Escolar Documentos
Profissional Documentos
Cultura Documentos
2014
Dissertao apresentada ao departamento de Fsica da Universidade Federal de Minas Gerais, para a obteno de Ttulo de
Mestre em Fsica
rea de Concentrao: Mecnica Estatstica.
2014
Comece por fazer o que necessrio, depois faa o que possvel e em breve estar fazendo o que
impossvel."
S. Francisco de Assis
Agradecimentos
Ao professor Plascak pela pacincia, orientao e dedicao. Que no somente orientou,
mas que me aconselhou durante esta fase to importante da minha vida. Ao professor Bismarck pela co-orientao e ajuda na defesa dessa dissertao.
Departamento de Fsica do Instituto de Cincias Exatas, que contriburam para minha formao acadmica. Aos meus pais, irm, e todos os demais familiares e amigos que estiveram
comigo durante o mestrado. Em especial aos amigos do departamento que agregaram um
crescimento tanto pessoal, como prossional em minha vida: Diego, Tassius e Marcos. Alm
de outros amigos que estiveram presente nesse processo: Adalton, Joilson, Iana, Rafael,
rico, Alisson, Erik, Gustavo, Pedro, Eliel e Davi. A CAPES pelo auxlio nanceiro.
iv
Resumo
Neste trabalho, estuda-se, computacionalmente, as propriedades magnticas do modelo de
Ising ferromagntico numa rede quadrada e na ausncia de um campo magntico externo.
A parte inicial do trabalho envolve a fundamentao terica e o processo de construo dos
programas de simulao, tais como:
simples e clculo de erros. Para o caso particular de um bloco de quatro spins foi obtido,
analiticamente, os resultados exatos, os quais foram comparados com os resultados obtidos
com a simulao de Monte Carlo. Essa comparao garantiu um melhor entendimento sobre
o processo de estimativa dos resultados gerados pela simulao numrica, alm de conrmar
que o cdigo est correto. Com o auxlio da tcnica do histograma simples e da teoria de
escala de tamanho nito (FSS) foi possvel um tratamento estatstico mais detalhado perto
da transio. Obtemos as grandezas desejadas: magnetizao, susceptibilidade magntica,
energia, calor especco e cumulante de Binder a partir das mdias, no decorrer da simulao. Obtivemos as quantidades termodinmicas do sistema para diferentes tamanhos de
redes e temperaturas. Vericamos a existncia de uma transio de fase, bem como o comportamento peculiar dessas grandezas prximas regio crtica. Os valores dos expoentes
crticos e da temperatura de transio estimados nesse trabalho coincidem com os valores
encontrados na literatura.
Palavras-chave:
Finito
Abstract
In this work we study the magnetic properties of the ferromagnetic Ising model on a square
lattice, in zero external magnetic eld, through Monte Carlo simulations. The initial part
comprises the theoretical background and the simulations as the Monte Carlo code, the
single histogram technique and the estimate of the error bars. For the particular four-spin
cluster the exact results have been obtained and compared to the simulational ones. Such
comparison granted a better understanding of the process of generating the computational
data besides a way of conrming the correctness of the code.
histogram technique and the nite size scaling hypothesis.
values of the magnetization, energy, specic heat, susceptibility and the Binder cumulant.
It was possible to obtain the thermodynamic quantities as a function of temperature and
the system size. It was evident the existence of a phase transition with its peculiar behavior.
Accordingly, we have obtained the critical temperature as well as the critical exponents of
the model. The values of the critical indices and the critical temperature agree well with
the exact ones and those coming from other computational methods.
Keywords:
Ising Model, Monte Carlo, Critical Exponents and Finite Size Scaling
II
Sumrio
Resumo
Abstract
II
Lista de Figuras
VI
Lista de Tabelas
VII
1 Introduo
2.1
Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2
2.3
. . . . . . . . . . . . . . . . . . . . . . . . . .
2.4
Algoritmo de Metropolis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
2.5
Nmeros Pseudo-aleatrios
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
2.6
Estimativas de erros
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
2.7
. . . . . . . . . . . . . . . . . . . . . . . . .
Modelo de Ising . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
12
14
14
3.2
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
3.3
17
3.4
Equilbrio
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.5
L=2
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
III
17
20
SUMRIO
IV
24
4.1
Fenmenos Crticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
4.2
28
. . . . . . . . . . . . . . . . . . . . . . .
5 Resultados e Discuses
31
5.1
Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
31
5.2
O cumulante de Binder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32
5.3
Estimativa do expoente
5.3.1
5.4
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
Tc
. . . . . . . . . . . . . . . . . . . . . . . . . . .
34
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
37
Nova estimativa de
Expoentes
6 Concluso e Perspectivas
39
6.1
Concluso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
39
6.2
Perspectivas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
A Um apndice
41
Referncias Bibliogrcas
52
Lista de Figuras
3.1
Magnetizao em funo dos passos de Monte Carlo. T representa as temperaturas nas quais as simulaes foram feitas.
3.2
. . . . . . . . . . . . . . . . . . .
3.3
19
. . . . . . . . . . . . . . .
19
Resultados para a energia, calor especico, modulo da magnetizao e susceptibilidade para o modelo de Ising na rede com
L = 2.
As linhas so os
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.1
5.2
L.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.3
ln[U4 ]
ln[L].
5.4
ln[Q]
5.5
como funo de
ln[L].
como funo de
L.
33
. . .
33
. . .
34
. . . . .
35
L.
35
para
= 1.01.
ponto de interseco
5.8
1/ .
32
5.7
1/ .
22
Tc = 2, 2724(30).
Tcc (L),
com
. . . . . . . . . . . . . . . . . . . . . .
36
Tc (L),
para
= 1.01.
Tc = 2, 2706(20).
V
. . . . . . . . . . . . . . .
36
LISTA DE FIGURAS
5.9
VI
ln[M (Tc )]
versus
ln[L]
max
L.
37
38
a susceptibilidade mxima.
. . . . .
38
Lista de Tabelas
3.1
para
Si = 1.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
A energia de interao entre primeiros vizinhos na ausncia de campo magntico externo no modelo de Ising (Eq. 3.1). . . . . . . . . . . . . . . . . . . .
3.3
24
2 2.
A energia e magnetizao de
sobre uma rede quadrada
A energia e magnetizao de
sobre uma rede quadrada
6.1
15
Temperatura crtica
Tc
. . . . . . . . . . . . . . . . . . . . . . . . . . .
