Simulación por Método de Monte Carlo:

Modelos de Ising y de Blume-Capel

A. T. Concha A. P.
Introducción a la Física Computacional - Instituto Balseiro

Se implementaron simulaciones en C++ por método de Monte Carlo usando muestreo por importan-
cia por cadenas de Markov, mediante el algoritmo de Metropolis. Se simularon redes bidimensionales
de espines en ausencia de campo magnético, con longitudes de red 5 < L < 100, bajo condiciones
de borde periódicas. Se fijaron los valores del parámetro de interacción espín-espín J = 1 y de la
constante de Stefan-Boltzmann k = 1. Por un lado se realizaron simulaciones del modelo de Ising.
A partir de ellas se determinaron los exponentes críticos como β = 0.117 y γ = 1.85, siendo los
valores teóricos β = 0.125 y γ = 1.75. Además se estudiaron el comportamiento de la energía libre
del sistema y la dependencia de la altura de la barrera de energía libre con la longitud de la red. Se
corroboró que las transiciones son de segundo orden, alrededor de una temperatura crítica Tc ≈ 2.27,
siendo el valor teórico Tc = 2.2692. Por otro lado se implementó el modelo de Blume-Capel. En este
caso se estudió el comportamiento del sistema en la transición, para diferentes valores del paráme-
tro de acoplamiento ∆ ∈ {1, 1.95, 1.965, 1.975} y se observó la presencia de histéresis. Se observaron
cambios en la forma funcional de la energía libre del sistema para diferentes ∆ y temperaturas. Se
distinguieron transiciones de primer orden para ∆ = 1 alrededor de una temperatura de transición
Tt ≈ 1.4 y de segundo orden para ∆ = 1.975 alrededor de Tt ≈ 0.58. Se estimó el calor latente de
transición como CL ≈ 0.1 para ∆ = 1.975.

INTRODUCCIÓN

Modelo de Ising

El modelo de Ising consiste en un sistema hamil- A A

toniano sencillo pero que exhibe un comportamiento
complejo, como la presencia de transiciones de fase.
Desarrollado en 1925 por E. Ising, el modelo es útil
para el estudio de sistemas magnéticos, para la des-
cripción tanto de átomos adsorbidos en superficies co-
mo de aleaciones bicomponentes y para el testeo de
algoritmos [1, 2]. Figura 1. Esquema de una red bidimensional de espines en
La versión implementada consiste en una red bidi- el modelo de Ising. Los círculos llenos (vacíos) representan
mensional L × L de espines altamente anisotrópicos, un estado Sr = +1 (Sr = −1). Las interacciones ocurren
sin campo magnético aplicado. Cada espín tiene acce- entre primeros vecinos (i.e. sobre las aristas de la red),
bajo condiciones de borde periódicas (i.e. los lados A y B
so a dos estados Sr = ±1. Los espines están ubicados
se comunican) [2].
en los vértices de la red e interactúan con sus prime-
ros vecinos, como se muestra en la Fig. 1. El límite
termodinámico del sistema se da cuando L → ∞ [2]. consiste en el hamiltoniano de Ising más una correc-
El hamiltoniano del sistema está dado por: ción por acoplamiento de campo cristalino [4]:
X X
Si2 .
X
H = −J Sr Sr0 (1) H = −J Si Sj + ∆ (2)
hr,r 0 i hi,ji i

JX
=− Sl,m (Sl+1,m + Sl−1,m + Sl,m+1 + Sl,m−1 ),
2 Método de Monte Carlo
l,m

donde el subíndice hr, r0 i indica sumatoria sobre pri-
meros vecinos y Sl,m denota el espín en el sitio (l, m)
de la red.
Modelo de Blume-Capel
Por otro lado el modelo de Blume-Capel (BC) con-
siste en una red de espines con acceso a tres estados
Sr ∈ {−1, 0, +1} con igual peso [3]. Su hamiltoniano
El método de Monte Carlo (MC) es uno de los prin-
cipales métodos numéricos de la física computacional
y es especialmente útil para problemas con espacios
de fase de dimensión grande. Para redes de N espines,
con acceso q estados de espín, el número de microesta-
dos accesibles al sistema es q N . El nombre del método
fue acuñado alrededor de 1940 por S. Ulam, E. Fermi,
J. von Neumann y N. Metropolis. El método consiste
en el muestreo aleatorio de un volumen d-dimensional
para estimar el valor de una integral [2].
 2

