"대수적 베테 가설 풀이(algebraic Bethe ansatz)"의 두 판 사이의 차이

수학노트
둘러보기로 가기 검색하러 가기
(section '관련논문' added)
1번째 줄: 1번째 줄:
 
==하이젠베르크 스핀 1/2 XXX 고리 모형==
 
==하이젠베르크 스핀 1/2 XXX 고리 모형==
 
===해밀토니안===
 
===해밀토니안===
* [[하이젠베르크 스핀 1/2 XXX 모형(Heisenberg model)]]의 해밀토니안 $$H = \sum_{n=1}^{N-1}H_{n,n+1}+H_{N,1}\label{ham}$$ 여기서 $H_{i,j}$ 는 two-site 해밀토니안으로 다음과 같이 정의됨
+
* [[하이젠베르크 스핀 1/2 XXX 모형(Heisenberg model)]]의 해밀토니안 :<math>H = \sum_{n=1}^{N-1}H_{n,n+1}+H_{N,1}\label{ham}</math> 여기서 <math>H_{i,j}</math> 는 two-site 해밀토니안으로 다음과 같이 정의됨
$$H_{i,j}=\frac{J}{4}(\sigma_i^x \sigma_{j}^x +\sigma_i^y \sigma_{j}^y + \sigma_i^z \sigma_{j}^z-I^{\otimes N})=\frac{J}{2}(P_{ij}-I^{\otimes N})$$
+
:<math>H_{i,j}=\frac{J}{4}(\sigma_i^x \sigma_{j}^x +\sigma_i^y \sigma_{j}^y + \sigma_i^z \sigma_{j}^z-I^{\otimes N})=\frac{J}{2}(P_{ij}-I^{\otimes N})</math>
$P_{ij}$는 치환연산자  
+
<math>P_{ij}</math>는 치환연산자  
 
* J>0 는 antiferromagnet 의 모형
 
* J>0 는 antiferromagnet 의 모형
 
* J<0 는 ferromagnet 의 모형
 
* J<0 는 ferromagnet 의 모형
9번째 줄: 9번째 줄:
  
 
===R-matrix와 양-박스터 방정식===
 
===R-matrix와 양-박스터 방정식===
* $V=\mathbb{C}^2$로 두자
+
* <math>V=\mathbb{C}^2</math>로 두자
* $R(u): V \otimes V \to V \otimes V$ 를 다음과 같이 정의하며, R-행렬이라 부른다
+
* <math>R(u): V \otimes V \to V \otimes V</math> 를 다음과 같이 정의하며, R-행렬이라 부른다
$$
+
:<math>
 
\left(
 
\left(
 
\begin{array}{cccc}
 
\begin{array}{cccc}
20번째 줄: 20번째 줄:
 
\end{array}
 
\end{array}
 
\right)
 
\right)
$$
+
</math>
 
* R-행렬은 다음의 관계식을 만족하며 이를 양-박스터 방정식이라 부른다
 
* R-행렬은 다음의 관계식을 만족하며 이를 양-박스터 방정식이라 부른다
$$R_{12}(u)R_{13}(u+v)R_{23}(v)=R_{23}(v)R_{13}(u+v)R_{12}(u)$$
+
:<math>R_{12}(u)R_{13}(u+v)R_{23}(v)=R_{23}(v)R_{13}(u+v)R_{12}(u)</math>
여기서 $R_{ij}(u) : V_1\otimes V_2\otimes V_3\to V_1\otimes V_2\otimes V_3$$i,j$ 부분에 작용하는 R-행렬
+
여기서 <math>R_{ij}(u) : V_1\otimes V_2\otimes V_3\to V_1\otimes V_2\otimes V_3</math><math>i,j</math> 부분에 작용하는 R-행렬
  
 
===모노드로미 행렬===
 
===모노드로미 행렬===
 
* 모노드로미 행렬
 
* 모노드로미 행렬
$$
+
:<math>
 
T_0(\lambda )=\left(
 
T_0(\lambda )=\left(
 
\begin{array}{cc}
 
\begin{array}{cc}
34번째 줄: 34번째 줄:
 
\end{array}
 
\end{array}
 
\right)
 
\right)
$$
+
</math>
  
여기서 $V^{\otimes N}$에 작용하는 연산자 $A(\lambda ) ,B(\lambda ) , C(\lambda ) , D(\lambda )$ 는 다음과 같은 관계를 만족한다
+
여기서 <math>V^{\otimes N}</math>에 작용하는 연산자 <math>A(\lambda ) ,B(\lambda ) , C(\lambda ) , D(\lambda )</math> 는 다음과 같은 관계를 만족한다
$$
+
:<math>
 
\begin{eqnarray}
 
\begin{eqnarray}
 
\left[ B(\lambda), B(\lambda') \right] \ &=& 0 \\
 
\left[ B(\lambda), B(\lambda') \right] \ &=& 0 \\
45번째 줄: 45번째 줄:
 
{c(\lambda - \lambda')\over b(\lambda - \lambda')} B(\lambda)\ D(\lambda')
 