24
22
16
20
e expoentes crticos
21
1
, e para o modelo de Ising
clssico, bi-dimensional obtidos pelas simulaes deste trabalho para comparao so mostrados os resultados exatos. . . . . . . . . . . . . . . . . . . .
VII
40
Captulo 1
Introduo
Em 1873,
um trabalho de Van der Waals contm a primeira teoria que caracteriza a transio entre
as fases lquida e gasosa em uidos, levando em conta a repulso de caroo duro entre
as molculas.
Captulo 1.
Introduo
teoria fenomenolgica proposta por Curie-Weiss [1], apresentaram muitos pontos em comum
com a teoria de Van der Waals[1, 2].
Posteriormente, na
teoria proposta por Landau, unicou-se as teorias clssicas para transio de fase, onde
introduziu-se o conceito de parmetro de ordem e formulou-se uma expanso da energia
livre como uma srie de potncias em termos dos invariantes dos parmetros de ordem.
Exigiu-se que a energia livre fosse analtica nas vizinhanas da criticalidade, resultando em
valores clssicos para os expoentes crticos. Entretanto, a no analiticidade da energia livre
no limite termodinmico uma caracteristica da transio de fase.
Fora da criticalidade, as correlaes espaciais de grandezas termodinmicas do
sistema fsico decaem exponencialmente com a distncia.
No entanto, na criticalidade as
No captulo 2 apresentamos
Discu-
timos tambm sobre os algoritmos usados, bem como suas vantagens e desvantagens. No
Captulo 1.
Introduo
captulo 3 apresentamos a fsica do modelo de Ising, bem como a discusso de sua implementao computacional. O caso particular do sistema composto por quatro spins foi resolvido
exatamente. Os resultados exatos foram comparados com aqueles da simulao numrica,
servindo como um teste para o cdigo numrico. No Captulo 4 discutimos sobre transies
de fase e a teoria de escala de tamanho nito. Nos Captulos 5 e 6 apresentamos os resultados e concluses deste trabalho, bem como uma perspectiva para trabalhos futuros. No
Apndice A esto os algoritmos que foram desenvolvidos durante este trabalho e que foram
simulados no laboratrio de mecnica estatstica do Departamento de Fisca da Universidade
Federal de Minas Gerais.
Captulo 2
2.1
Introduo
A mecnica estatstica de equilbrio possibilita obter propriedades macroscpicas
calculado como
< A >=
1 X
A({X})eE({X}) ,
Z
(2.1)
{X}
na congurao
{X},
Z=
eE({X}) .
(2.2)
{X}
O smbolo
T.
Captulo 2.
para um microestado
{X}
Peq (E({X})) =
1 E({X})
e
.
Z
(2.3)
{X}
em
T.
A soma na equao (2.1) s pode ser feita de maneira exata em alguns casos
especiais, para modelos particularmente simples, devido ao nmero muito grande de conguraes e a complexidade das interaes envolvidas. Por exemplo, no caso do modelo Ising
com
2N
conguraes. Se
for
muito grande o clculo das mdias uma tarefa praticamente impossvel do ponto de vista
computacional.
Em decorrncia disso, um nmero de tcnicas e mtodos computacionais foram
desenvolvidos ao longo da histria. Esse desenvolvimento apresentou-se de maneira eciente
para situaes onde difcil, ou ainda impraticvel, obter-se resultados de forma analtica.
O uso da simulao computacional possibilitou uma expanso da mecnica estatstica, estendendo o estudo para outras reas do conhecimento, tais como sistemas biolgicos (por
exemplo, hemoglobina, enzimas alostricas e DNA), redes sociais e sistemas magnticos [5, 4].
A utilizao de tais simulaes tornou-se um instrumento importante entre a teoria e o experimento, corroborando resultados experimentais e tambm ajudando na interpretao de
dados experimentais [6] e analticos.
2.2
com trabalhos de John Von Neuman e Stanislav Ulam, para avaliar solues para alguns
problemas matemticos [7].
resolver problemas na Fsica, mas para calcular integrais [7]. No entanto, em 1953 Metropolis
e outros colaboradores [8] aperfeioaram o mtodo como um instrumento de uso em mecnica
estatstica. Atualmente, com o avano dos computadores e o desenvolvimento de poderosos
algoritmos, o mtodo de MC tornou-se uma importante ferramenta em todos os campos da
cincia.
Captulo 2.
1
proporcional a
NM CS
, com
NM CS
m-dimensional.
, onde
d
N
d > 4
[9].
< A >M C ,
de alguma quantidade
A.
Como discutido na ltima seo, o clculo direto das somas na equao (2.1) s
possvel em sistemas muito pequenos. Caso contrrio, isso se torna impraticvel, uma vez
que o nmero de conguraes aumenta exponencialmente com o tamanho
do sistema.
Contudo, a simulao de Monte Carlo, aliada ao algoritmo da seo (2.4) a seguir, prope
uma soluo para este problema. O procedimento consiste em obter amostras no espao de
conguraes e calcular as mdias usando esta amostragem. Como ser mostrado adiante,
esta amostragem pode ser feita de forma inteligente seguindo a distribuio de Boltzmann,
isto , selecionando uma poro do espao de conguraes de onde vm as contribuies
mais importantes para o efeito do clculo do valor mdio.
Se a amostra for sucientemente grande, pode-se garantir que a estimativa converge para o resultado exato. Essa a ideia bsica da amostragem por importncia (impor-
< A >=
dada por
1 X
.
A({X})eE({X}) = < A >M C ,
Z
(2.4)
{X}
onde
< A >M C
por importncia.
Se tivermos
conguraes
< A >M C
do valor mdio de
obtidas segundo a
como
PM
hAiM C =
i=1 A({X}i )
.
=<A>.
(2.5)
Captulo 2.
2.3
P (E ),
o sistema se encontrava.
O processo de Markov [7] pode ser entendido como uma trajetria aleatria entre
as conguraes de
para
( ) = .
Essas
Captulo 2.
P (E , t)
P (E , t)
para
e vice-
uma vez
mente.
A simulao de Monte Carlo com o algoritmo acima no uma dinmica. Ela
gera estados
P (E )
dada pela distribuio cannica. Para atingir esse objetivo, escolhe-se uma cintica que
governa a mudana de um estado para outro. Este processo governado por uma equao
mestra que descreve a cintica da probabilidade de ocorrncia dos estados
P (E , t).
Em
outras palavras, descreve a cintica das distribuies de probabilidades dos processos estocsticos Markovianos discretos. A equao mestra
X
d
P (E , t) =
[P (E ) P (E ) ] ,
dt
onde
P (E , t)
no instante
(2.6)
com
sendo
so
E .