La versión implementada se basa en muestreo por
importancia por cadenas de Markov (MCIS), utili-
zando el algoritmo de Metropolis. Para ello se pro-
pone para cada espín de la red un cambio aleatorio
0 0
Sl,m → Sl,m con Sl,m 6= Sl,m . Entonces, la nueva con-
0
figuración ω de la red es aceptada con probabilidad
[2]:
 0
 En el caso del modelo de Ising el parámetro de or-
A(ω → ω 0 ) = mı́n 1, e−β[H(ω )−H(ω)] (3)
donde ω es la configuración anterior al cambio pro-
puesto y β = (kT )−1 . De esta manera, si la nueva
configuración minimiza la energía del sistema, el cam-
bio es aceptado. En caso de no minimizar la energía del
sistema, la nueva configuración es aceptada con proba-
bilidad de Boltzmann, introduciendo así variabilidad
térmica al sistema. Una vez realizado propuestas de
cambio de espín para todos los sitios de la red, se dice
que se ha realizado un paso de MC.
De esta manera pueden calcularse valores de expec-
tación de observables como:
Nc
1 X
hOi = On , (4)
Nc n=0
caso se dice que el sistema presenta una transición
de primer orden. Mientras que si el parámetro de or-
den es continuo, y la discontinuidad se presenta en la
derivada del mismo, la transición se denomina de se-
gundo orden, crítica o continua. La Fig. 2 muestra el
comportamiento de la energía libre como función del
parámetro de orden y de la temperatura [1].
den considerado es la magnetización, que es la deri-
vada con respecto al campo magnético de la ener-
gía libre. La magnetización en este modelo presen-
ta una discontinuidad en su derivada, por lo que la
transición es de√segundo orden. Esto ocurre cuando
kTc /J = 2/ ln( 2 + 1) ≈ 2.2692. Por otro lado, pa-
ra el modelo de BC existe un punto tricrítico para
∆c /J = 1.965. Cuando el parámetro de acoplamiento
es 0 < ∆ < ∆c hay una transición ferromagnética de
segundo orden, mientras que para ∆c < ∆ < 2J hay
una transición ferromagnética de primer orden.

donde la suma se efectúa sobre los valores que adquiere

el observable On , en cada uno de los Nc pasos de MC.
Se identifican la energía y la magnetización del sis-
tema con estos valores de expectación:

E = hHi , (5)
M = hMi ,
PN Primer Orden Segundo Orden
siendo M = 1/N r Sr la magnetización por sitio
de la red de N = L × L espines, en un dado paso de
Figura 2. Ilustración del comportamiento de la energía li-
MC.
bre como función del parámetro de orden y de la tempe-
Por otro lado se define el calor específico a volumen ratura. (Izquierda) Transición de primer orden a tempera-
constante como CV = ∂E ∂T |V . Calculando la dispersión tura Tt . (Derecha) Transición de segundo orden a tempe-
2
de la energía (∆E) = hH2 i − hHi resulta:
2 ratura Tc [1].

1  2

CV = 2 hH2 i − hHi . (6) En las cercanías de la transición de fase el comporta-
T miento de los observables puede describirse mediante
Mientras que la susceptibilidad del sistema se define leyes de potencias. Para el modelo de Ising se cumple
como χ = ∂M ∂h |h→0 , donde h es el campo magnético que [2]:
externo aplicado. Calculando la dispersión de la mag-
netización resulta: M ∼ (Tc − T )β , (8)
γ
1  χ ∼ |T − Tc | .
2
χ= hM2 i − hMi (7)
T
IMPLEMENTACIÓN Y RESULTADOS
Transiciones de fase
Se implementó el algoritmo de Metropolis en C++.
El estado de un sistema se caracteriza mediante el Se utilizó el generador de números pseudoaleatorios
valor de uno de sus observables, denominado paráme- Mersenne twister mt19937, provisto por la librería es-
tro de orden. Este se utiliza como criterio para distin- tándar random. Se fijaron los valores de la constante de
guir entre fases diferentes. El parámetro de orden es interacción espín-espín como J = 1 y de la constante
una derivada de la energía libre. Una discontinuidad de Stefan-Boltzmann como k = 1.
en el parámetro de orden representa una discontinui- El algoritmo de Metropolis se implementó según el
dad en la primera derivada de la energía libre. En este Alg. 1, dentro de la clase que se muestra en el Alg. 2.
 3

