长程相互作用晶格系统 Metropolis Monte Carlo 模拟的高效预决策方案

Mon, 13 Jul 2026 00:12:16 +0800

长程相互作用晶格系统Metropolis蒙特卡洛模拟的高效预决策方案#

Fabio Müller^* 和 Wolfhard Janke^†

莱比锡大学理论物理研究所，IPF 231101，德国莱比锡 04081

（2025年10月2日收稿；2026年2月17日修订；2026年4月10日接受；2026年6月2日发表）

我们提出了一种快速且通用的预决策方案，用于具有$\mathbb{N}$个组分的$d$维长程相互作用晶格模型的Metropolis蒙特卡洛模拟。对于形式为$V(r) = r^{-d - \sigma}$的势能，该方法将计算复杂度从$O(N^{2})$分别降低到$O(N^{2 - \sigma / d})$（当$\sigma < d$时）和$O(N)$（当$\sigma > d$时）。该算法已在多个${\mathrm{O}}(n)$自旋模型上实现并测试，范围从Ising模型到XY模型，再到Edwards-Anderson自旋玻璃模型。使用相同的随机数序列时，该算法能够产生与精确求和哈密顿量中所有项进行模拟完全相同的马尔可夫链。由于其通用性、简单性以及降低的计算复杂度，该算法有望得到广泛应用，从而促进对长程相互作用在晶格模型物理学中作用的深入理解，特别是在非平衡情境下。

Metropolis蒙特卡洛算法[1]可被视为研究晶格系统的主力工具，既能研究平衡性质，也能研究非平衡过程。一大类模型是${\mathrm{O}}(n)$矢量自旋模型，其各种定义能够捕捉从一级和二级相变到无限级Berezinskii-Kosterlitz-Thouless型相变乃至玻璃态行为等不同的物理现象。从非平衡视角来看，也存在一系列广泛的不同过程，这些过程可以通过Metropolis算法进行研究，并在近期引起了显著关注，例如场驱动滞后[2,3]、相序[4,5]、Kibble-Zurek机制[6]、Mpemba效应[7]等。从计算角度看，这些物理方面的研究通常局限于短程相互作用系统，因为传统上对具有$\mathbb{N}$个组分的长程相互作用系统进行模拟，其复杂度为$O(N^{2})$。这一事实严重阻碍了模拟研究，直到最近算法上的进展才缓解了这一问题，从而引发了对长程相互作用系统非平衡物理学的新一波重要见解[8-14]。这一发展的一个关键基石是我们近期提出的快速层级Metropolis算法[15]，然而该算法伴随相当高的技术开销，构成了其广泛采用的障碍。

在本快报中，我们提出了一种新的、更精简的算法。与快速层级算法[15]相反，它甚至适用于相互作用中存在随机符号的系统。在实现的技术要求方面，新算法与传统Metropolis算法相当，同时仍能显著降低计算复杂度。由于该算法使用相同的随机数序列，能够精确复现与精确评估能量值的Metropolis算法完全相同的马尔可夫链，因此所有关于所研究系统的现有物理知识都可以一对一地沿用。虽然这一特性使其在研究非平衡过程时特别有用，但该算法同样可以应用于平衡系统。复现Metropolis动力学的特性、实现的简单性以及随之而来的计算负担的巨大减少，使其成为广泛研究植根于长程相互作用系统的各种现象的一个非常有前景的候选方案。

作为原型模型，我们考虑长程O$(n)$自旋模型的三种不同变体，它们的哈密顿量形式相同：

$$ \mathcal{H} = - \frac{1}{2} \sum_{i} \sum_{j \neq i} J_{i,j} \mathbf{s}_{i} \mathbf{s}_{j}, \tag{1} $$