As taxas de transio
para a correspondente equao mestra seja a distribuio de Boltzmann. A partir dos estados
gerados obtemos as estimativas para o observvel de interesse. Em equilbrio
d
P (E, t) = 0,
dt
isto
Peq (E )
Peq (E ) = 0.
(2.7)
Captulo 2.
Peq (E ) = Peq (E ) .
(2.8)
A condio acima conhecida como princpio do balano detalhado (PBD). Com o nico
requisito que a taxa de transio satisfaa a condio de balano detalhado, para que a
distribuio de probabilidades seja uma distribuio de equilbrio, podemos escolher
como uma distribuio de Boltzmann.
P (E )
eE
= E = e(E E ) .
(2.9)
O PBD uma condio necessria para garantir que o sistema atinja a situao
de equilbrio aps certa quantidade de transies. Como os denominadores
se cancelam,
E = E E .
(2.10)
Captulo 2.
2.4
10
Algoritmo de Metropolis
Um dos algoritmos usados no mtodo de Monte Carlo o Algoritmo de Metropo-
lis [11], que foi introduzido por Metropolis e colaboradores em 1953 [8]. No algoritmo de
Metropolis, conguraes so geradas de acordo com a distribuio de Boltzmann, efetuando
uma sequncia de sorteios aleatrios de transies entre estados, garantindo que a congurao nal seja a de equilbrio. A taxa de transio entre estados
satisfazem o princpio
w =
1,
se
E < E ,
e(E E ) ,
se
E > E .
(2.11)
i.
Si .
onde
Um estado coletivo do
Si
designa o estado da
Metropolis.
= {Si } ;
{Si }+1 ;
3. Calcula-se
E = E+1 E ;
4. Se
E 0,
5. Se
E > 0,
Calculamos
intervalo
p = eE
[0, 1],
de modo que, se
p = eE .
uniformemente distribudo no
Captulo 2.
6. Se
> p,
11
cesso.
2.5
Nmeros Pseudo-aleatrios
Neste trabalho foi utilizado o gerador de nmeros pseudo aleatrios lineares
1.
rand
entre o intervalo
mais simples e o que consome menos tempo de computao para a sua implementao nas
simulaes numricas. Por essa razo o utilizamos nesse estudo, com o intuito simplesmente
de reproduzirmos os resultados da criticalidade do modelo de Ising bidimensional de spin-1/2.
2.6
Estimativas de erros
Aps uma simulao com (do ingls
M CSD passos
iniciais de Monte Carlo, espera-se que o sistema seja conduzido ao equilbrio e, a partir desse
equilbrio, um novo conjunto contendo
mdias. A quantidade
M CSD
submetido [7], como erros sistemticos. Os erros sistemticos podem surgir de outros meios
que geralmente afetam a simulao, como a dependncia dos resultados com as tcnicas do
histograma simples, a qual calcula as mdias em uma temperatura prxima que foi gerada
as conguraes, o uso de geradores de nmeros aleatrios ruins, etc.
Realizando a simulao no modelo de Ising, descrita na prxima seo, a cada
passo de Monte Carlo uma quantidade
A(t)
medida, onde
Captulo 2.
12
A(t)
simples que estima o erro estatstico nessa quantidade medida dado pelo seu desvio padro
s
=
hA2 i hAi2
.
M CS 1
(2.12)
2.7
T0 ,
P0 (X) =
onde o hamiltoniano
com
kB
H({X})
e0 H({X})
,
Z(0 )
(2.13)
a constante de Boltzmann, e
Z(0 ) =
e0 H({X})
{X}, 0 = 1/kB T0 ,
a funo de partio. No
ensemble cannico
P0 (E) =
onde
a energia e
g(E)e0 E
,
Z(0 )
(2.14)
de qualquer funo de
g(E)e0 E
,
Z(0 )
(2.15)
P
< A >0 =
H(E)
H(E)/N ,
onde
o nmero
Captulo 2.
13
P0
H(E)
g(E)e0 E
.
= P0 (E) =
N
Z(0 )
Utilizando a equao acima para
mativa para o valor da densidade de estados
g(E) =
T0
(2.16)
podemos considerar
g(E)
g(E)
e obtemos
H(E)Z(0 )e0 E
.
N
(2.17)
temos
P (E) =
Inserindo a estimativa
P (E) = 1,
g(E),
g(E)eE
.
Z()
(2.18)
obtemos
H(E)eE
,
P (E) = P
E
E H(E)e
onde
= ( 0 ).
(2.19)
P
hf (E)i =
f (E)H(E)eE
E
P
.
E
E H(E)e
prximas de
T0 ,
calcular
dada por
(2.20)
H(E)
e, da equao acima,
T0 .
Captulo 3
3.1
Modelo de Ising
O modelo conhecido como modelo de Ising foi proposto por Wilhelm Lenz, em
1920, com o objetivo de estudar os fenmenos magnticos em certos materiais. Este modelo
foi resolvido por seu estudante de doutoramento, Ernst Ising [14], em 1925, para o caso
unidimensional, o qual chegou concluso que o modelo no exibe transio de fase em
temperatura nita.
Posteriormente, em
1944, o qumico noruegus Lars Onsager [15] encontrou uma soluo analtica para o modelo
bidimensional sem campo magntico, provando que o mesmo apresentava transio de fase de
segunda ordem. Para dimenses superiores no h soluo exata analtica. Vrias tcnicas
aproximadas fornecem resultados que permitem estudar o diagrama de fase do modelo.
O modelo de Ising [12, 11] um toy model no estudo dos fenmenos crticos e
transies de fase. Apesar de ter sido, originalmente, proposto para o estudo de fenmenos
14
Captulo 3.
15
magnticos, o modelo de Ising tem sido usado tambm no estudo de sistemas no magnticos,
cujas variveis se caracterizam por poderem assumir apenas dois valores (p.e.
Si = 1).
O modelo de Ising com campo magntico externo descrito pelo seguinte hamiltoniano
HI = J
Si Sj + B
Si ,
(3.1)
i=1
hi,ji
onde
N
X
spins da rede e
hi, ji,
a segunda
Si = 1.
Assum-
imos que um stio da rede representado na tabela est associado com seus primeiros vizinhos,
onde a seta
representa
Si = +1,
e a seta
representa o spin
3.2
Si = 1.
Essa cintica
S = 1.
