Gás de Rede 2D

De Física Computacional
Edição feita às 16h28min de 19 de agosto de 2020 por Pedhmendes (Discussão | contribs)

Ir para: navegação, pesquisa

EM CONSTRUÇÃO

Gás de Rede

O Modelo do Gás de Rede 2D consiste em um sistema de partículas da forma onde cada sítio da rede pode assumir o valor , ocupado por uma partícula, ou , não ocupado por uma partícula. A energia total do sistema é dada pelo Hamiltoniano do Gás de Rede, descrito pela equação

Onde o somatório é dado entre os quatro vizinhos mais próximos e é a constante de interação entre as partículas, para a interação é atrativa. Por se tratar de uma rede quadrada com sítios, apenas uma parcela da rede é ocupada por partículas, ou seja, possuímos uma densidade constante de partículas. Podemos expressar a condição da densidade constante da forma

Fazendo uma mudança de variáveis da forma saímos da situação de ocupação e não ocupação de sítios e obtemos variáveis do Modelo de Ising [1], spins Up e Down. A variável assume valor (up) quando o sítio esta ocupado por uma partícula e quando não está. Aplicando a mudança de variáveis no Hamiltoniano do Gás de Rede obtemos

Onde é o número de coordenação, isto é, o número de vizinhos próximos, neste caso são quatro. Vemos que este Hamiltoniano possui a forma do Hamiltoniano de Ising com campo magnético, a menos de uma constante. Entretanto, com a densidade constante, fazendo a mesma mudança de variáveis, obtemos

E aplicando no Hamiltoniano obtemos

Como , e são constantes, o segundo termo é constante. Definindo o Hamiltoniano se torna

A constante não influencia nos valores da medida, pois ela se cancela na equação de mudança de estado [2]. Vemos que, ao assumir a densidade constante, o modelo do Gás de Rede se torna o modelo de Ising sem a presença de um campo magnético. A condição da densidade constante é a magnetização total do modelo.

É interessante notar que podemos tratar o modelo do gás de rede de duas formas: (a) assumir a densidade constante e utilizar o primeiro Hamiltoniano apresentado, ou (b) não assumir a densidade constante, aplicar a mudança de variáveis discutida e utilizar o Hamiltoniano que possuí a forma de Ising com campo magnético.


Método de Monte Carlo

Princípios gerais

Para desenvolver a dinâmica do gás de rede, isto é, fazer com que ocorram alterações na posição das partículas, recorre-se ao método de Monte Carlo. Trata-se, em linhas gerais, de um método estatístico baseado em amostragem aleatória. É comum, ao introduzir-se o assunto, utilizar problemas de cálculo de áreas, como, por exemplo, a clássica história das crianças que desenharam, na areia, um círculo contido em um quadrado, de modo que o diâmetro do círculo seja igual ao lado do quadrado. Jogam, aleatoriamente, pedras no quadrado. Após uma grande quantidade de arremessos, compara-se o valor de pedras que estão dentro do círculo com o número total dentro do quadrado, fazendo a razão entre esses dois valores, encontra-se uma aproximação para a razão entre a área do círculo e a do quadrado, que equivale a . Desse modo, pode ser encontrada uma aproximação do valor de através do método de Monte Carlo, que simula uma aproximação experimental[3]. É possível propor um novo modelo, no qual o quadrado é grande e as pedras são atiradas aleatoriamente de dentro do quadrado, de modo que a posição de arremesso é atualizada para a posição da última pedra jogada. A principal alteração nesse método é a possibilidade de que uma pedra seja atirada para fora do quadrado. Nesse caso, a posição para o próximo arremesso não muda e as pedras que foram parar fora das bordas do quadrado são empilhadas naquela posição. Essas mudanças no método caracterizam a aplicação de Monte Carlo em uma cadeia de Markov, definida de modo que a configuração do próximo estado depende somente da configuração atual. Até aqui, vimos o método de Monte Carlo aplicado em situações nas quais a probabilidade de um evento ocorrer na configuração subsequente do sistema é zero ou um. Para novas distribuições de probabilidade, utiliza-se o algoritmo de Metrópolis.

Algoritmo de Metrópolis

Como mencionado, o método de Monte Carlo funciona através de atualizações em um sistema, fazendo com que ele passe de um estado para outro. Consideremos como sendo o estado atual do sistema. O próximo estado será chamado . Chamamos a probabilidade do sistema passar do estado para o estado de . A ideia do algoritmo de Metrópolis é aplicar essa probabilidade no método de Monte Carlo. Para isso, um método muito utilizado é calcular a probabilidade e compará-la a um número aleatório , de modo que . Se , então o estado é adotado pelo sistema. Para aplicar essas ideias ao problema do gás de rede, o método mais simples é utilizando o algoritmo de Kawasaki, que faz com que dois sítios, selecionados aleatoriamente, tenham seus valores trocados. Isso implica que a magnetização do sistema será constante[2]. Para calcular a probabilidade de aceitação dessa mudança, calcula-se a variação de energia entre os estados,, e aplica-se o valor obtido na equação de probabilidade de aceitação de Metrópolis:

Implementação

Resultados

Programas Utilizados

Programas na linguagem C. Para utilizar os programas, abra o terminal e compile da forma

$ gcc prog.c -lm

Onde prog.c é o programa que deseja utilizar. E execute da seguinte maneira

$ ./a.out TEMP

onde o segundo termo é a temperatura do banho térmico, argumento dos programas. Os programas possuem uma diretiva de compilação para visualização do sistema ao decorrer da execução. Para utilizar é necessário ter o gnuplot [4] instalado e compilar da forma

$ gcc -DGNU prog.c -lm

e então executar da maneira

$ ./a.out TEMP | gnuplot

Entretanto com a visualização no gnuplot o programa pode demorar mais para executar, então é recomendado diminuir os tempos de transiente (TRAN) e medidas (TMAX).

Ising com Campo

Gás de Rede sem Densidade Constante

Gás de Rede com Densidade Constante


Referências

  1. https://fiscomp.if.ufrgs.br/index.php/Ising_2D
  2. 2,0 2,1 M. E. J. Newman, G. T. Barkema, "Monte Carlo Methods in Statistical Physics". Oxford University Press Inc., New York, 1999.
  3. KRAUTH,W. ,"Statistical Mechanics: Algorithms and Computations". Oxford Master Series in Physics, Oxford University Press, 2006.
  4. https://fiscomp.if.ufrgs.br/index.php/Gnuplot