Cada una de las iteraciones del Alg. 1 corresponden a F = E − T S más convenientemente mediante la mi-
un paso de MC. nimización de su energía total E. Y las dos configura-
1 void P a s o _ d e _ M C _ A l g o r i t m o _ d e _ M e t r o p o l i s () ciones de mínima energía son aquellas en las que to-
2 { dos los espines se encuentran en el mismo estado (i.e.
3 for ( int m =0; m < L ; m ++) magnetización total M = ±1). Al aumentar la tempe-
4 {
5 for ( int l =0; l < L ; l ++)
ratura por encima de la temperatura crítica Tc , es más
6 { conveniente minimizar la energía libre F del sistema
7 S_viejo = S [ l ][ m ]; aumentando la entropía S. Debido a esto se favore-
8 S_nuevo = Pr op u es t aD eS p in (S ,l , m ) ; cen las configuraciones con espines desordenados (i.e.
9 Diferencia = D i f e r e n c i a D e E n e r g i a (S ,
S_nuevo ,l , m ) ;
magnetización total M = 0) a pesar de que la ener-
10 if ( Diferencia <=0.) gía E aumente (pues aumentan las contribuciones por
11 S [ l ][ m ]= S_nuevo ; las interacciones entre primeros vecinos con estados
12 else de espín opuestos).
13 {
14 N u m e r o_ a l e a t o r i o = unif ( mersenne ) ;
if ( Numero_aleatorio < F a c t o r D e B o l t z m a n n -0.4
15 L=10 T=2.1 L=30 T=2.1
( Diferencia , T ) ) -0.6 L=10 T=2.5 L=30 T=2.5

16 S [ l ][ m ]= S_nuevo ; -0.8
17 } -1

Energía
18 } -1.2
19 }
-1.4
20 }
-1.6
Algoritmo 1. Implementación del algoritmo de Metropolis. -1.8
Para el caso del modelo de Ising, los valores posibles -2
que podía adquirir FactorDeBoltzmann se encontraban 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
guardados en un array y no era necesario volver a Número de pasos de Monte Carlo
calcularlos.
Figura 3. Energía por sitio de la red según el número de
1 struct Lattice pasos de MC.
2 {
3 Matrix S ; // valarray < valarray < double > >
4 int L ;
5 double T ; L=10 T=2.1 L=30 T=2.1
L=10 T=2.5 L=30 T=2.5
6 double D ; 1
Magnetización

7 Lattice ( Matrix S0 , int L0 , double T0 ,

double D0 ) 0.5
8 {
9 S = S0 ; // Configuracion inicial de espines 0
10 L = L0 ; // Longitud de la red
11 T = T0 ; // Temperatura -0.5

12 D = D0 ; // Parametro de acoplamiento
-1
cristalino
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
13 }
14 }; Número de pasos de Monte Carlo

Algoritmo 2. Implementación de una clase para la red de

espines. Para el modelo de Ising no se implementa con el Figura 4. Magnetización por sitio de la red según el número
parámetro de acoplamiento cristalino. de pasos de MC.

Las Fig. 5 y 6 muestran los transitorios de la ener-

Modelo de Ising
En primer lugar se estudió la evolución de la energía
y de la magnetización de la red al iterar utilizando el
algoritmo de Metropolis que se muestra en el Alg. 1.
Para ello se efectuaron un total de 10000 pasos de MC.
Las Fig. 3 y 4 muestran la energía y la magnetización
por sitio de la red, en cada paso de MC. Las mismas
se calcularon para las longitudes de red L = 10 y
L = 30, y para las temperaturas T = 2.1 < Tc y
T = 2.5 > Tc . Se observa que para L = 10 y T = 2.1
la magnetización de la red cambia espontáneamente
de signo.
Esto se debe a que a esa temperatura el siste-
ma puede minimizar su energía libre termodinámica
gía y la magnetización de la red. Se observa que para
Nc ≈ 30 el sistema alcanza un estado de equilibrio ter-
modinámico. En los resultados siguientes no se realiza-
ron pasos de MC iniciales para termalizar el sistema,
antes de comenzar a calcular los observables.
Luego se realizó un primer estudio de la evolución
de la energía y del valor absoluto de la magnetización
promedio, junto con el calor específico y la suscep-
tibilidad, en función de la temperatura. Para ello se
utilizaron longitudes de red L ∈ {10, 20, 30, 50, 100}
en un rango de temperaturas de T = 0.9 a T = 3.9,
concentradas alrededor de la temperatura crítica Tc =
2.2692. Se utilizaron 10000 pasos de MC. Las Fig. 7, 8,
9 y 10 muestran los resultados obtenidos. Se observa
que para longitudes de red mayores, la transición de
fase sucede de manera más abrupta.
 4

-0.6 3
L=10 T=2.1 L=30 T=2.1 L=10
-0.8 L=10 T=2.5 L=30 T=2.5 L=20
2.5 L=30

Calor específico
L=50
-1
2 L=100
Energía

-1.2
1.5
-1.4
1
-1.6

-1.8 0.5

-2 0
0 20 40 60 80 100 0.5 1 1.5 2 2.5 3 3.5 4
Número de pasos de Monte Carlo Temperatura

Figura 5. Transitorio de la energía por sitio de la red. Figura 9. Calor específico de la red de espines en función
de la temperatura.

