 2, 269J/KB .

Os passos de Monte Carlo ocorrero temperatura


A temperatura crtica para a rede quadrada de

Consideramos condies peridicas de contorno, nas quais a ltima linha


interage com a primeira linha da rede, bem como, a ltima coluna
interage com a primeira coluna.

16 / 32

Aplicaes no modelo de Ising


Aps a congurao aleatria inicial do sistema, sorteado o primeiro spin, que
est localizado na 3 linha da primeira coluna.
necessrio calcular a variao da energia que ocorreria com a troca do spin.
Como a variao da energia no ser negativa caso ocorra o ip do spin,
usamos o fator de Boltzmann.
O nmero aleatrio sorteado foi A 0.443384, ento no ipamos o spin.
17 / 32

Aplicaes no modelo de Ising


Aps a congurao aleatria inicial do sistema, sorteado o primeiro spin, que
est localizado na 3 linha da primeira coluna.
necessrio calcular a variao da energia que ocorreria com a troca do spin.
Como a variao da energia no ser negativa caso ocorra o ip do spin,
usamos o fator de Boltzmann.
O nmero aleatrio sorteado foi A 0.443384, ento no ipamos o spin.
18 / 32

Aplicaes no modelo de Ising


Aps a congurao aleatria inicial do sistema, sorteado o primeiro spin, que
est localizado na 3 linha da primeira coluna.
necessrio calcular a variao da energia que ocorreria com a troca do spin.
Como a variao da energia no ser negativa caso ocorra o ip do spin,
usamos o fator de Boltzmann para obter a probabilidade P deste novo estado.
O nmero aleatrio sorteado foi A 0.443384, ento no ipamos o spin..
19 / 32

Aplicaes no modelo de Ising


Aps a congurao aleatria inicial do sistema, sorteado o primeiro spin, que
est localizado na 3 linha da primeira coluna.
necessrio calcular a variao da energia que ocorreria com a troca do spin.
Como a variao da energia no ser negativa caso ocorra o ip do spin,
usamos o fator de Boltzmann para obter a probabilidade P deste novo estado.
O nmero aleatrio sorteado foi A 0, 443384, ento no ipamos o spin.
20 / 32

Aplicaes no modelo de Ising


Aleatoriamente feita uma nova escolha de spin. Desta vez, selecionado o
spin na 6 linha da 3 coluna.
Calculamos a variao da energia dada pela possvel troca do spin.
Como a variao da energia seria positiva, usamos novamente o fator de
Boltzmann para obter P .
O nmero aleatrio sorteado foi A 0.024312, ento ipamos o spin.
21 / 32

Aplicaes no modelo de Ising


Aleatoriamente feita uma nova escolha de spin. Desta vez, selecionado o
spin na 6 linha da 3 coluna.
Calculamos a variao da energia dada pela possvel troca do spin.
Como a variao da energia seria positiva, usamos novamente o fator de
Boltzmann para obter P .
O nmero aleatrio sorteado foi A 0.024312, ento ipamos o spin.
22 / 32

Aplicaes no modelo de Ising


Aleatoriamente feita uma nova escolha de spin. Desta vez, selecionado o
spin na 6 linha da 3 coluna.
Calculamos a variao da energia dada pela possvel troca do spin.
Como a variao da energia seria positiva, usamos novamente o fator de
Boltzmann para obter P .
O nmero aleatrio sorteado foi A 0, 024312, ento ipamos o spin.
23 / 32

Aplicaes no modelo de Ising


Aps a troca do spin feito um novo sorteio.
Agora observamos o spin na 8 linha da 6 coluna.
Calculamos a variao da energia dada pela possvel troca do spin.
Como a variao da energia seria negativa, aceitamos a troca do spin.
Obs.: Nesta temperatura (3J/KB ) h uma uma probabilidade pequena de que
variaes de energia altas, como a de 8J sejam aceitas.
24 / 32

Aplicaes no modelo de Ising


Aps a troca do spin feito um novo sorteio.
Agora observamos o spin na 8 linha da 6 coluna.
Calculamos a variao da energia dada pela possvel troca do spin.
Como a variao da energia seria negativa, aceitamos a troca do spin.
Obs.: Nesta temperatura (3J/KB ) h uma uma probabilidade pequena de que
variaes de energia altas, como a de 8J sejam aceitas.
25 / 32

