この記事はJij Advent Calendar 2025の14日目の記事です。
概要
以前にこんな記事を書きました。これは全結合3体相互作用を持つ模型を解析して、一次転移になることを示した記事でした。あと、p=3,4,5くらいまで計算して、やっぱり一次転移ですねという確認もしました。
今回の記事では、より網羅的にp体相互作用全結合を考えて、転移点、磁化の飛び、潜熱のp依存性を見ていきます。
模型
まずは前回考えた模型を思い出します。こんな模型でしたね。
E_{p}(\bm{\sigma})=-\frac{1}{\binom{N-1}{p-1}}\sum^{N}_{i_1=1}\sum^{N}_{i_2=i_1+1}\cdots\sum^{N}_{i_p=i_{p-1}+1}\sigma_{i_1}\sigma_{i_2}\cdots\sigma_{i_p}
ここで、\sigma_i\in\{-1, +1\}はスピン変数です。
説明はリンク先にありますが、強磁性的な相互作用を考えて、解析が楽なように適当に相互作用をスケールするとこうなります。相互作用の強さを表す定数は1としています。
今は相転移する模型を考えたいのでp \geq 2とします。p=1は相互作用しないスピン系になってしまうので。
平均場解析
前回はp=3のケースで直接分配関数を計算しましたが、今回は一般のpのまま平均場近似を適用します。近似と言っていますが、全結合なのでN\to\inftyの熱力学極限で厳密な結果になるはずです。
平均場近似を行うために教科書でよくやるように
\sigma_i\to m + \delta \sigma_i
と、スピン変数をその平均値mとそこからのずれ\delta \sigma_iに分けます。
スピンの平均値とはつまり磁化であり、この系の秩序変数です。秩序状態では全てのスピンが同じ値を取るはずなので、mにi依存性は持たせていません。
そうすると、もとの模型はこう書けます。
E_{p}(\bm{\sigma})
=-\frac{1}{\binom{N-1}{p-1}}\sum^{N}_{i_1=1}\sum^{N}_{i_2=i_1+1}\cdots\sum^{N}_{i_p=i_{p-1}+1}\sigma_{i_1}\sigma_{i_2}\cdots\sigma_{i_p}\\
=-\frac{1}{\binom{N-1}{p-1}}\sum^{N}_{i_1=1}\sum^{N}_{i_2=i_1+1}\cdots\sum^{N}_{i_p=i_{p-1}+1}(m + \delta \sigma_{i_1})(m + \delta \sigma_{i_2})\cdots(m + \delta \sigma_{i_p})
ここで、\delta \sigma_iの2次以上の項を落とすのが平均場近似です。よって、
E_{p}(\bm{\sigma}) \simeq -\frac{1}{\binom{N-1}{p-1}}\sum^{N}_{i_1=1}\sum^{N}_{i_2=i_1+1}\cdots\sum^{N}_{i_p=i_{p-1}+1}\left(m^p + m^{p-1}(\delta\sigma_{i_1} + \delta \sigma_{i_2} + \cdots \delta \sigma_{i_p})\right) \eqqcolon E^{\text{MF}}_{p}(\bm{\sigma})
とできます。ここで、各項は以下のようにきれいにできます。
\sum^{N}_{i_1=1}\sum^{N}_{i_2=i_1+1}\cdots\sum^{N}_{i_p=i_{p-1}+1} m^p = m^p\binom{N}{p} \\
\sum^{N}_{i_1=1}\sum^{N}_{i_2=i_1+1}\cdots\sum^{N}_{i_p=i_{p-1}+1} m^{p-1}(\delta\sigma_{i_1} + \delta \sigma_{i_2} + \cdots \delta \sigma_{i_p}) = m^{p-1}\binom{N-1}{p-1} \sum^{N}_{i=1} \delta \sigma_i
これは初見だと分かりづらいですが、具体的なケースで書き下してみると感覚が掴めます。
というわけで、
E^{\text{MF}}_{p}(\bm{\sigma}) = -\frac{1}{\binom{N-1}{p-1}}\left(m^p\binom{N}{p} + m^{p-1}\binom{N-1}{p-1}\sum^{N}_{i=1}\delta \sigma_i\right)\\
=-\frac{Nm^p}{p} - m^{p-1}\sum^{N}_{i=1}\delta \sigma_i
を得ることができます。この段階で、\sigma_i\to m + \delta \sigma_iを逆に解いた\delta \sigma_i\to \sigma_i - mを上の式に代入することで、もとのスピン変数を用いた式に戻すことができます。
E^{\text{MF}}_{p}(\bm{\sigma})
=-\frac{Nm^p}{p} - m^{p-1}\sum^{N}_{i=1}(\sigma_i - m)\\
=Nm^p\left(1 - \frac{1}{p}\right) - m^{p-1}\sum^{N}_{i=1}\sigma_i
この式にはもとの模型にはなかったmが入っていますが、ひとまずこれで一体問題に帰着したので分配関数を計算して自由エネルギーを得ることができます。