1.5 L=10 T=2.1 L=30 T=2.1

L=10 T=2.5 L=30 T=2.5 1000
L=10
1 100 L=20
Magnetización

L=30

Susceptibilidad
L=50
10
0.5 L=100
1
0
0.1

-0.5 0.01

0.001
-1
0 20 40 60 80 100
0.0001
Número de pasos de Monte Carlo 0.5 1 1.5 2 2.5 3 3.5 4
Temperatura
Figura 6. Transitorio de la magnetización por sitio de la
red. Figura 10. Susceptibilidad de la red de espines en función
de la temperatura.
-0.4

-0.6
mente que para longitudes de red mayores, la transi-
Energía promedio

-0.8

-1
ción de fase ocurre de manera más abrupta. Se obser-
-1.2 va una transición en el estado de la magnetización del
-1.4 sistema alrededor de Tc ≈ 2.27 para longitud de red
L=10
-1.6 L=20 L = 100.
L=30
-1.8 L=50
L=100 -1
-2
0.5 1 1.5 2 2.5 3 3.5 4 -1.1
Temperatura
Energía promedio

-1.2

-1.3
Figura 7. Energía por sitio promedio de la red en función
-1.4
de la temperatura.
-1.5
L=10
-1.6 L=20
L=30
1
L=10 -1.7 L=50
Magnetización promedio

0.9 L=20 L=100

-1.8
0.8 L=30
2 2.1 2.2 2.3 2.4 2.5 2.6
L=50
0.7 L=100 Temperatura
0.6
0.5
0.4
Figura 11. Energía por sitio promedio de la red en función
0.3 de la temperatura.
0.2
0.1
0 Luego, para estudiar los exponentes críticos de la
0.5 1 1.5 2 2.5 3 3.5 4
Temperatura
magnetización y de la susceptibilidad del sistema, se
graficaron por un lado los log(hM i) en función de
Figura 8. Valor absoluto de la magnetización por sitio pro- log(Tc − T ) y por otro lado log(χ) en función de
medio de la red en función de la temperatura. − log |T − Tc |.
En ambos casos pueden observarse regiones donde
las curvas tienen el mismo comportamiento para dife-
Después, se repitió el estudio pero para temperatu- rentes longitudes de red. A mayor L, las curvas man-
ras entre T = 2 a T = 2.6, separadas por un paso de tienen este comportamiento en rangos de temperatu-
temperatura ∆T = 0.0025. Las Fig. 11, 12, 13 y 14 ras más grandes. Se realizaron ajustes lineales como
muestran los resultados obtenidos. Se observa nueva- se muestran en las Fig. 15 y 16 obteniéndose exponen-
 5

1 6
L=10
Magnetización promedio

0.9 L=20 5
0.8 L=30
L=50 4
0.7 L=100
3

log(χ)
0.6
2
0.5
L=10
0.4 1
L=20
0.3 0 L=30
L=50
0.2 -1 L=100
0.1 Ajuste lineal γ=1.85
-2
0 1 2 3 4 5 6 7 8
2 2.1 2.2 2.3 2.4 2.5 2.6
-log(|T-Tc|)
Temperatura

Figura 12. Valor absoluto de la magnetización por sitio Figura 16. Ajuste lineal de log(χ) en función de − log |T −
promedio de la red en función de la temperatura. Tc |, obtenidos para diferentes longitudes de red. Se obtuvo
una pendiente γ = 1.85.
2.8
L=10
2.6
L=20 Finalmente, se utilizó como parámetro de orden a
2.4 L=30
la magnetización del sistema y se calculó la energía li-
Calor específico