Aplicaes no modelo de Ising


Aps a troca do spin feito um novo sorteio.
Agora observamos o spin na 8 linha da 6 coluna.
Calculamos a variao da energia dada pela possvel troca do spin.
Como a variao da energia seria negativa, aceitamos a troca.
Obs.: Nesta temperatura (3J/KB ) h uma uma probabilidade pequena de que
variaes de energia altas, como a de 8J sejam aceitas.
26 / 32

Aplicaes no modelo de Ising


Os passos de Monte Carlo, portanto, utilizam certas probabilidades para denir
se aceitam ou no uma troca de spin a uma dada temperatura T .
Nesta temperatura 3J/KB , por exemplo, h uma uma probabilidade pequena
de que variaes de energia altas, como a de 8J sejam aceitas.
Quanto mais prximo da Tc menor ser P , portanto, prximo de uma transio
de fase, o sistema aceita cada vez menos variaes positivas de energia.
27 / 32

Aplicaes no modelo de Ising


O objetivo dos passos de Monte Carlo fazer com que o sistema termalize, ou
seja, que a congurao do sistema seja adequada sua temperatura.

Este grco esboa a variao da magnetizao por spin (m) a cada


troca de todos os spins (passo) do sistema em uma rede 100x100, a uma
temperatura de

2, 1J/KB .
28 / 32

Comparativos

Magnetizao em funo da temperatura em uma rede


quadrada: a linha azul mostra o resultado exato obtido
analiticamente por Lars Onsager; a linha laranja mostra a
curva segundo a Teoria de Campo Mdio; os crculos so a
compilao dos dados obtidos atravs da simulao do
mtodo de Monte Carlo.
(Rede 100x100 - com 10.000 passos de Monte Carlo)
.
.

Magnetizao em funo da temperatura em uma rede em


formato favo de mel: a linha verde mostra a relao obtida
com a Teoria de Campo Mdio com Clusters
Correlacionados; na linha laranja a curva dada pela Teoria
de Campo Mdio; os crculos so a compilao dos dados
obtidos atravs da simulao do mtodo de Monte Carlo.
(Rede 200x200 - com 25.000 passos de Monte Carlo)
.
.

.....

....

29 / 32

Simulao para estrutura tridimensional

Simulao utilizando o Mtodo de Monte Carlo para rede cbica


(50x50x50), com 500 passos: a) Magnetizao em funo da
Temperatura; b) Energia em funo da Temperatura; c) Fase
paramagntica; d) Formao de ilhas de correlao; e) Fase
ferromagntica;
30 / 32

Concluses

O algoritmo de Metropolis um poderosa ferramenta no tratamento de


sistemas estatsticos, contudo, trata-se apenas da ponta do iceberg das
tcnicas envolvendo o mtodo de Monte Carlo. Inclusive, segundo
Newman & Barkema (1999, traduo nossa), embora este algoritmo
famoso seja muito fcil de programar, ele raramente a forma mais
eciente para realizar uma simulao.

Os mtodos estocsticos so muito importantes para o tratamento de
modelos matemticos de sistemas fsicos, biolgicos, econmicos, sociais,
dentre outros. Portanto, a simulao um recurso valioso no meio
acadmico, fazendo parte do trip que sustenta o entendimento que
temos da natureza, juntamente com os experimentos e os recursos
tericos.

31 / 32

Referncias

NEWMAN, Mark & BARKEMA, Gerard. Monte Carlo Methods


in Statistical Physics. Oxford: Clarendon Press, 1999. 474 p.
-

SALINAS, Slvio Roberto de Azevedo. Introduo


So Paulo: Edusp, 2005. 464 p.

Fsica

Estatstica.
-

SCHERER, Claudio. Mtodos Computacionais


Paulo: Editora Livraria da Fsica, 2005. 284 p.

da Fsica.

So

YAMAMOTO, Daisuke,

Phys. Rev. B

79

(2009) 144427.

32 / 32