텐서 네트워크 기반 샘플링으로 밝힌 수정된 이시즈 스핀 글래스의 상전이

초록

본 논문은 상관된 결합을 갖는 수정된 니시모리 모델을 텐서 네트워크 기반 계층적 샘플링 기법으로 조사한다. 2차원 정사각 격자에서 L = 256까지의 대규모 시스템을 정확히 계산하여, 니시모리 선상에서 강자성 전이와 스핀 글래스 전이가 분리됨을 확인하고, 중간의 매티스‑유사 스핀 글래스(M‑SG) 상이 존재함을 수치적으로 입증한다. 또한 유한 크기 스케일링을 통해 얻은 임계 지수는 전통적인 i.i.d. EA 모델과 다른 보편성을 나타낸다.

상세 분석

본 연구는 기존 EA 모델에서 독립적으로 추출되는 결합과 달리, 수정된 니시모리 모델에서 결합 τ_ij가 파티션 함수의 비율에 의해 상관성을 갖는다는 점에 착안한다. 저자들은 이 복잡한 분포를 게이지 변환을 이용해 두 단계로 분해한다. 첫 단계에서는 표준 EA 모델의 i.i.d. 결합 J_ij를 γ 파라미터에 따라 생성하고, 두 번째 단계에서는 동일한 J_ij에 대해 β_p 온도에서 볼츠만 분포를 따르는 게이지 변수 σ_i를 샘플링한다. 최종 결합 τ_ij = J_ij σ_i σ_j는 목표 분포 P(τ;γ,β_p)를 정확히 재현한다. 이 절차는 결합의 상관성을 유지하면서도 샘플링 복잡도를 크게 낮춘다.

샘플링 효율을 더욱 향상시키기 위해 텐서 네트워크(TN) 기반 독립 샘플링을 도입한다. TN은 파티션 함수를 수축함으로써 근사적인 제안 분포 Q(S)를 제공하고, 각 샘플에 대해 가중치 w = e^{−βH(S)}/Q(S) 를 부여해 정확한 볼츠만 평균을 복원한다. ESS/ N_spin ≈ 1을 확인함으로써 근사 오차가 무시할 수준임을 실증한다. 이렇게 얻은 σ와 S의 독립 샘플을 계층적으로 결합해 다중 평균 ⟨O⟩_τ 를 계산하고, 전체 평균