分配関数は
Z = \sum_{\sigma_1=\pm1}\cdots\sum_{\sigma_N=\pm1} \exp \left( - \beta E^{\text{MF}}_{p}(\bm{\sigma}) \right)\\
=\exp \left[ - \beta N m^p \left( 1 - \frac{1}{p} \right) \right] \sum_{\sigma_1=\pm1}\cdots\sum_{\sigma_N=\pm1} \exp \left( \beta m^{p-1} \sum_{i=1}^N \sigma_i \right)\\
=\exp \left[ - \beta N m^p \left( 1 - \frac{1}{p} \right) \right] \left(\sum_{\sigma=\pm1}\exp(\beta m^{p-1}\sigma)\right)^N\\
=\exp \left[ - \beta N m^p \left( 1 - \frac{1}{p} \right) \right] \cdot \left[ 2 \cosh \left( \beta m^{p-1} \right) \right]^N
と計算できます。ここで\beta = 1/Tは逆温度です。よって、自由エネルギー密度は
f(m, T) = \frac{F}{N} = -\frac{1}{N\beta} \log Z\\
= m^p \left( 1 - \frac{1}{p} \right) - T \ln \left[ 2 \cosh \left( \frac{m^{p-1}}{T} \right) \right]
となります。この自由エネルギーf(m, T)の最小値を与えるmが熱力学極限で実現します。
つまり、この系の磁化mの温度依存性は
となります。ここで、温度依存性を明示的に示しました。
f(m, T)はmが変数として残っているので、ある意味擬似自由エネルギーと呼ぶべきものですが、f(m, T)を最小化するm(T)を代入してしまえばm依存性を消せるので、これが平均場近似におけるこの系の自由エネルギーとなります。それをf^{\text{MF}}(T)と書くと、
f^{\text{MF}}(T) = f(m(T), T) = \min_m f(m, T)
というわけです。この自由エネルギーf^{\text{MF}}(T)を使えば、エネルギーとかエントロピーとか熱力学量が求められます。また、系の転移温度はm(T)が0から有限になる瞬間の値を見ることで知ることができます。
結局、f(m, T)をmに関して最小化すればいいわけです。そのためには最小値候補として、
\frac{\partial f(m, T)}{\partial m} = \frac{\partial}{\partial m} \left[ m^p\left(1 - \frac{1}{p}\right) - T \ln \left( 2 \cosh \left( \frac{m^{p-1}}{T} \right) \right) \right] = 0
を満たすmを探します。実際にこの偏微分を計算すると、
(p-1)m^{p-2} \left[ m - \tanh \left( \frac{m^{p-1}}{T} \right) \right] = 0
が得られます。ここから分かるのはm=0はpによらず常に極値であるということですね。また、非自明な極値の候補として
m = \tanh \left( \frac{m^{p-1}}{T} \right)
が得られました。これは平均場近似における自己無到着方程式です。前回の記事でも同様の式が得られています。今回は平均場近似というアプローチでしたが同様の式が得られました。
このmについての方程式の解を探索するために、y=mとy=\tanh \left( \frac{m^{p-1}}{T} \right)のグラフを書いてみましょう。この2つのグラフの交点が自己無撞着方程式の解を与えます。また、mの値は定義から-1 \leq m \leq 1ですが、pが奇数の場合は低温では明らかに0 \leq mのはずであり、pが偶数の場合はf(m, T) = f(-m, T)という対称性があるので、結局任意のpで0\leq mの解だけ探索すればよいです。
よって、以下のようなコードを書きます(ちなみにこれ以降の全てのコードはAIが生成したものに私が少しだけ手を加えたものです)。
import numpy as np
import matplotlib.pyplot as plt
p_list = [2, 3, 5, 20]
T_list = [1.3, 1.0, 0.6, 0.4]
m = np.linspace(0, 1.0, 500)
rows = (len(T_list) + 1) // 2
fig, axes = plt.subplots(rows, 2, figsize=(10, 4 * rows))
for i, ax in enumerate(np.array(axes).flatten()):
if i < len(T_list):
T = T_list[i]
ax.plot(m, m, "k--", label="$y=m$")
[ax.plot(m, np.tanh(m**(p-1)/T), label=f"$p={p}$") for p in p_list]
ax.set_title(f"$T={T}$")
ax.set_xlabel("m")