2.2 L=50
L=100
2 bre del mismo como FL (M, T ) = −T log(PL (M, T )),
1.8
donde PL (M, T ) es la distribución de probabilidad de
1.6
1.4 la magnetización del sistema. La Fig. 17 muestra la
1.2 distribución de probabilidad de la magnetización del
1
0.8 sistema, mientras que la Fig. 18 muestra su energía
0.6
2 2.1 2.2 2.3 2.4 2.5 2.6
libre.
Temperatura Para ello se utilizaron valores de L ∈
{5, 8, 10, 12, 15} y temperaturas T = 2.1 y T = 2.5. Se
Figura 13. Calor específico de la red de espines en función realizaron 25000 pasos de MC para todos los valores
de la temperatura. de L, excepto para L = 15, donde se utilizaron 100000
pasos de MC. Para confeccionar las distribuciones
1000 de probabilidad se dividió el intervalo de valores
L=10
L=20 posibles que podía adoptar la magnetización en 2 × N
L=30
casilleros.
Susceptibilidad

100 L=50
L=100
Se observa que para T = 2.1 la distribución de pro-
10 babilidad de la magnetización es bimodal, con máxi-
mos cercanos a los valores de saturación (M ≈ ±1),
1
mientras que la energía libre a esa temperatura se mi-
nimiza para los valores de magnetización más proba-
0.1
2 2.1 2.2 2.3 2.4 2.5 2.6 bles.
Temperatura Por otra parte se estudió la dependencia de la altura
de la barrera de energía con la longitud de la red,
Figura 14. Susceptibilidad de la red de espines en función para T = 2.1. La barrera de energía se define como
de la temperatura.
∆F = FL (0, T ) − FL (M∗ , T ), donde M∗ es el valor
de magnetización más probable de la distribución de
la Fig. 17. Como se ve en la Fig. 19, la altura de la
tes críticos β = 0.117 y γ = 1.85, siendo los valores
barrera aumenta junto con la longitud de la red.
teóricos de los exponentes β = 0.125 y γ = 1.75 [1].
16
L=5 T=2.1 L=5 T=2.5
-0.05 14 L=8 T=2.1 L=8 T=2.5
-0.1 L=10 T=2.1 L=10 T=2.5
12 L=12 T=2.1 L=12 T=2.5
Probabilidad

-0.15 L=15 T=2.1 L=15 T=2.5

10
-0.2
log(⟨M⟩)

-0.25 8
-0.3 6
-0.35 L=10
L=20 4
-0.4 L=30
-0.45 L=50 2
L=100
-0.5 0
Ajuste lineal β=0.117
-0.55 -1 -0.5 0 0.5 1
-7 -6 -5 -4 -3 -2 -1
Magnetización
log(Tc-T)

Figura 17. Distribución de probabilidad de la magnetiza-

Figura 15. Ajuste lineal de log(hM i) en función de log(Tc − ción del sistema, para diferentes longitudes de red y tem-
T ), obtenidos para diferentes longitudes de red. Se obtuvo peraturas.
una pendiente β = 0.117.
 6

L=5 T=2.1 L=5 T=2.5 0.6

L=8 T=2.1 L=8 T=2.5
15
L=10 T=2.1 L=10 T=2.5
L=12 T=2.1 L=12 T=2.5
Energía libre

L=15 T=2.1 L=15 T=2.5 0.4

10

5
0.2

Energía promedio
0
-5
-1 -0.5 0 0.5 1
-0.2
Magnetización

Figura 18. Energía libre del sistema, para diferentes longi- -0.4

tudes de red y temperaturas.

-0.6

16
L=100 Δ=1.975
15 -0.8 L=20 Δ=1.975
Barrera de energía

L=20 Δ=1.965
14 L=20 Δ=1.95
L=100 Δ=1
-1 L=20 Δ=1
13
0.5 1 1.5 2 2.5
12
Temperatura
11

10 Figura 20. Energía por sitio promedio de la red en función

9 de la temperatura.
4 6 8 10 12 14 16
Magnetización
1 L=100 Δ=1.975
Magnetización promedio

Figura 19. Altura de la barrera de la energía libre para L=20 Δ=1.975

L=20 Δ=1.965
T = 2.1, en función de la longitud de la red. 0.8 L=20 Δ=1.95
L=100 Δ=1
0.6 L=20 Δ=1

0.4
Modelo de Blume-Capel
0.2

Por otro lado, se realizaron simulaciones del mode- 0

lo de BC utilizando el algoritmo de Metropolis que se 0.5 1 1.5 2 2.5

muestra en Alg. 1. Se utilizaron valores del parámetro Temperatura

de acoplamiento cristalino ∆ ∈ {1, 1.95, 1.965, 1.975}.

