🌀 Szkło spinowe — frustracja i powolna relaksacja
Losowe wiązania ferromagnetyczne i antyferromagnetyczne tworzą sfrustrowane konfiguracje spinów o wielu stanach metastabilnych. Obserwuj powolną, logarytmiczną relaksację, gdy układ przeszukuje swój krajobraz energetyczny.
O tej symulacji
Ten model umieszcza spin Isinga (±1) na każdym węźle siatki kwadratowej i nadaje każdemu wiązaniu między sąsiadami losowo ustalony znak — ferromagnetyczny lub antyferromagnetyczny — tworząc szkło spinowe Edwardsa-Andersona. Ponieważ znaki są mieszane, żadne ułożenie spinów nie może spełnić wszystkich wiązań naraz: niektóre trójkąty oddziaływań są z natury sfrustrowane. Algorytm Monte Carlo Metropolisa przełącza spiny pojedynczo, akceptując ruchy podnoszące energię z prawdopodobieństwem exp(−ΔE/T), pozwalając sieci poszukiwać stanów o niskiej energii bez pełnego osiadania.
🔬 Co przedstawia symulacja
Kolorowe wiązania oznaczają, czy dane połączenie między sąsiadującymi spinami jest spełnione (niebieskie), czy sfrustrowane (czerwone), a strzałki pokazują bieżącą orientację każdego spinu. Dolny pasek wykreśla średnią energię na węzeł w funkcji przemiatań Monte Carlo, ujawniając powolny, niemal logarytmiczny zanik typowy dla relaksacji szklistej, a nie szybkie eksponencjalne osiadanie zwykłego magnesu.
🎮 Jak korzystać
Przeciągnij Temperature T (0,1–4,0), aby kontrolować, jak łatwo akceptowane są przełączenia podnoszące energię, i ustaw znacznik zamarzania T_f (0,3–2,0) jako linię odniesienia na wykresie. Grid size N (10–50) zmienia rozmiar sieci i losuje nowe wiązania, Steps/frame (1–100) ustala liczbę przemiatań na klatkę animacji, a Run/Pause i Reset sterują symulacją.
💡 Czy wiesz, że...?
Giorgio Parisi otrzymał Nagrodę Nobla z fizyki w 2021 roku za rozwiązanie problemu szkła spinowego metodą teorii replik — praca ta później okazała się przydatna do zrozumienia modeli pamięci sieci neuronowych oraz trudności pewnych problemów optymalizacji kombinatorycznej.
Najczęściej zadawane pytania
Dlaczego kolory wiązań zmieniają się w trakcie działania symulacji?
Kolor każdego wiązania odzwierciedla, czy jest ono aktualnie spełnione, biorąc pod uwagę dwa sąsiadujące spiny i jego własny stały losowy znak. Gdy spiny przełączają się podczas przemiatań Monte Carlo, wiązanie może zmieniać się między spełnionym (niebieskim) a sfrustrowanym (czerwonym), mimo że siła jego sprzężenia nigdy się nie zmienia.
Co dokładnie robi zwiększenie suwaka temperatury?
Temperatura T ustala prawdopodobieństwo zaakceptowania przełączenia spinu, które zwiększa energię całkowitą, poprzez czynnik exp(−ΔE/T). Wyższe T oznacza akceptację większej liczby przełączeń rozpraszających porządek, utrzymując sieć blisko losowego stanu paramagnetycznego; niższe T sprawia, że układ staje się coraz bardziej niechętny do akceptowania niekorzystnych przełączeń, sprzyjając powolnemu osiadaniu w konfiguracjach sfrustrowanych o niskiej energii.
Dlaczego wykres energii spłaszcza się tak wolno?
Ponieważ wiązania mają mieszane znaki, krajobraz energetyczny ma wiele dolin o niemal równej głębokości, oddzielonych barierami o różnej wysokości. Ucieczka z jednej doliny do głębszej staje się stopniowo trudniejsza, więc średnia energia na węzeł maleje w sposób powolny, w przybliżeniu logarytmiczny, zamiast szybko spadać do jednego stanu podstawowego.
Co się dzieje, gdy zmieniam rozmiar siatki N?
Przesunięcie suwaka Grid size (10–50) przebudowuje sieć w nowym rozmiarze i losuje całkowicie nowy zestaw znaków wiązań oraz orientacji spinów, resetując licznik przemiatań i historię energii. Nie zmienia rozmiaru istniejącej sieci w miejscu.
Czy w tej symulacji istnieje prawdziwa faza uporządkowana?
Nie w zwykłym ferromagnetycznym sensie. Ponieważ mniej więcej połowa wiązań jest antyferromagnetyczna, globalna magnetyzacja pozostaje bliska zeru nawet w niskiej temperaturze. Zamiast tego może zamarznąć parametr porządku q, który wychwytuje, czy poszczególne spiny osiadają z czasem na ustalonej (choć wyglądającej na losową) orientacji — cecha charakterystyczna fazy spinowego szkła poniżej temperatury zamarzania.