ax.set_ylabel("$\\tanh(m^{p-1}/T)$")
ax.set_xlim(0, 1.0)
ax.set_ylim(0, 1.0)
ax.legend()
else:
ax.axis("off")
plt.tight_layout()
plt.show()
これを実行すると以下のグラフを得ます。

p=2の場合はよく知られた通常のイジング模型の平均場近似となりますが、比較のためにplotしてあります。ここから分かるのは、温度Tが十分大きいときはpの値にかかわらずm=0しか交点がありません。しかし温度を下げていくとp=2とそれ以外で挙動が変わります。p=2ではm=0から0 \leq mの解が分岐していきますが、p \geq 3ではm \neq 0の解が急に現れます。これはつまり温度を下げていくと、p=2ではmが0から連続的に大きくなるので2次転移で、p \geq 3ではmが0から急に有限の値にジャンプするので一次転移になることを示唆しています。また、有限のmが現れる温度はpを大きくすると小さくなっていくことも読み取れます。
転移温度p依存性
だいたい挙動が分かったので転移温度のp依存性を数値的に求めてみます。注意点として、p \geq 3ではある温度以下ではm\neq 0の解が2つありますが、そのうちの一つは温度の低下とともにmが小さくなっていくので、この解は捨てます。低温になるほどスピンが揃ってmは1に近づくはずですから。なので、m\neq 0の解は常に大きい方が意味のある解のはずで、それはm=1からスタートして、反復的に\tanh(m^{p-1}/T)に代入していけば求めることができます。m=0は常に解なのでこの2つの解で実際にf(m, T)を計算して小さいf(m, T)を与える方が正しいmということになります。というわけで以下のようなコードを書きます。
import numpy as np
import matplotlib.pyplot as plt
def solve_m(T, p, tol=1e-8):
m = 1.0
while True:
m_new = np.tanh(m**(p-1)/T)
if abs(m_new - m) < tol:
return m_new
m = m_new
def get_f(m, T, p):
return m**p * (1 - 1/p) - T * np.log(2 * np.cosh(m**(p-1)/T))
def find_Tc(p, tol=1e-5):
low, high = 0, 1.0
while high - low > tol:
T = (low + high) / 2
m = solve_m(T, p)
if get_f(m, T, p) < get_f(0, T, p):
low = T
else:
high = T
return high
p_list = range(2, 21)
Tc_list = [find_Tc(p) for p in p_list]
plt.plot(p_list, Tc_list, "o-")
plt.xlabel("$p$")
plt.ylabel("$T_c$")
plt.show()
solve_mは自己無撞着方程式のm \neq 0の解を求める関数で、get_fは自由エネルギーf(m, T)を返します。find_Tcはf(m, T)の最小値を与えるmが0でなくなった瞬間の温度を返す関数で二分探索しています。このコードを実行すると以下のグラフを得ます。

きれいにpに依存していそうですが、その解析は後で行うとして、次は磁化mの飛びも可視化してみます。
磁化の飛びのp依存性
これは簡単で、先程求めた転移温度における0でない自己無撞着方程式の解m\neq 0がまさに磁化の飛びです。先程のコードの関数達を使って以下のコードを書きます。なお、p=2では2次転移で磁化の飛びは0なのでプロットしていません。
p_list = range(3, 21)
m_jump_list = []
for p in p_list:
Tc = find_Tc(p)
m_c = solve_m(Tc, p)
m_jump_list.append(m_c)
plt.plot(p_list, m_jump_list, "o-")
plt.xlabel("$p$")
plt.ylabel("$\Delta m$")
plt.show()
これを実行すると以下のグラフを得ます。

すぐにm=1に収束しているように見えます。p依存性もきれいなものがありそうです。最後にもう一つ、エネルギーの飛び、つまり潜熱のp依存性もプロットしておきましょう。
潜熱のp依存性
潜熱は転移温度におけるエネルギーの飛びなので、まずエネルギー(密度)を計算します。これは、
E(m, T) = f(m, T) - T \frac{\partial f(m, T)}{\partial T}\\
ですが、自由エネルギーの偏微分は
\frac{\partial f}{\partial T} = -\ln \left[ 2 \cosh \left( \frac{m^{p-1}}{T} \right) \right] + \frac{m^{p-1}}{T} \tanh \left( \frac{m^{p-1}}{T} \right)
ですから、
E(m, T) =m^p \left( 1 - \frac{1}{p} \right) - m^{p-1} \tanh \left( \frac{m^{p-1}}{T} \right)