Um estado
S = 1.
pares de spins numa rede quadrada onde o spin central foi invertido. O primeiro passo para
a implementao computacional consiste em escolher a congurao inicial do sistema. Em
Captulo 3.
16
E = J
E = +J
+1.
Tabela 3.2: A energia de interao entre primeiros vizinhos na ausncia de campo magntico
externo no modelo de Ising (Eq. 3.1).
Ei = E(t).
Mi = M (t) e a
Por exemplo, as
M
CS
X
1
Ei ,
M CS
(3.2)
M
CS
X
1
hM i
=
Mi .
N
N M CS
(3.3)
hEi =
i=1
hmi =
i=1
+1
1,
tem 4 vizinhos, observa-se que para 4 spins os valores possveis de diferenas de energias so
z+1
8J .
De maneira geral,
Captulo 3.
3.3
17
Cv
temos
hEi
1 hEi
= 2
.
T
T
Cv =
(3.4)
A partir da denio de mdia de ensemble para a energia interna de uma amostra possvel
obter a relao entre energia interna e a derivada logartmica da funo partio
hEi =
ln Z
.
(3.5)
1
2
( E hhEii2 ).
T2
C=
(3.6)
=
Nas expresses acima foi considerado
1
2
( M hM i2 ).
T
J =1
kB = 1,
(3.7)
J/kB .
trata-
As expresses acima
mostram como a capacidade trmica e a susceptibilidde magntica podem ser calculadas dos
dados da tabela obtida via simulao.
3.4
Equilbrio
Apesar da convergncia estar garantida para o estado de equilbio, segundo a
Captulo 3.
18
para estimar esse nmero de passos consiste em fazer um grco de algumas quantidades
de interesse (tal como, magnetizao, energia total) em funo dos passos de Monte Carlo.
A anlise dos grcos permite observar a evoluo dessas grandezas a partir do incio da
simulao at o sistema atingir o equilbrio. Durante esse processo ca claro o momento em
que a grandeza comea a utuar em torno de um valor xo. O sistema s entrar em equilbrio
aps um nmero nito de
tempo de relaxao,
M CSD
M CSD,
As guras 3.1 e 3.2 mostram, respectivamente, o comportamento da magnetizao e da energia do sistema nito com
L = 100
Monte Carlo, a partir da congurao inicial com spins alinhados, para trs temperaturas
diferentes: acima de
Tc = 2, 2691... [15].
Enfatizamos
J/kB .
Acompan-
hando essa simulao possvel estimar quando o sistema atinge o equilbrio, possibilitando
observar o tempo de relaxao do sistema. Essa estimativa do nmero de passos de Monte
Carlo para que o sistema atinja o equilbrio de fundamental importncia na obteno dos
resultados, isto porque as mdias so tomadas no equilbrio. Os primeiros passos so caracterizados com uma mudana na energia e no parmetro de ordem (magnetizao) no perodo
que o sistema est relaxando para o equilbrio.
T = 2, 4,
(T = T c),
para atingir o equilbrio, j que as correlaes entre os constituintes do sistema nessa regio
decaem de forma muito mais lenta, possuindo utuaes muito grandes.
temperatura acima de
T c, T = 4, 0
O sistema para
torno do zero, como esperado, enquanto para temperaturas abaixo da crtica o decaimento
tambm rpido, porm oscila em torno de valor diferente de zero, pois nesse caso o sistema
est ordenado.
que calculamos o valor mdio do mdulo da magnetizao, que nesse caso no se anula. O
Captulo 3.
19
T=1,9
0,8
<|m|>
0,6
T=2,4
0,4
0,2
T=4,0
0
0
200
400
600
800
1000
MCS
Figura 3.1: Magnetizao em funo dos passos de Monte Carlo. T representa as temperaturas nas quais as simulaes foram feitas.
-0,6
T=4,0
-0,8
<E>
-1
T=2,4
-1,2
-1,4
-1,6
T=1,9
-1,8
-2
0
200
400
600
800
1000
MCS
M CS = 400
um
Como no medimos as
M CSD = 5104
M CS
Captulo 3.
3.5
20
L=2
scaling (FSS), nos permite extrapolar para o limite termodinmico uma srie de medidas
feitas em sistemas nitos para o limite innito. Esta discusso ser feita posteriormente.
Para testar nosso cdigo usaremos como exemplo o modelo de Ising com
L L = 4.
24
N =
possveis (conguraes) do modelo podem ser enumerados para o clculo exato sobre todas
as conguraes do sistema. As 16 conguraes possveis para essa rede so dadas abaixo
na Tabela 3.3, sendo spin para cima representado por
Tabela 3.3:
A energia e magnetizao de
2 2.
24
linearmente.
Mi
Mj
+ + ++
-8K
-4
+ + +
-2
+ + +
-2
+ ++
-2
+ ++
-2
+ +
++
+ +
+ +
+ +
+ +
+8K
Utilizando-se essa
tabela, com condies peridicas de contorno, temos para a funo de partio do sistema.
Z = 2e8J + 12 + 2e8J ,
(3.8)
Captulo 3.
21
24
22
Energia
Magnetizao
-8
-2
-8
-4
e usando a relao
coshx =
ex +ex
podemos reescrev-la como
2
Z = 12 + 4cosh(8J).
(3.9)
hEi =
que, usando a relao
senhx =
[2(8)e8J + 2(8)e8J ]
ln Z
=
,
(3.10)
ex ex
, pode ser reescrita como
2
hEi =
8senh(8J)
.
3 + cosh(8J)
(3.11)
As outras quantidades de interesse (magnetizao, suceptibilidade e calor especco) podem ser encontradas de maneira similar, usando as equaes (3.6) e (3.7), onde os
resultados so
hE 2 i =
(3.12)
(0)
= 0,
Z
(3.13)
h|M |i =
(3.14)
hM 2 i =
(3.15)
hM i =
A magnetizao por partcula, a susceptibilidade e o calor especco podem ainda ser escritos
como
m=
hM i
= (2 + exp(8/T ))/(6 + 2cosh(8/T )),
4
(3.16)
Captulo 3.
22
(4 + 4exp(8/T ) + exp(16/T )
,
(T (36 + 24cosh(8/T ) + 4cosh(8/T )cosh(8/T )))
(3.17)
(4sinh(8/T )sinh(8/T ))
,
((T 2 )(9 + 6cosh(8/T ) + cosh(8/T )cosh(8/T ))))
(3.18)
onde
T = (/J)1
a temperatura reduzida.
Os resultados exatos acima podem ser comparados com os obtidos de uma simulao de Monte Carlo.