{c(\lambda - \lambda')\over b(\lambda - \lambda')} B(\lambda)\ D(\lambda')
 
\end{eqnarray}
 
\end{eqnarray}
$$
+
</math>
  
  
 
===베테안싸쯔 방정식===
 
===베테안싸쯔 방정식===
 
* 다음의 방정식을 [[하이젠베르크 스핀 1/2 XXX 모형의 베테 안싸쯔 방정식]]이라 한다
 
* 다음의 방정식을 [[하이젠베르크 스핀 1/2 XXX 모형의 베테 안싸쯔 방정식]]이라 한다
$$\begin{eqnarray}\label{bae}
+
:<math>\begin{eqnarray}\label{bae}
 
\left(  {\lambda_{\alpha} + {i\over 2}  
 
\left(  {\lambda_{\alpha} + {i\over 2}  
 
\over  \lambda_{\alpha} - {i\over 2}} \right)^{N}  
 
\over  \lambda_{\alpha} - {i\over 2}} \right)^{N}  
58번째 줄: 58번째 줄:
 
  \lambda_{\alpha} - \lambda_{\beta} - i }
 
  \lambda_{\alpha} - \lambda_{\beta} - i }
 
\,, \qquad \alpha = 1 \,, \cdots \,, M \,.  
 
\,, \qquad \alpha = 1 \,, \cdots \,, M \,.  
\end{eqnarray}$$
+
\end{eqnarray}</math>
 
* 베테안싸쯔 방정식은 다음과 같이 표현되기도 한다
 
* 베테안싸쯔 방정식은 다음과 같이 표현되기도 한다
$$
+
:<math>
 
\exp(ik_jN)\prod_{i \neq j}^{M}S(\lambda_j,\lambda_i)=1
 
\exp(ik_jN)\prod_{i \neq j}^{M}S(\lambda_j,\lambda_i)=1
 
\,, \qquad j = 1 \,, \cdots \,, M \,.  
 
\,, \qquad j = 1 \,, \cdots \,, M \,.  
$$ 여기서 $e^{i k_j}=\frac{\lambda_j+i/2}{\lambda_j-i/2}$ 또는 $\lambda_j=\frac{1}{2}\cot \frac{k_j}{2}$ 그리고  
+
</math> 여기서 <math>e^{i k_j}=\frac{\lambda_j+i/2}{\lambda_j-i/2}</math> 또는 <math>\lambda_j=\frac{1}{2}\cot \frac{k_j}{2}</math> 그리고  
$$
+
:<math>
 
S(v,u)=\frac{u-v-i}{u-v+i}.
 
S(v,u)=\frac{u-v-i}{u-v+i}.
$$
+
</math>
 
* 베테안싸쯔 방정식 \ref{bae}의 해를 베테 해(Bethe roots)라 부르며, 각각의 베테 해로부터 해밀토니안 \ref{ham}의 고유벡터를 얻게 된다
 
* 베테안싸쯔 방정식 \ref{bae}의 해를 베테 해(Bethe roots)라 부르며, 각각의 베테 해로부터 해밀토니안 \ref{ham}의 고유벡터를 얻게 된다
  
 
===고유벡터와 고유값===
 
===고유벡터와 고유값===
* 베테 해 $(u_1,\cdots, u_M)$으로부터 $|u_1,\cdots, u_M\rangle=\prod_{i=1}^{M}B(u_i)|0\rangle \in V^{\otimes N}$를 얻고, 벡터 $|u_1,\cdots, u_M\rangle$ 는 해밀토니안의 고유벡터이며, 고유값 $E$은 다음과 같이 주어진다
+
* 베테 해 <math>(u_1,\cdots, u_M)</math>으로부터 <math>|u_1,\cdots, u_M\rangle=\prod_{i=1}^{M}B(u_i)|0\rangle \in V^{\otimes N}</math>를 얻고, 벡터 <math>|u_1,\cdots, u_M\rangle</math> 는 해밀토니안의 고유벡터이며, 고유값 <math>E</math>은 다음과 같이 주어진다
$$
+
:<math>
 
E=-\frac{J}{2}\sum_{i=1}^{M}\frac{1}{u_{i}^2+\frac{1}{4}}
 
E=-\frac{J}{2}\sum_{i=1}^{M}\frac{1}{u_{i}^2+\frac{1}{4}}
$$
+
</math>
  
 
==격자 모형 : 6-vertex model==
 
==격자 모형 : 6-vertex model==
  
$$R(u,\eta)=\rho\left(
+
:<math>R(u,\eta)=\rho\left(
 
\begin{array}{cccc}
 
\begin{array}{cccc}
 
  \sin (u+\eta ) & 0 & 0 & 0 \\
 
  \sin (u+\eta ) & 0 & 0 & 0 \\
84번째 줄: 84번째 줄:
 
  0 & 0 & 0 & \sin (u+\eta )
 
  0 & 0 & 0 & \sin (u+\eta )
 
\end{array}
 
\end{array}
\right)$$
+
\right)</math>
  
  