となります。もちろんここでのmも自由エネルギーf(m, T)の最小値を与えるmですが、よく考えるとそのmは自己無到着方程式を満たしますから、m=\tanh(\frac{m^{p-1}}{T})を代入すると、
と簡単な形になります。これを可視化するために以下のコードを書きます。
p_list = range(3, 21)
L_list = []
def get_E(m, p):
return -m**p / p
for p in p_list:
Tc = find_Tc(p)
m_c = solve_m(Tc, p)
L = get_E(0, p) - get_E(m_c, p)
L_list.append(L)
plt.plot(p_list, L_list, "o-")
plt.xlabel("$p$")
plt.ylabel("Latent Heat $L$")
plt.show()
これを可視化すると以下のグラフを得ます。

p依存性の解析
最後に転移温度や潜熱、磁化の飛びのp依存性を考えてみます。以下の議論は本来はこれまで導出してきた式だけをベースに解析的に進行できるはずですが、難しそうだったのでこれまで見てきたグラフから得られた情報を使っています(pが大きいと磁化の飛びは1に近づくとか)。
まずは転移温度ですが、これは以下のように考えます。pが大きいときの挙動を知りたいので一次転移を前提にします。転移温度T=T_{c}の時の自由エネルギーf(m, T_c)を考えると、このときはm=0とm\neq 0という自己無撞着方程式の2つの解が同じ自由エネルギーの値となるはずです。
f(m, T_c) = f(0, T_c)\Leftrightarrow m^p \left( 1 - \frac{1}{p} \right) - T_c \ln \left[ 2 \cosh \left( \frac{m^{p-1}}{T_c} \right) \right] = -T_c \ln 2
で、この左辺がpが大きいときにどうなるか考えたいんですが、これは転移温度における自己無撞着方程式
m = \tanh \left( \frac{m^{p-1}}{T_c} \right)
を眺めてみると、pが大きいときはm\neq 0の解が1に近づくはずなので(磁化の飛びのグラフがそうなっていた)、そうすると\tanhの中身が無限大に発散してくれないと困ります。なので、
\frac{m^{p-1}}{T_c}\to \infty\quad (p \to \infty)
となるはずです。これを使うと、
2\cosh\left(\frac{m^{p-1}}{T_c}\right) \simeq \exp\left(\frac{m^{p-1}}{T_c}\right)
がわかります。なのでこれを代入して、
m^p \left( 1 - \frac{1}{p} \right) - m^{p-1} = -T_c \ln 2
となります。
あとはm^pがp\to\inftyでどうなるか考えたいんですが、これはm^p\to 1になるはずです。というのもまず、T=0における内部エネルギー密度を考えるとこれは明らかに1/pになるはずです。これは平均場近似する前の模型から直接計算できますし、このことはゆらぎを無視する平均場近似を行ったあとでも変わらないはずです。T=0ではゆらぎなんてないですから。また、pが大きくなると転移温度が0に近づくはずです。これはさっきの転移温度のグラフもそうなっていましたし、自己無撞着方程式のグラフからもわかります。そうすると、平均場近似後の内部エネルギー密度の式で、E(m, T=0)=-\frac{m^p}{p}=\frac{1}{p}がp\to\inftyで成り立つはずで、これはつまりm^p\to 1のはずです。
これを使うと、m^p \to m^{p-1}\to 1ですから、
-\frac{1}{p} \simeq -T_c \ln 2 \Leftrightarrow T_c \simeq \frac{1}{p \ln 2}
が出てきます。だいぶ雑でしたがpに対する漸近挙動が導かれたので、本当かどうか見るために以下のコードを書きます。
p_list = range(2, 21)
Tc_list = [find_Tc(p) for p in p_list]
plt.plot(p_list, Tc_list, "o", label="$T_c$")
plt.plot([p_list[0], p_list[-1]], [1/(p_list[0]*np.log(2)), 1/(p_list[-1]*np.log(2))], "k--", label="$1/(p \\log(2))$")
plt.xscale("log")
plt.yscale("log")
plt.xlabel("$p$")
plt.ylabel("$T_c$")
plt.legend()
plt.show()
これを実行したら以下が得られました。

きれいに一致していますね。正しいようです。
転移温度のp依存性が分かったので、磁化の飛びは簡単で、自己無撞着方程式から
m = \tanh \left( \frac{m^{p-1}}{T_c} \right)\simeq \tanh \left( p\log 2\right)\simeq 1 - 2 \cdot 4^{-p}
となります。この転移温度のときの磁化はまさに磁化の飛びそのものなのでつまり、
1 - \Delta m \simeq 2\cdot4^{-p}
を得ます。これをグラフで確認します。
