वर्टेक्स मॉडल

वर्टेक्स मॉडल एक प्रकार का सांख्यिकीय यांत्रिकी मॉडल है जिसमें बोल्ट्ज़मान भार मॉडल में एक शीर्ष (परमाणु या कण का प्रतिनिधित्व) के साथ जुड़ा हुआ है। यह निकटतम-पड़ोसी मॉडल, जैसे कि आइसिंग मॉडल, के विपरीत है, जिसमें ऊर्जा, और इस प्रकार एक सांख्यिकीय माइक्रोस्टेट का बोल्ट्ज़मान वजन दो पड़ोसी कणों को जोड़ने वाले बांडों के लिए जिम्मेदार है। कणों की जाली में एक शीर्ष से जुड़ी ऊर्जा उन बंधनों की स्थिति पर निर्भर करती है जो इसे आसन्न शीर्षों से जोड़ते हैं। यह पता चला है कि वेक्टर रिक्त स्थान $V\otimes V$ के टेंसर गुणनफल में वर्णक्रमीय मापदंडों के साथ यांग-बैक्सटर समीकरण का प्रत्येक समाधान एक बिल्कुल-हल करने योग्य वर्टेक्स मॉडल उत्पन्न करता है।

यद्यपि मॉडल को किसी भी संख्या में आयामों में विभिन्न ज्यामिति पर लागू किया जा सकता है, किसी दिए गए बंधन के लिए संभावित अवस्थाओं की संख्या के साथ, सबसे मौलिक उदाहरण दो आयामी जाली के लिए होते हैं, सबसे सरल एक वर्ग जाली है जहां प्रत्येक बंधन में दो संभावित स्थितियां होती हैं। इस मॉडल में, प्रत्येक कण चार अन्य कणों से जुड़ा होता है, और कण से सटे चार बांडों में से प्रत्येक में दो संभावित अवस्थाएँ होती हैं, जो बांड पर एक तीर की दिशा से संकेतित होती हैं। इस मॉडल में, प्रत्येक शीर्ष $2^{4}$ संभावित विन्यास अपना सकता है। किसी दिए गए शिखर की ऊर्जा $\varepsilon _{ij}^{k\ell }$ द्वारा दी जा सकती है,

जाली की स्थिति के साथ प्रत्येक बंधन की स्थिति का एक असाइनमेंट होता है, जिसमें अवस्था की कुल ऊर्जा शीर्ष ऊर्जाओं का योग होती है। चूंकि अनंत जाली के लिए ऊर्जा अक्सर अपसारी होती है, जैसे-जैसे जाली अनंत आकार के करीब पहुंचती है, मॉडल का अध्ययन एक सीमित जाली के लिए किया जाता है। मॉडल पर आवधिक या डोमेन दीवार सीमा की शर्तें लगाई जा सकती हैं।

वर्गाकार जाली शीर्ष मॉडल में एक शीर्ष

चर्चा

जाली की किसी दी गई स्थिति के लिए, बोल्ट्ज़मान भार को संबंधित शीर्ष अवस्थाओं के बोल्ट्ज़मान भार के शीर्षों पर गुणनफल के रूप में लिखा जा सकता है।

$\exp(-\beta \varepsilon ({\mbox{state}}))=\prod _{\mbox{vertices}}\exp(-\beta \varepsilon _{ij}^{k\ell })$

जहां शीर्षों के लिए बोल्ट्ज़मान भार लिखा हुआ है

$R_{ij}^{k\ell }=\exp(-\beta \varepsilon _{ij}^{k\ell })$,

और i, j, k, l शीर्ष से जुड़े चार किनारों में से प्रत्येक की संभावित स्थितियों पर आधारित है। आसन्न शीर्षों की शीर्ष स्थितियों को राज्य के स्वीकार्य होने के लिए कनेक्टिंग किनारों (बंधन) के साथ संगतता शर्तों को पूरा करना होगा।

किसी विशेष समय पर सिस्टम के किसी भी दिए गए अवस्था में होने की संभावना, और इसलिए सिस्टम के गुण विभाजन फ़ंक्शन द्वारा निर्धारित किए जाते हैं, जिसके लिए एक विश्लेषणात्मक रूप वांछित है।

$\mathbb {Z} =\sum _{\mbox{states}}\exp(-\beta \varepsilon ({\mbox{state}}))$

जहां β = 1/kT, T तापमान है और k बोल्ट्ज़मान स्थिरांक है। सिस्टम के किसी निश्चित अवस्था (माइक्रोस्टेट) में होने की प्रायिकता निम्न द्वारा दी जाती है

