베이지안 접근을 통한 임계 현상 스케일링 분석

초록

본 논문은 임계 현상의 유니버설리티 클래스를 결정하기 위해 스케일링 분석에 베이지안 통계, 특히 가우시안 프로세스 회귀(GP)를 적용한다. 스케일링 함수의 형태를 가정하지 않고 부드러움만을 전제로 하여, 기존 최소제곱법이 어려운 넓은 임계 구간에서도 정확한 임계 지수와 스케일링 함수를 추정한다. 2차원 이징 모델의 정사각형 및 삼각형 격자에 대한 유한크기 스케일링(FSS) 실험을 통해 방법의 효율성을 검증하고, 두 격자 간 스케일링 함수의 일치를 통해 유니버설리티를 확인한다.

상세 분석

이 논문은 임계 현상의 스케일링 법칙 A(t,h)=t^x Ψ(ht^{-y})를 데이터에 적용할 때, 기존의 다항식 가정 기반 최소제곱법이 갖는 차수 선택과 과적합 문제를 회피하고자 베이지안 프레임워크를 도입한다. 핵심 아이디어는 스케일링 함수 Ψ를 사전 확률로서 가우시안 프로세스(GP)로 모델링하고, 관측값 Y_i의 오차를 다변량 정규분포로 기술한 뒤, 하이퍼파라미터(θ_p,θ_h)를 최대 사후 확률(MAP) 혹은 최대 가능도(ML) 추정한다.

수식 (3)에서 Y_i의 공분산 행렬은 측정 오차 E와 스케일링 함수의 불확실성을 반영한 Σ′으로 구성된다. 특히 Σ′_ij = K(X_i,X_j) 형태의 커널 함수를 도입함으로써, Ψ가 특정 형태를 갖지 않아도 데이터 간 상관관계를 자연스럽게 포착한다. 저자는 가우시안 커널 K_G(X_i,X_j)=θ_0^2 exp