其中自旋 $\mathbf{s}_{i}$ 是 $n$ 维单位向量，当 $n = 1$ 时对应伊辛模型。相互作用由下式给出

$$ | J_{i , j} | = r ( i , j )^{- d - \sigma} ,\tag{2} $$

其中 $r ( i , j )$ 表示 $\mathbf{s}_{i}$ 与 $\mathbf{s}_{j}$ 之间的欧几里得距离，$d$ 是空间维度，$\sigma > 0$ 是可调参数，决定了相互作用的衰减速率。取绝对值 $|J_{i , j}|$ 是为了考虑反铁磁相互作用的可能性——例如出现在我们作为一个示例考虑的长程 Edwards-Anderson 自旋玻璃模型中。与我们的文献 [15] 一样，我们使用 $N = L^{d}$ 个自旋的超立方晶格，并采用 Ewald 求和 [16] 实现周期性边界条件，从而得到一组修改后的耦合参数，该参数在模拟开始时一次性确定，之后与简单的最小像约定结合使用。

实指数反馈 Ising 模型：从零温混合相到非解析临界性

Mon, 13 Jul 2026 12:43:41 +0800

本笔记以两类已有工作为出发点：一类是零温下研究线性反馈 $f(m)=1+\gamma m$ 的反馈 Ising 模型，重点是稳定混合相、超稳定性和随外场扫描的分岔；另一类是采用对称二次反馈 $J(m)=J_0(1+\kappa m^2)$ 的“智能 Ising 模型”，重点是有限温度相变和三临界行为。这里将两者统一到实指数 $p>0$ 的框架中，并严格区分平均场、有限维全局反馈以及一维精确受限自由能三个层次。

与原稿相比，本笔记特别修正或澄清了以下问题：

“$J(m)>0$”只能称为瞬时二体耦合前因子非负，不能等同于普通固定正耦合的铁磁体；反馈会生成非局域多体作用。

判断混合相是否为全局基态时，必须同时与 $m=+1$ 和 $m=-1$ 比较，不能只做单侧 Maxwell 比较。

所有“出现混合相”或“成为混合基态”的阈值都应使用严格不等式；等号处通常只是端点并合或退化。

$p>2$ 的有限温度结构并非简单地“没有三临界点”，而是可出现一个以有限磁化跳变接到 $T=J$ 连续临界线上的临界端点。

平均场 Landau 分类不能直接搬到一维全局反馈模型；一维中 $J(m)$ 还会通过零磁化背景自由能贡献更低阶的 $|m|^p$ 项。

1. 为什么要研究实指数反馈#

普通 Ising 模型把自旋之间的耦合常数 $J$ 视为外部给定参数。反馈 Ising 模型则允许耦合随系统自身的宏观状态改变，即

$$ J\longrightarrow J(m), \qquad m=\frac1N\sum_{i=1}^N s_i, \qquad s_i=\pm1. $$

这种结构适合描述“微观个体的相互作用强度由整体状态反过来调节”的系统，例如投票中的实时民调、神经网络中的活动依赖突触、资源受限的群体协同、气候中的冰—反照率反馈等。其关键并不只是把一个常数换成函数，而是：一次局部自旋翻转会改变全局磁化，继而改变大量键的耦合强度，因此模型实际上包含非局域的有效多体作用。

已有线性反馈模型取

$$ f(m)=1+\gamma m, $$

在零温平均场下可以产生普通铁磁模型没有的稳定混合相。另一方面，对称二次反馈

$$ f(m)=1+\kappa m^2 $$

在有限温度下可以改变相变阶数并产生三临界点。若要把指数从整数推广到任意实数，不能直接写 $m^p$，因为当 $m<0$ 且 $p\notin\mathbb Z$ 时，$m^p$ 一般不是实数。自然的实值延拓有两种：

统计物理 on Yuunagi Library

长程相互作用晶格系统 Metropolis Monte Carlo 模拟的高效预决策方案

长程相互作用晶格系统Metropolis蒙特卡洛模拟的高效预决策方案#

实指数反馈 Ising 模型：从零温混合相到非解析临界性

1. 为什么要研究实指数反馈#