${\frac {\exp(-\beta \varepsilon ({\mbox{state}}))}{\mathbb {Z} }}$

ताकि सिस्टम की ऊर्जा का औसत मान दिया जा सके

$\langle \varepsilon \rangle ={\frac {\sum _{\mbox{states}}\varepsilon \exp(-\beta \varepsilon )}{\sum _{\mbox{states}}\exp(-\beta \varepsilon )}}=kT^{2}{\frac {\partial }{\partial T}}\ln \mathbb {Z}$

विभाजन फ़ंक्शन का मूल्यांकन करने के लिए, पहले शीर्षों की एक पंक्ति की स्थितियों की जाँच करें।

वर्गाकार जाली शीर्ष मॉडल में शीर्षों की एक पंक्ति

बाहरी किनारे स्वतंत्र चर हैं, जिनमें आंतरिक बंधों का योग होता है। अतः, पंक्ति विभाजन फ़ंक्शन बनाएं

$T_{i_{1}k_{1}\dots k_{N}}^{i'_{1}\ell _{1}\dots l_{N}}=\sum _{r_{1},\dots ,r_{N-1}}R_{i_{1}k_{1}}^{r_{1}\ell _{1}}R_{r_{1}k_{2}}^{r_{2}\ell _{2}}\cdots R_{r_{N-1}k_{N}}^{i'_{1}\ell _{N}}$

इसे $R\in End(V\otimes V)$,$\{v_{1},\ldots ,v_{n}\}$के आधार पर सहायक n-आयामी वेक्टर स्पेस V के संदर्भ में पुन: तैयार किया जा सकता है

$R(v_{i}\otimes v_{j})=\sum _{k,\ell }R_{ij}^{k\ell }v_{k}\otimes v_{\ell }$

और $T\in End(V\otimes V^{\otimes N})$ जैसा

$T(v_{i_{1}}\otimes v_{k_{1}}\otimes \cdots \otimes v_{k_{N}})=\sum _{i'_{1},\ell _{1},\dots \ell _{N}}T_{i_{1}k_{1}\dots k_{N}}^{i'_{1}\ell _{1}\dots \ell _{N}}v_{i'_{1}}\otimes v_{\ell _{1}}\otimes \cdots \otimes v_{\ell _{N}}$

इसका अर्थ यह है कि T को इस प्रकार लिखा जा सकता है

$T=R_{0N}\cdots R_{02}R_{01},$

जहां सूचकांक टेंसर गुणनफल के कारकों को दर्शाते हैं $V\otimes V^{\otimes N}$ जिस पर R कार्य करता है। आवधिक सीमा शर्तों के साथ पहली पंक्ति में बांड की स्थिति का सारांश $i_{1}=i'_{1}$, देता है

$(\operatorname {trace} _{V}(T))_{k_{1}\dots k_{N}}^{\ell _{1}\dots \ell _{N}},$

कहाँ $\tau =\operatorname {trace} _{V}(T)$ पंक्ति-स्थानांतरण मैट्रिक्स है। दो पंक्तियों में योगदान का योग करने पर, परिणाम मिलता है

$(\operatorname {trace} _{V}(T))_{k_{1}\dots k_{N}}^{\ell _{1}\dots \ell _{N}}(\operatorname {trace} _{V}(T))_{j_{1}\dots j_{N}}^{k_{1}\dots k_{N}}.$

जो पहली दो पंक्तियों को जोड़ने वाले ऊर्ध्वाधर बांडों पर योग करने पर देता है:$((\operatorname {trace} _{V}(T))^{2})_{j_{1}\dots j_{N}}^{\ell _{1}\dots \ell _{N}}$ एम पंक्तियों के लिए, यह देता है

$((\operatorname {trace} _{V}(T))^{M})_{\ell '_{1}\dots \ell '_{N}}^{\ell _{1}\dots \ell _{N}}$

और फिर ऊर्ध्वाधर स्तंभों पर आवधिक सीमा शर्तों को लागू करते हुए, विभाजन फ़ंक्शन को स्थानांतरण मैट्रिक्स के संदर्भ में व्यक्त किया जा सकता है $\tau$ जैसा

$\mathbb {Z} =\operatorname {trace} _{V^{\otimes N}}(\tau ^{M})\sim \lambda _{max}^{M}$