Figura 21. Valor absoluto de la magnetización por sitio
Inicialmente se realizó un barrido de temperaturas en
promedio de la red en función de la temperatura.
un rango de T = 0.1 a T = 3, para identificar las tem-
peraturas de transición para cada valor del parámetro
100
de acoplamiento ∆. L=100 Δ=1.975
L=20 Δ=1.975
Una vez identificadas las temperaturas de transi- L=20 Δ=1.965
Calor específico

10 L=20 Δ=1.95
ción, alrededor de T = 0.59 para parámetros de aco- L=100 Δ=1
L=20 Δ=1
plamiento ∆ ∈ {1.95, 1.965, 1.975} y alrededor de 1
T = 1.4 para ∆ = 1, se realizó un segundo barrido
de temperaturas entre T = 0.1 y T = 3, con valo- 0.1
res de temperaturas más concentrados alrededor de
las temperaturas de transición. Se calcularon la ener- 0.01
0.5 1 1.5 2 2.5 3
gía promedio, el valor absoluto de la magnetización Temperatura
promedio, el calor específico y la susceptibilidad.
Se muestran los resultados obtenidos en las Fig. 20, Figura 22. Calor específico de la red de espines en función
21, 22 y 23. Se observa que para ∆ = 1.975 la energía de la temperatura.
promedio presenta una discontinuidad de CL ≈ 0.1,
la cual corresponde al calor latente de la transición
a Tt ≈ 0.58. Se realizaron 50000 pasos de MC para la magnetización del sistema en función del número
cada valor de temperatura. Se utilizó una longitud de de pasos, con una longitud de red L = 20 y para dos
red L = 20 para todos los valores del parámetro ∆ y valores de ∆. Para ∆ = 1 se utilizaron temperaturas
además se utilizó L = 20 para ∆ = 1 y ∆ = 1.975. Se T ∈ {0.4, 0.585, 1} y para ∆ = 1.975 se utilizaron
optimizaron los tiempos de ejecución de los programas T ∈ {1.2, 1.4, 1.7}.
con el flag -Ofast. Los resultados se muestran en las Fig. 24, 25, 26 y
Luego se estudió la dependencia de la energía y de 27. Se observan cambios espontáneos en la magnetiza-
 7

10000 T=0.4 T=0.585 T=1

L=100 Δ=1.975 0.6 Δ=1.975 Δ=1.975 Δ=1.975
1000 L=20 Δ=1.975
L=20 Δ=1.965 0.5
Susceptibilidad

100 L=20 Δ=1.95

L=100 Δ=1 0.4
10 L=20 Δ=1

Energía
0.3
1

0.1 0.2

0.01 0.1

0.001 0

0.0001 -0.1
0.5 1 1.5 2 2.5 3 0 5000 10000 15000 20000 25000 30000 35000 40000 45000 50000
Temperatura Número de pasos de Monte Carlo

Figura 23. Susceptibilidad de la red de espines en función Figura 26. Energía por sitio de la red según el número de
de la temperatura. pasos de MC.

1
ción del sistema a T = 1.4 para ∆ = 1 y a T = 0.585
para ∆ = 1.975.

Magnetización
0.5

0.4 0
T=1.2 Δ=1 T=1.4 Δ=1 T=1.7 Δ=1
0.2
-0.5
0
Energía

T=0.4 T=0.585 T=1

-0.2 -1 Δ=1.975 Δ=1.975 Δ=1.975
0 5000 10000 15000 20000 25000 30000 35000 40000 45000 50000
-0.4
Número de pasos de Monte Carlo
-0.6

-0.8 Figura 27. Magnetización por sitio de la red según el nú-

0 5000 10000 15000 20000 25000 30000 35000 40000 45000 50000 mero de pasos de MC.
Número de pasos de Monte Carlo

Figura 24. Energía por sitio de la red según el número de Se utilizó una longitud de red L = 30. Para ∆ =
pasos de MC. 1.975 se realizaron 100000 pasos de MC, con un paso
de temperatura ∆T = 0.008. Para ∆ = 1.965 se reali-
zaron 60000 pasos de MC, con un paso de temperatura
1 ∆T = 0.0015. Para ∆ = 1.95 se realizaron 60000 pa-
sos de MC, con un paso de temperatura ∆T = 0.001.
0.5
Para ∆ = 1 se realizaron 100000 pasos de MC, con
Magnetización

un paso de temperatura ∆T = 0.0015. Mientras que

0
para ∆ = 1 se realizaron 100000 pasos de MC, con un
-0.5
paso de temperatura ∆T = 0.0015.
Los resultados obtenidos se muestran en las Fig. 28,
-1 T=1.2 Δ=1 T=1.4 Δ=1 T=1.7 Δ=1 29, 30, 31 y 32.
0 5000 10000 15000 20000 25000 30000 35000 40000 45000 50000
Número de pasos de Monte Carlo 0.35