0,2
0
Metropolis L=2
Exato L=2
0,15
-1
<E>
-0,5
-1,5
0,1
0,05
-2
10
10
10
0,04
1
0,9
0,7
<|m|>
0,03
0,8
0,02
0,6
0,01
0,5
0,4
10
L = 2.
As linhas so os
107 M CS ,
descartando-se
L=2
M CSD = 5 104
numa temperatura
T0 = 4.0
e extrapolando
Captulo 3.
23
tima concordncia dentro da escala utilizada. Isso serve para um teste do cdigo numrico
bem como do emprego do gerador de nmeros aleatrios, que no caso, como discutido anteriormente, o mais simples e o que consome menos tempo de computao.
Podemos ainda notar que somente um histograma foi necessrio para todo intervalo de temperatura. Isso s foi possvel por causa do pequeno tamanho da rede. Nesse
caso, todas as conguraes para essa temperatura foram sorteadas e o histograma obtido
foi vlido para temperaturas longe da escolhida no histograma. Isso no ocorre para redes
maiores, onde a validade do histograma se restringe a valores de temperaturas prximas
daquela onde foram geradas as conguraes.
Captulo 4
4.1
Fenmenos Crticos
Como j discutido anteriormente, transies de fases [1, 16] so fenmenos pre-
sentes em uma variedade de sistemas, como uidos, sistemas magnticos e ligas metlicas.
Por exemplo, a gua, quando aquecida a uma temperatura especca e com presso constante, entra em ebulio, transformando-se em vapor. Essa transio lquido-vapor caracteriza uma mudana de fase ou estado da matria. H outros tipos de transio de fase que
esto relacionadas a materiais magnticos e que esto presentes em fsica da matria condensada. Como por exemplo, o im, que uma substncia ferromagntica e quando aquecida
perde sua imantao a uma temperatura bem denida, denominada temperatura de Curie,
tornando-se um paramagneto. Pode-se tambm caracterizar as fases desses sistemas como
uma fase ordenada, de menor simetria, e uma fase desordenada, com maior simetria.
Esses sistemas apresentam um comportamento peculiar nas vizinhanas da transio de fase. Para descrever a transio de fase Landau introduziu o conceito de parmetro
24
Captulo 4.
25
de ordem [1], cuja propriedade importante assumir o valor nulo na fase desordenada e um
valor no nulo na fase ordenada. No caso da transio de fase lquido-vapor, pode-se denir
como parmetro de ordem a diferena entre as densidades do lquido e do vapor do uido
L G ,
Tc
e, medida que a temperatura aumenta a diferena entre essas densidades vai para zero.
Em sistemas magnticos, como o exemplo do im, o parmetro de ordem a magnetizao
espontnea, pois deixa de existir para temperaturas superiores temperatura crtica. Em todos os casos acima o parmetro de ordem se anula para temperaturas acima da temperatura
de transio.
ordem a transio lquido-vapor discutida acima, onde a entropia e o volume de um uido apresentam descontinuidades no ponto de ebulio. Utiliza-se atualmente a denio de
Fisher [4], onde a transio ocorre no ponto de no analiticidade da energia livre.
Neste trabalho, entretanto, as transies de fases estudadas so de segunda ordem, pois apresentam continuidades nas primeiras derivadas dos potenciais termodinmicos,
mas a no analiticidade encontra-se em suas segundas derivadas. Quantidades termodinmicas que possuem comportamento bastante peculiar nas proximidades do ponto crtico, como
compressibilidade, calor especco ou a susceptibilidade so divergentes (innitas) ou mudam descontinuamente, caracterizam transies de fase de segunda ordem.
sistemas magnticos, o valor da magnetizao se anula para
desordenada e para
T < Tc
T > Tc
No caso dos
Captulo 4.
T Tc
26
tericos, que as propriedades do sistema possuem um comportamento que pode ser descrito
por leis de potncia, onde essas leis assintticas esto associadas a um conjunto de expoentes
crticos [12]. Esses expoentes crticos descrevem o comportamento das propriedades fsicas
de um sistema na regio da criticalidade. Para o estudo do sistema magntico neste trabalho
so usados seis expoentes crticos, que fornecem uma descrio completa do comportamento
do sistema nas proximidades da transio.
Uma caracterstica muito interessante a igualdade entre valores dos expoentes
crticos para sistemas bastante distintos, sendo essa uma manifestao do princpio da universalidade do comportamento crtico. Essa igualdade entres os expoentes crticos de sistemas
de naturezas diferentes permite agrupar esses sistemas em classes de universalidade [7]. Notase que os expoentes crticos dos modelos dependem apenas de poucas propriedades, como a
dimensionalidade do sistema, a dimensionalidade do parmetro de ordem e a simetria. Por
exemplo, no modelo de Ising, o sistema possui simetria de inverso de spins, sendo a energia
invariante pela transformao
i i
um). Logo, todos os sistemas que tm essas mesmas propriedades devem possuir os mesmos
expoentes crticos, independente da origem da transio. Essa propriedade universal independe de alguns parmetros, como: detalhes das interaes microscpicas, desde que seja de
curto alcance, como energia de interao
1. Expoente
2. Expoente
= (T Tc )/Tc
obtemos
do calor especco
c || .
(4.1)
m || ,
(4.2)
da magnetizao
Captulo 4.
3. Expoente
T > Tc .
|| .
4. Expoente
27
(4.3)
1
m H,
(4.4)
5. Expoente
|| .
6. Expoente
(4.5)
1
.
rd8
(4.6)
No a inteno desse trabalho, mas ainda seria possvel denir outros expoentes
crticos, como o tempo de relaxao
do sistema e
z,
+ 2 + = 2 (Rushbrook)
(4.7)
+ ( + 1) = 2 (Grif f iths)
(4.8)
= ( 1) (W idom)
(4.9)
d = 2 (Josephson).
(4.10)
Estas relaes j foram vericadas em alguns modelos com soluo exata, como
o modelo de Ising bidimensional.
Captulo 4.
4.2
28
so limitados em tamanho. Os efeitos de tamanho nito provocam modicaes nas singularidades das descontinuidades ou divergncias das grandezas termodinmicas, as quais so
substitudas por mximos arredondados e a posio do mximo deslocada do valor no
ponto crtico. Entretanto, existe um mtodo, denominado de mtodo de escala de tamanho
nito (Finite
do
sistema. Em 1971, Fisher props a teoria de escala de tamanho nito [17] que possibilita
fazer a conexo entre o comportamento de um sistema nito e seu equivalente no limite
termodinmico, permitindo obter as relaes em termos de leis de potncia que descrevem o
comportamento das quantidades de interesse nas vizinhanas da transio de fase contnua.