2020년 11월 13일 (금) 21:04 판

하이젠베르크 스핀 1/2 XXX 고리 모형

해밀토니안

\[H_{i,j}=\frac{J}{4}(\sigma_i^x \sigma_{j}^x +\sigma_i^y \sigma_{j}^y + \sigma_i^z \sigma_{j}^z-I^{\otimes N})=\frac{J}{2}(P_{ij}-I^{\otimes N})\] \(P_{ij}\)는 치환연산자

  • J>0 는 antiferromagnet 의 모형
  • J<0 는 ferromagnet 의 모형
  • 해밀토니안을 대각화하는 문제에 베테안싸쯔가 사용된다

R-matrix와 양-박스터 방정식

  • \(V=\mathbb{C}^2\)로 두자
  • \(R(u): V \otimes V \to V \otimes V\) 를 다음과 같이 정의하며, R-행렬이라 부른다

\[ \left( \begin{array}{cccc} u+i & 0 & 0 & 0 \\ 0 & u & i & 0 \\ 0 & i & u & 0 \\ 0 & 0 & 0 & u+i \end{array} \right) \]

  • R-행렬은 다음의 관계식을 만족하며 이를 양-박스터 방정식이라 부른다

\[R_{12}(u)R_{13}(u+v)R_{23}(v)=R_{23}(v)R_{13}(u+v)R_{12}(u)\] 여기서 \(R_{ij}(u) : V_1\otimes V_2\otimes V_3\to V_1\otimes V_2\otimes V_3\)의 \(i,j\) 부분에 작용하는 R-행렬

모노드로미 행렬

  • 모노드로미 행렬

\[ T_0(\lambda )=\left( \begin{array}{cc} A(\lambda ) & B(\lambda ) \\ C(\lambda ) & D(\lambda ) \end{array} \right) \]

여기서 \(V^{\otimes N}\)에 작용하는 연산자 \(A(\lambda ) ,B(\lambda ) , C(\lambda ) , D(\lambda )\) 는 다음과 같은 관계를 만족한다 \[ \begin{eqnarray} \left[ B(\lambda), B(\lambda') \right] \ &=& 0 \\ A(\lambda)\ B(\lambda') &=& {a(\lambda' - \lambda)\over b(\lambda' - \lambda)} B(\lambda')\ A(\lambda) - {c(\lambda' - \lambda)\over b(\lambda' - \lambda)} B(\lambda)\ A(\lambda') \\ D(\lambda)\ B(\lambda') &=& {a(\lambda - \lambda')\over b(\lambda - \lambda')}B(\lambda')\ D(\lambda) - {c(\lambda - \lambda')\over b(\lambda - \lambda')} B(\lambda)\ D(\lambda') \end{eqnarray} \]


베테안싸쯔 방정식

\[\begin{eqnarray}\label{bae} \left( {\lambda_{\alpha} + {i\over 2} \over \lambda_{\alpha} - {i\over 2}} \right)^{N} = \prod_{\scriptstyle{\beta=1}\atop \scriptstyle{\beta \ne \alpha}}^M {\lambda_{\alpha} - \lambda_{\beta} + i \over \lambda_{\alpha} - \lambda_{\beta} - i } \,, \qquad \alpha = 1 \,, \cdots \,, M \,. \end{eqnarray}\]

  • 베테안싸쯔 방정식은 다음과 같이 표현되기도 한다

\[ \exp(ik_jN)\prod_{i \neq j}^{M}S(\lambda_j,\lambda_i)=1 \,, \qquad j = 1 \,, \cdots \,, M \,. \] 여기서 \(e^{i k_j}=\frac{\lambda_j+i/2}{\lambda_j-i/2}\) 또는 \(\lambda_j=\frac{1}{2}\cot \frac{k_j}{2}\) 그리고 \[ S(v,u)=\frac{u-v-i}{u-v+i}. \]

  • 베테안싸쯔 방정식 \ref{bae}의 해를 베테 해(Bethe roots)라 부르며, 각각의 베테 해로부터 해밀토니안 \ref{ham}의 고유벡터를 얻게 된다

고유벡터와 고유값

  • 베테 해 \((u_1,\cdots, u_M)\)으로부터 \(|u_1,\cdots, u_M\rangle=\prod_{i=1}^{M}B(u_i)|0\rangle \in V^{\otimes N}\)를 얻고, 벡터 \(|u_1,\cdots, u_M\rangle\) 는 해밀토니안의 고유벡터이며, 고유값 \(E\)은 다음과 같이 주어진다

\[ E=-\frac{J}{2}\sum_{i=1}^{M}\frac{1}{u_{i}^2+\frac{1}{4}} \]

격자 모형 : 6-vertex model

\[R(u,\eta)=\rho\left( \begin{array}{cccc} \sin (u+\eta ) & 0 & 0 & 0 \\ 0 & \sin (u) & \sin (\eta ) & 0 \\ 0 & \sin (\eta ) & \sin (u) & 0 \\ 0 & 0 & 0 & \sin (u+\eta ) \end{array} \right)\]


메모


관련된 항목들


계산 리소스 및 매스매티카 파일


리뷰논문, 에세이, 강의노트

관련논문