0.3
Energía promedio

Figura 25. Magnetización por sitio de la red según el nú-

0.25
mero de pasos de MC.
0.2

0.15
Después se repitió el estudio de la evolución de la
0.1
energía, la magnetización, el calor específico y la sus- Δ=1.975
0.05
ceptibilidad, en función de la temperatura. Esta vez Δ=1.965
Δ=1.95
se realizó un barrido con temperaturas crecientes y 0
0.5 0.55 0.6 0.65 0.7 0.75
otro con temperaturas decrecientes, con la intención Temperatura
de observar histéresis en las curvas. Para ello se utilizó
como condición inicial el estado de la red de espines al Figura 28. Energía por sitio promedio de la red en función
concluir el paso de temperatura inmediatamente an- de la temperatura.
terior.
Se observa que los anchos de los ciclos de histéresis Finalmente, se utilizó como parámetro de orden a
en la energía y en la magnetización del sistema son la energía del sistema y se calculó la energía libre
mayores para ∆ = 1.975 y ∆ = 1.965 comparados con del mismo como FL (H, T ) = −T log(PL (H, T )), don-
∆ = 1.95 y ∆ = 1. de PL (H, T ) es la distribución de probabilidad de la
 8

1 0

Magnetización promedio Energía promedio

Δ=1.975
Magnetización promedio

0.9 Δ=1.965 -0.1

0.8 Δ=1.95
0.7 -0.2
0.6
-0.3
0.5
-0.4
0.4
0.3 -0.5 Δ=1
0.2
0.8
0.1
0.7
0
0.5 0.55 0.6 0.65 0.7 0.75 0.6

Temperatura 0.5
0.4
0.3
Figura 29. Valor absoluto de la magnetización por sitio
0.2
promedio de la red en función de la temperatura.
0.1
2.6
2.4

Calor específico
8
Δ=1.975 2.2
7 Δ=1.965 2
Δ=1.95 1.8
Calor específico

6
1.6
5 1.4
1.2
4
1
3 0.8
Susceptibilidad
2
20
1
15
0
10
0.5 0.55 0.6 0.65 0.7 0.75
Temperatura 5

0
1.3 1.35 1.4 1.45 1.5 1.55 1.6
Figura 30. Calor específico de la red de espines en función Temperatura
de la temperatura.

Figura 32. Energía por sitio promedio de la red, valor ab-

300
Δ=1.975 soluto de la magnetización promedio, calor específico y
Δ=1.965
250 Δ=1.95 susceptibilidad del sistema en función de la temperatura.
Susceptibilidad

200
Se utilizaron 100000 pasos de MC, con un paso de tempe-
ratura ∆T = 0.015, con ∆ = 1 y L = 30.
150

100

50
babilidad poseen dos picos de alturas diferentes, au-
0 mentando la altura del pico de alta energía confor-
0.5 0.55 0.6 0.65 0.7 0.75
Temperatura me aumenta la temperatura. Se observa además que
el mínimo de la energía libre correspondiente se des-
Figura 31. Susceptibilidad de la red de espines en función plaza al aumentar la temperatura. Las gráficas de la
de la temperatura. probabilidad y de la energía libre son simétricas a la
temperatura de transición. Estas son características
de una transición de primer orden.
energía del sistema. Las Fig. 33 y 35 muestran la dis-
tribución de probabilidad de la energía del sistema,
mientras que las Fig. 34 y 36 muestra su energía libre, 14
T=1.2 Δ=1
T=1.4 Δ=1
para ∆ = 1 y ∆ = 1.975 respectivamente. Se utiliza- 12
T=1.7 Δ=1
ron 1000000 pasos de MC y se divieron los intervalos 10
Probabilidad

de energía accesible en 0.02 × N casilleros para con- 8

feccionar la distribución de probabilidad. 6

Para ello se utilizó una longitud de red L = 20 para 4

diferentes valores de T , alrededor de la temperatura 2
de transición. Para ∆ = 1 se utilizaron temperaturas 0
T ∈ {1.2, 1.4, 1.7}. Se observa que las distribuciones -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4
Energía
de probabilidad de la energía tienen un único máximo
y que las correspondientes gráficas de la energía libre
Figura 33. Distribución de probabilidad de la magnetiza-
tienen un único mínimo, características de una tran- ción del sistema, para diferentes longitudes de red y tem-
sición de segundo orden. Para ∆ = 1.975 se utilizaron peraturas.
temperaturas T ∈ {0.56, 0.57, 0.58, 0.585, 0.59, 0.6}.
En este caso se observa que las distribuciones de pro-
 9