Como as simulaes lidam com sistemas nitos, o comprimento de correlao
(ou seja,
comprimento caracterstico do sistema prximo criticalidade) passa obviamente a ser limitado pelo tamanho do sistema. Portanto, as relao antes vlidas no limite termodinmico
precisam ser modicadas para levar em conta o tamanho
ponto crtico. Explicitando a dependncia de
pseudo-crtica
TcL
tal que
seja da ordem de
com
L,
L,
isto
(TcL ) L.
(4.11)
a equao acima com as equaes (4.1), (4.2), (4.3), e (4.5), que resulta em
L ,
(4.12)
c L ,
mL
No limite
|| 0,
(4.13)
(4.14)
M (T ) L
M 0 (L ),
(4.15)
Captulo 4.
29
(T ) L 0 (L ),
(4.16)
C(T ) L C 0 (L ),
(4.17)
U4 (T ) U 0 (L ),
onde
M 0 , 0 , C 0
U0
(4.18)
L .
U4 (T ) = 1
< M4 >
.
3 < M 2 >2
(4.19)
A teoria de escala permite fazer uma extrapolao dos dados obtidos nos sistemas
nitos com diversos valores de
L ,
possibilitando
assim obter a temperatura crtica e os expoentes crticos do sistema innito. Portanto, basta
tomar o logaritmo das equaes acima e num ajuste linear de um grco log-log obtem-se os
expoentes atravs da correspondente inclinao, como pode ser visto das equaes abaixo
ln[M (TC )] =
ln[L] + ln[M 0 ],
(4.20)
ln[(TC )] =
ln[L] + ln[0 ],
(4.21)
ln[C(TC )] =
ln[L] + ln[C 0 ]
(4.22)
e a temperatura crtica
Tc ,
Tc
TcL
como funo de
Tc .
L ,
onde a interseco
TcL = Tc + aL .
No entanto, na maioria das vezes,
(4.23)
modo de obt-lo. Pode-se, entretanto, utilizar o prprio cumulante de Binder para calcular
a temperatura crtica e a derivada do cumulante de Binder em relao temperatura crtica
para estimar
1
, onde a interseo entre as curvas para o cumulante de Binder so obtidas
Captulo 4.
L.
1
,
1 d
d
U4 (T )|T =Tc = L
U 0 (x),
dT
dx
onde
x = L .
Alm disso,
30
U 0 ({x})
(4.24)
ento funo de escala. Tomando o logaritmo desta equao obtm-se uma expresso que
permite obter o expoente
1
pela inclinao do grco de
ln[U4 (Tc )]
de L
0
ln[U4 (Tc )] =
1
ln[L] + ln[U 0 (0)].
(4.25)
Captulo 5
Resultados e Discuses
5.1
Introduo
Os resultados desse trabalho foram obtidos com simulaes para tamanhos de
rede diferentes e baseados nas informaes da ltima seo. Obtivemos as estimativas para
a temperatura crtica do modelo, bem como os valores dos expoentes crticos que permitem
estudar o comportamento das quantidades termodinmicas na proximidade da temperatura
crtica.
A anlise do comportamento do calor especco, do valor mdio do parmetro
de ordem, da susceptibilidade, do cumulante de Binder, e das correspondentes derivadas
foram fundamentais para obteno dos resultados. Com auxlio da tcnica computacional
do histograma foi possvel obter com preciso a localizao dos pontos de mximo da curva de
susceptibilidade e do calor especco, uma vez que, a temperatura crtica pode ser estimada
a partir dos pontos de mximo dessas curvas.
A Figura 5.1 mostra um histograma tpico da energia para a rede
na temperatura
T = 3.0
com
106
107
L = 16 obtida
M CS .
31
M CS
Captulo 5.
32
Resultados e Discuses
melhor ser o resultado extrapolado, bem como maior o intervalo de temperatura onde o
histograma aplicvel. Note que nesse caso foi feito uma estimativa para outras temperaturas
perto de
To .
Para
T = 2.4
ou
T = 4.8,
To
o histograma
no podem ser
muito diferentes. Note tambm que se diminuir a temperatura, o mximo se desloca para a
esquerda, menor energia, como esperado. Quando se aumenta a temperatura, o mximo vai
para a direita, maior energia, como o esperado.
0,07
6
0,06
10 MCS T0=3.0
7
H(E)/MCS
0,05
0,04
L=16
10 MCS T0=3.0
10 MCS
7
10 MCS
7
10 MCS
7
10 MCS
T=2.8
T=2.4
T=3.2
T=4.8
0,03
0,02
0,01
0
-400
-300
-200
-100
Figura 5.1:
clssico com
T = 3.0
e tamanho de rede
L=
16.
5.2
O cumulante de Binder
O ponto de cruzamento das curvas
U4 T
L fornecem
a primeira estimativa para a temperatura crtica, pois o valor do cumulante no ponto crtico
independe da rede. Assim, para diferentes tamanhos, as curvas se interceptam em
Tc ,
como
mostrado na gura 5.2. O cumulante de Binder para diferentes tamanhos da rede foi satisfatrio para a estimativa da temperatura crtica
pelo grco acima, cou em
Tc = 2, 2691(20).
Tc .
em uma nova simulao, juntamente com a tcnica do histograma, obtm-se tambm os expoentes crticos atravs do ajuste linear dos grcos log-log discutidos no captulo anterior.
Captulo 5.
33
Resultados e Discuses
L=8
L=16
L=32
L=64
L=128
0,6
U4
0,5
0,4
2,26
Figura 5.2:
2,27
2,28
T
2,29
2,3
5.3
L.
Estimativa do expoente
O expoente
pela equao (4.25). A gura 5.3 mostra essa derivada em funo do tamanho do sistema
na temperatura
Tc = 2, 2691.
1/ = 0, 988(10).
4
Monte Carlo
Ajuste linear
ln[U4]
0
2
Figura 5.3:
2,5
ln[U4 ]
3,5
ln[L]
como funo de
4,5
ln[L].
1/ .
Captulo 5.
34
Resultados e Discuses
Q=
mL
T |T Tc
L .
1/ = 1.031(20).
5
Monte Carlo
Ajuste linear
ln[Q] 3
1
2
2,5
Figura 5.4:
ln[Q]
3,5
ln[L]
como funo de
4,5
ln[L].