कहाँ $\lambda _{max}$ का सबसे बड़ा eigenvalue है $\tau$. अनुमान इस तथ्य से चलता है कि के eigenvalues $\tau ^{M}$ के eigenvalues ​​हैं $\tau$ एम की शक्ति के लिए, और के रूप में $M\rightarrow \infty$, सबसे बड़े eigenvalue की शक्ति दूसरों की तुलना में बहुत बड़ी हो जाती है। चूँकि ट्रेस (रैखिक बीजगणित) eigenvalues ​​​​का योग है, गणना की समस्या $\mathbb {Z}$ का अधिकतम eigenvalue ज्ञात करने की समस्या कम हो जाती है $\tau$. यह अपने आप में अध्ययन का एक और क्षेत्र है। हालाँकि, सबसे बड़ा eigenvalue खोजने की समस्या के लिए एक मानक दृष्टिकोण $\tau$ ऑपरेटरों के एक बड़े परिवार को ढूंढना है जो साथ यात्रा करते हैं $\tau$. इसका तात्पर्य यह है कि eigenspace सामान्य हैं, और समाधान के संभावित स्थान को प्रतिबंधित करते हैं। कम्यूटिंग ऑपरेटरों का ऐसा परिवार आमतौर पर यांग-बैक्सटर समीकरण के माध्यम से पाया जाता है, जो इस प्रकार सांख्यिकीय यांत्रिकी को क्वांटम समूहों के अध्ययन से जोड़ता है।

अभिन्नता

परिभाषा: एक शीर्ष मॉडल अभिन्न है यदि, $\forall \mu ,\nu ,\exists \lambda$ ऐसा है कि

$R_{12}(\lambda )R_{13}(\mu )R_{23}(\nu )=R_{23}(\nu )R_{13}(\mu )R_{12}(\lambda )$

यह यांग-बैक्सटर समीकरण का एक पैरामीटरयुक्त संस्करण है, जो शीर्ष ऊर्जाओं की संभावित निर्भरता के अनुरूप है, और इसलिए बोल्ट्ज़मैन तापमान, बाहरी क्षेत्रों आदि जैसे बाहरी मापदंडों पर आर को महत्व देता है।

अभिन्नता की स्थिति निम्नलिखित संबंध को दर्शाती है।

'प्रस्ताव': एक पूर्णांक शीर्ष मॉडल के लिए, साथ $\lambda ,\mu$ और $\nu$ फिर, ऊपर बताए अनुसार परिभाषित किया गया है

$R(\lambda )(1\otimes T(\mu ))(T(\nu )\otimes 1)=(T(\nu )\otimes 1)(1\otimes T(\mu ))R(\lambda )$

के एंडोमोर्फिज्म के रूप में $V\otimes V\otimes V^{\otimes N}$, कहाँ $R(\lambda )$ टेंसर गुणनफल के पहले दो वैक्टर पर कार्य करता है।

इसके बाद उपरोक्त समीकरण के दोनों पक्षों को दाईं ओर से गुणा किया जाता है $R(\lambda )^{-1}$ और ट्रेस ऑपरेटर की चक्रीय संपत्ति का उपयोग करना जो निम्नलिखित परिणाम रखता है।

परिणाम: एक पूर्णांक शीर्ष मॉडल के लिए जिसके लिए $R(\lambda )$ उलटा है $\forall \lambda$, स्थानांतरण मैट्रिक्स $\tau (\mu )$ के साथ आवागमन करता है $\tau (\nu ),\ \forall \mu ,\nu$.

यह सॉल्व करने योग्य जाली मॉडल के समाधान में यांग-बैक्सटर समीकरण की भूमिका को दर्शाता है। स्थानांतरण मैट्रिक्स के बाद से $\tau$ सभी के लिए आवागमन $\lambda ,\nu$, के eigenvectors $\tau$ सामान्य हैं, और इसलिए पैरामीटरीकरण से स्वतंत्र हैं। यह एक आवर्ती विषय है जो इन कम्यूटिंग ट्रांसफर मैट्रिक्स को देखने के लिए कई अन्य प्रकार के सांख्यिकीय यांत्रिक मॉडल में दिखाई देता है।

उपरोक्त आर की परिभाषा से, यह इस प्रकार है कि दो एन-आयामी वेक्टर रिक्त स्थान के टेंसर गुणनफल में यांग-बैक्सटर समीकरण के प्रत्येक समाधान के लिए, एक संबंधित 2-आयामी सॉल्वेबल वर्टेक्स मॉडल होता है जहां प्रत्येक बॉन्ड हो सकता है संभावित अवस्थाएँ $\{1,\ldots ,n\}$, जहां आर द्वारा फैलाए गए स्थान में एक एंडोमोर्फिज्म है $\{|a\rangle \otimes |b\rangle \},1\leq a,b\leq n$. यह किसी दिए गए क्वांटम बीजगणित के सभी परिमित-आयामी अपरिवर्तनीय प्रतिनिधित्व सिद्धांत के वर्गीकरण को इसके अनुरूप हल करने योग्य मॉडल खोजने के लिए प्रेरित करता है।

उल्लेखनीय शीर्ष मॉडल

• छह-वर्टेक्स मॉडल

  * आठ-शीर्ष मॉडल

  * उन्नीस-वर्टेक्स मॉडल (इज़रगिन-कोरेपिन मॉडल)