12 Se simularon en C++ redes bidimensionales de espi-

10
nes en ausencia de campo magnético, con longitudes
8
de red 5 < L < 100, bajo condiciones de borde pe-
Energía libre

6
4
riódicas. Se observó que el límite termodinámico se
2 recupera cuando L crece.
0 Se fijaron los valores del parámetro de interac-
-2
ción espín-espín J = 1 y de la constante de Stefan-
-4
-6
T=1.2 Δ=1 T=1.4 Δ=1 T=1.7 Δ=1 Boltzmann k = 1.
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4
Por un lado se realizaron simulaciones del modelo
Energía
de Ising. A partir de ellas se determinaron los expo-
Figura 34. Energía libre del sistema, para diferentes longi- nentes críticos como β = 0.117 y γ = 1.85, realizando
tudes de red y temperaturas. ajustes lineales en las regiones donde coincidían los
comportamientos de la magnetización y, por otro la-
6 do, de la susceptibilidad, para todas las longitudes de
T=0.56 Δ=1.975
T=0.57 Δ=1.975 red. Los valores teóricos de los exponentes críticos son
5 T=0.58 Δ=1.975
T=0.585 Δ=1.975 β = 0.125 y γ = 1.75 [1].
Probabilidad

4 T=0.59 Δ=1.975
T=0.6 Δ=1.975 Además se estudiaron el comportamiento de la ener-
3 gía libre del sistema y la dependencia de la altura de
2 la barrera de energía libre con la longitud de la red.
Se observa que la altura de la barrera de energía libre
1
aumenta al aumentar la longitud de la red.
0
-0.05 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 Se corroboró que las transiciones de fase en el mo-
Energía delo de Ising son de segundo orden, alrededor de una
temperatura crítica Tc = 2.27, siendo el valor teórico
Figura 35. Distribución de probabilidad de la magnetiza- Tc = 2.2692.
ción del sistema, para diferentes longitudes de red y tem-
peraturas. Por otro lado se implementó el modelo de Blume-
Capel. En este caso se estudió el comportamien-
6
to del sistema en la transición de fase, para dife-
T=0.56 Δ=1.975
5 T=0.57 Δ=1.975
rentes valores del parámetro de acoplamiento ∆ ∈
T=0.58 Δ=1.975
T=0.585 Δ=1.975
{1, 1.95, 1.965, 1.975} y se observó la presencia de his-
4
Energía libre

T=0.59 Δ=1.975
T=0.6 Δ=1.975
téresis. Se observó que los anchos de los ciclos de his-
3
téresis en la energía y en la magnetización del sistema
2
son mayores para ∆ = 1.975 y ∆ = 1.965 comparados
1
con ∆ = 1.95 y ∆ = 1.
0
Se observaron cambios en la forma funcional de la
-1
-0.05 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
energía libre del sistema para ∆ = 1.975 y ∆ = 1,
Energía a diferentes temperaturas cercanas a las respectivas
temperaturas de transición Tt . Se distinguieron tran-
Figura 36. Energía libre del sistema, para diferentes longi- siciones de primer orden para ∆ = 1 alrededor de una
tudes de red y temperaturas. temperatura de transición Tt ≈ 1.4 y de segundo or-
den para ∆ = 1.975 alrededor de una temperatura
de transición Tt ≈ 0.58. Se estimó el calor latente de
CONCLUSIONES transición como CL ≈ 0.1 para ∆ = 1.975.

Es posible observar la emergencia de comporta-

mientos complejos, tales como transiciones de fase,
en sistemas hamiltonianos sencillos como los provis-
tos por el modelo de Ising y de Blume-Capel. Para ello [1] J. Thijssen, Computational Physics, 2nd ed. (1999)
se implementaron simulaciones por método de Monte Chap. 7, 10.
[2] H. G. Katzgraber, Introduction to Monte Carlo Met-
Carlo utilizando muestreo por importancia por cade-
hods (2011).
nas de Markov. Se utilizó el algoritmo de Metropolis [3] M. Biskup, L. Chayes, and N. Crawford, Statistical
para la elección de nuevas configuraciones de espín re- Physics (2004).
levantes del sistema, permitiendo la evolución de la [4] P. E. Theodorakis and N. G. Fytas, Monte Carlo study
red de espines y facilitando el cálculo de los valores de of the triangular Blume-Capel model under bond ran-
expectación de los observables. domness (2012).