1/ .
5.3.1
Nova estimativa de
1/ = 1, 01(2).
Tc
crtica podem ser obtidas com o mtodo que utiliza as temperaturas pseudo-crticas, isto ,
as temperaturas
Tc (L)
L.
T = TC
para
muito grande. Logo, mesmo com a no divergncia dessas grandezas possvel fazer uma
Captulo 5.
35
Resultados e Discuses
2,5
L=128
L=64
L=32
L=16
L=8
c 1,5
1
0,5
2,2
Figura 5.5:
2,4
kBT/J
2,8
2,6
L.
300
6
250
4
200
2
2,2
150
2,4
2,6
kBT/J
2,8
L=128
L=64
L=32
L=16
L=8
100
50
0
2,2
2,3
2,4
2,5
2,6
kBT/J
Figura 5.6:
Curvas da susceptibilidade em
L.
Podemos ver claramente as posies dos mximos que sero utlilizados nos clculos dos
Captulo 5.
36
Resultados e Discuses
expoentes crticos.
Monte Carlo
Ajuste linear
2,35
Tc
2,3
2,25
2,2
0
Figura
0,1
-1/
L
0,05
5.7:
Temperatura
0,15
0,2
pseudo-crtica,
para
= 1.01.
As retas apre-
Tc = 2, 2724(30).
2,6
Monte Carlo
Ajuste Linear
2,5
Tc 2,4
2,3
2,2
0
0,1
0,05
L
Figura
5.8:
Temperatura
0,15
-1/
pseudo-crtica,
para
= 1.01.
As retas ap-
Tc (L),
Tc = 2, 2706(20).
Com
0,2
Captulo 5.
37
Resultados e Discuses
Tc (L) = T + qL
1
.
Tc (L) L
e extrapolar para
L ,
Tccv = 2, 2724(30)
calor especco. E de maneira anloga, para a gura 5.8, usando os pontos do mximos da
susceptibilidade
Tc = 2, 2706(20).
para a temperatura crtica calculada com a mdia das estimativas obtidas pela localizao
do mximo da susceptibilidade
Pode-se observar
que o valor encontrado nesta dissertao para a temperatura est dentro do esperado, pois
o valor exato
5.4
Tc = 2, 2691...
Expoentes
(Tc = 2, 271(2)),
vericamos o compor-
L,
gura 5.9.
0,8
L=128
L=64
L=32
L=16
L=8
0,6
m 0,4
0,2
2,25
2,3
2,275
2,325
kBT/J
Figura
5.9:
funo
da
Curvas
da
temperatura
magnetizao
para
modelo
em
de
L.
Captulo 5.
38
Resultados e Discuses
o tamanho do sistema em
T = Tc .
L,
T = Tc
/ .
= 0, 125(2).
-0,2
Monte Carlo
Ajuste linear
ln[M(Tc)]
-0,3
-0,4
-0,5
2,5
3,5
ln[L]
ln[L]
4,5
5
4
ln[X(Tc)]
susceptibilidade
3
2
1
0
2
2,5
Figura 5.11:
sendo
max
3,5
ln[L]
4,5
a susceptibilidade mxima.
= 1.77(1).
Captulo 6
Concluso e Perspectivas
6.1
Concluso
Neste trabalho estudamos o modelo de Ising clssico usando a simulao de
Monte Carlo com a implementao do Algoritmo de Metropolis, aliado tcnica de histogramas simples. Analisando os resultados da simulao, observamos que os comportamentos da
magnetizao, calor especco e susceptibilidade esto de acordo com o esperado segundo resultados anteriores. Explorando esses resultados com a teoria de escala de tamanho innito e
a tcnica de histograma, zemos a extrapolao para o limite termodinmico e encontramos
os expoentes crticos e a temperatura crtica, compatveis com aqueles esperados para este
modelo. As grandezas termodinmicas foram obtidas com os respectivos erros estatsticos.
Usamos o gerador linear congruencial para gerar o conjunto de nmeros pseudo aleatrios
usado neste trabalho. Os resultados obtidos so mostrados na tabela 6.1.
Devido qualidade dos ajustes apresentados no ltimo captulo, principalmente
relacionado ao alinhamento dos pontos na obteno de suas declividades, acreditamos que os
nossos resultados esto em bom acordo com os exatos ou mesmo com outros obtidos atravs
de simulaes mais sosticadas.
39
Captulo 6.
40
Concluso e Perspectivas
Tc
e expoentes crticos
1
, e para o modelo de Ising cls-
sico, bi-dimensional obtidos pelas simulaes deste trabalho para comparao so mostrados
os resultados exatos.
6.2
Tc
2,271(2)
1.01(2)
0.125(2)
1.77(1)
este trabalho
2,2691...
0.125
1.75
exato [15]
Perspectivas
Nossos resultados coincidem com os valores exatos dentro das barras de erros.
Dentro desse esquema, alguns procedimentos podem ser implementados para se melhorar
a qualidade dos expoentes e da localizao da criticalidade.
21 )
S=1
(estados
1, 0),
S =
1
2 (
Apndice A
Um apndice
Apresentamos, neste Apndice, os cdigos em FORTRAN utilizados no presente trabalho.
// Programa do Modelo de Ising 2D com campo externo nulo
METROPOLIS PARA ISING SPIN-1/2 2-DIMENSOES
PARAMETER( L = 8)
integer k,L2,i,j,B,s(L,L),IP(L),IM(L)
integer ie,id,jc,jb,w,MCS,E,M,dE,SOMA,IND
real aleatorio1,aleatorio2,aleatorio3,pa,T0
real Eaux,Maux
real ENERGY(0:15)
open(2,le='EMT22L8106.dat',status='UNKNOWN')
MCS = 50000000
L2 = L*L
do i=1,L
do j=1,L
s(i,j)=1
end do end do
M = L2
E = -2*L2
DO I=1,L
IP(I) = I+1
IM(I) = I-1
enddo
41
Apndice A.
42
Um apndice
IP(L) = 1
IM(1) = L
T0 = 2.39
DO I=1,9,2
aleatorio3 = ran()
if(aleatorio3
<= pa)
then
s(i, j) = B
M = M + 2 s(i, j)
E = E + dE
endif end do
write(2,3) E,M
100 continue
3 format(2x,I4,2x,I4) end
Apndice A.