p_list = range(3, 21)
m_jump_list = []
for p in p_list:
Tc = find_Tc(p)
m_c = solve_m(Tc, p)
m_jump_list.append(1 - m_c)
plt.plot(p_list, m_jump_list, "o", label="$1-\Delta m$")
plt.plot([p_list[0], p_list[-1]], [2*4**(-p_list[0]), 2*4**(-p_list[-1])], "k--", label="$2 \\cdot 4^{-p}$")
plt.xlabel("$p$")
plt.ylabel("$1-\Delta m$")
plt.yscale("log")
plt.legend()
plt.show()
を実行すると以下を得ました。

正しいようです。最後に潜熱のp依存性ですが、これも簡単で、m\neq 0であればE(m, T_c)\simeq \frac{1}{p}であり、m=0ではE(0, T_c)=0なので、
です。これも念の為グラフで確認すると、
p_list = range(3, 21)
L_list = []
def get_E(m, p):
return -m**p / p
for p in p_list:
Tc = find_Tc(p, tol=1e-7)
m_c = solve_m(Tc, p)
L = get_E(0, p) - get_E(m_c, p)
L_list.append(L)
plt.plot(p_list, L_list, "o", label="Latent Heat $L$")
plt.plot([p_list[0], p_list[-1]], [1/p_list[0], 1/p_list[-1]], "k--", label="$1/p$")
plt.xlabel("$p$")
plt.ylabel("Latent Heat $L$")
plt.xscale("log")
plt.yscale("log")
plt.legend()
plt.show()
を実行して、

を得たのでやはり正しそうです。
p依存性のまとめ
pが大きい極限で、転移温度T_c、磁化の飛び\Delta m、潜熱Lは
T_c \simeq \frac{1}{p \ln 2}\\
1 - \Delta m \simeq 2\cdot4^{-p}\\
L \simeq \frac{1}{p}
となることが分かりました。
ちなみに
ちなみに、p\to\inftyで転移温度が0になることについてなんですが、これは例えば元のモデルで、p=Nとおいた、
E_{p=N}(\bm{\sigma})=-\frac{1}{\binom{N-1}{p-1}}\sum^{N}_{i_1=1}\sum^{N}_{i_2=i_1+1}\cdots\sum^{N}_{i_p=i_{p-1}+1}\sigma_{i_1}\sigma_{i_2}\cdots\sigma_{i_p}\\
=-\sigma_1\sigma_2\cdots\sigma_N
を考えると分かります。このモデルは近似なしに分配関数が計算できて、
Z = \sum_{\sigma_1=\pm1}\cdots\sum_{\sigma_N=\pm1} \exp \left( - \beta E_{p=N}(\bm{\sigma}) \right)=\sum_{\sigma_1=\pm1}\cdots\sum_{\sigma_N=\pm1}\exp(\beta \sigma_1\sigma_2\cdots\sigma_N)\\
\sum_{\sigma_1=\pm1}\cdots\sum_{\sigma_{N-1}=\pm1}2\cosh(\beta \sigma_1\sigma_2\cdots\sigma_{N-1})=2^N\cosh(\beta)
となりますが、これは相互作用しないスピンがN個ある系の分配関数と全く同じです。元のモデルでp=1としたものですね。ともかく、この系は相互作用がないので有限温度での相転移があるはずがないです。一方でこのp=Nの模型でN\to\inftyの極限を取れば、先程解析していたモデルでのp\to\inftyに対応していると考えることができます。なので先のモデルでp\to\inftyで転移温度が0になるのは正しそうです。
もう一つちなむと、全結合p体相互作用イジング模型といえばここで解析した模型以外にも
E = - \frac{J}{N^{p-1}} \sum^{N}_{i_1=1}\sum^{N}_{i_2=i_1+1}\cdots\sum^{N}_{i_p=i_{p-1}+1} \sigma_{i_1} \sigma_{i_2} \dots \sigma_{i_p}
とか、
E = - N \cdot J \left( \frac{1}{N} \sum_{i=1}^N \sigma_i \right)^p
とかもあります。というか検索して出てくるのはこれらの模型だと思います。これらの模型は有限のpではここで解析した模型と本質的に同じですが、p\to\inftyでは異なった模型となることに注意してください。
募集
Jijでは各ポジションを積極的に採用しています!
現在の募集職種は、以下リンクよりご覧いただけます。
カジュアル面談からのスタートも大歓迎ですので、お気軽にご連絡ください。
https://open.talentio.com/r/1/c/j-ij.com/homes/1900
Discussion