43
Um apndice
PARAMETER(
open(4,f ile
L=8
T 0 = 2.39
B0 = 1.0/T 0
T = 2.38
M CS = 50000000
// Alguns passos de Monte Carlo so despresados para efeito de termalizao
M CSD = 50000
L2 = L L
do 105
it = 1, 25
B = 1.0/T
DEN = 0.0
Em ed = 0.0
E2m ed = 0.0
Mm ed = 0.0
M 2m ed = 0.0
M 4m ed = 0.0
do 101
i = 1, M CSD
read(2,*) E,M
Apndice A.
Um apndice
101 continue
// Clculo das Mdias
do 100
i = M CSD + 1, M CS
read(2,*) E,M
epp = E
mpp = ABS(M )
epp = epp/L2
mpp = mpp/L2
EX = exp((B0 B) E)
DEN = DEN + EX
Em ed = Em ed + (epp EX)
E2m ed = E2m ed + (epp epp EX)
Mm ed = Mm ed + (mpp EX)
M 2m ed = M 2m ed + (mpp mpp EX)
M 4m ed = M 4m ed + (mpp mpp mpp mpp EX)
100 continue
Em ed = Em ed/DEN
E2m ed = E2m ed/DEN
C = (E2m ed Em ed Em ed)/(1.0 T T )
Mm ed = Mm ed/DEN
M 2m ed = M 2m ed/DEN
SU = (M 2m ed Mm ed Mm ed)/(1.0 T )
M 4m ed = M 4m ed/DEN
U = (1 (M 4m ed/(3.0 M 2m ed M 2m ed)))
write(4,3)
3 FORMAT(F 18.8, 2x, F 18.8, 2x, F 18.8, 2x, F 18.8, 2x, F 18.8, 2x, F 18.8)
close(2)
// Comea a variao da temperatura
105
T = T + 0.001
close(4)
end
44
Apndice A.
45
Um apndice
real*8
PARAMETER(
L=8
*******************************************************
// Ponteiro para gravao do arquivo com os resultados
********************************************************
open(4,f ile
T 0 = 2.36
B0 = 1.0/T 0
T = 2.36
M CS = 45000000
***********************************************************************************
// Alguns passos de Monte Carlo so despresados para efeito de termalizao
***********************************************************************************
M CSD = 50000
L2 = L L
box = 100000
nb = M CS/box
DEN = 0.0
Em ed = 0.0
E2m ed = 0.0
Apndice A.
Um apndice
46
Mm ed = 0.0
M 2m ed = 0.0
M 4m ed = 0.0
C = 0.0
SU = 0.0
U = 0.0
C2 = 0.0
SU 2 = 0.0
U 2 = 0.0
***********************************************************************************
// Acesso do arquivo com os resultados das conguraes gerada pela simulao
de Monte Carlo
***********************************************************************************
open(2,f ile
do 101
i = 1, M CSD
read(2,*) E,M
101 continue
ibox = M CSD
do 105
ib = 1, nb
B = 1.0/T
DEN b = 0.0
Em edb = 0.0
E2m edb = 0.0
Mm edb = 0.0
M 2m edb = 0.0
M 4m edb = 0.0
do 100
read(2,*) E,M
epp = E
mpp = ABS(M )
epp = epp/L2
Apndice A.
Um apndice
mpp = mpp/L2
EX = exp((B0 B) E)
DEN b = DEN b + EX
Em edb = Em edb + (epp EX)
E2m edb = E2m edb + (epp epp EX)
Mm edb = Mm edb + (mpp EX)
M 2m edb = M 2m edb + (mpp mpp EX)
M 4m edb = M 4m edb + (mpp mpp mpp mpp EX)
100 continue
Em edb = Em edb/DEN b
E2m edb = E2m edb/DEN b
Cb = (E2m edb Em edb Em edb)/(1.0 T T )
Mm edb = Mm edb/DEN b
M 2m edb = M 2m edb/DEN b
SU b = (M 2m edb Mm edb Mm edb)/(1.0 T )
M 4m edb = M 4m edb/DEN b
U b = (1 (M 4m edb/(3.0 M 2m edb M 2m edb)))
Em ed = Em ed + Em edb
E2m ed = E2m ed + E2m edb
Mm ed = Mm ed + Mm edb
M 2m ed = M 2m ed + M 2m edb
M 4m ed = M 4m ed + M 4m edb
C = C + Cb
SU = SU + SU b
U = U + Ub
C2 = C2 + Cb Cb
SU 2 = SU 2 + SU b SU b
U2 = U2 + Ub Ub
DEN = DEN + DEN b
105
Em ed = Em ed/nb
47
Apndice A.
Um apndice
0 DEN 0 , F 10.0)
1 format(2x,
2 FORMAT(
write(4,3)
0T
3 FORMAT(F 10.6, 2x, F 10.6, 2x, F 10.6, 2x, F 10.6, 2x, F 10.6, 2x, F 10.6)
write(4,3) EE,EC,EM,ESU,EU
close(2)
close(4)
end
********************************************
// Fim Programa
********************************************
48
Apndice A.
Um apndice
49
t = 0.0
DO
I = 1, 100
t = t + 0.1
open(4,f ile
=0 saida.dat0 , status =0 U N KN OW N 0 )
Apndice A.
50
Um apndice
HISTOGRAMA DA ENERGIA
// Declarao das variveis
program modelo de ising Murilo
PARAMETER(
L = 16
integer MCS,E,M,MCSD,MCST
integer
real
real
open(2,le='EMT30L16106.dat',status='unknown')
open(4,le='HET30L16106.dat',status='unknown')
T 0 = 3.0
B0 = 1.0/T 0
T = 2.4
M CS = 10000000
Mm ed = 0.0
M 2m ed = 0.0
L2 = L L
EM = 2 L2
do102II = 0, 4 L L
H(II) = 0
102 continue
do100II = 1, M CS
read(2,*) E,M
inde = E + EM
H(inde) = H(inde) + 1
100 continue
sum = 0.0
do105II = 1, 4 L L
E = II EM
f ren = 1.0 H(II)/(1.0 M CS)
sum = sum + f ren
Apndice A.
Um apndice
51
Referncias Bibliogrcas
[1] S. R. A. Salinas.
[2] N. E. Frankel.
Progress of Theoretical
2005.
[5] C. P. Herrero.
[6] D. P. Landau.
2006.
J. Chem.
UFSCar, 2013.
[11] C. Sherer.
52
REFERNCIAS BIBLIOGRFICAS
53
[13] A.M. Ferrenberg. Histogram techniques for studying phase transitions, in "computer
simulation studies in condensed matter physics, iii".
[15] Onsager.
[16] H. E. Stanley.
Press,Oxford, 1971.