Fundamental problems in Statistical Physics XIV: Lecture on Correlation and response functions in statistical physics

Dieses Vorlesungsskript führt zunächst physikalisch in Korrelations- und Linearantwortfunktionen sowie das Fluktuations-Dissipations-Theorem ein und widmet sich anschließend einer strengeren mathematischen Analyse, die strukturelle Eigenschaften dieser Funktionen unter Verwendung weniger bekannter Sätze wie dem von Bochner und Herglotz-Nevanlinna beleuchtet.

Das Wesentliche

🌊 Wenn das Chaos Ordnung findet: Eine Reise durch Korrelationen und Antworten

Stellen Sie sich vor, Sie stehen am Ufer eines riesigen, stürmischen Ozeans. Jeder Wassertropfen ist ein Molekül, und es gibt unendlich viele davon. Niemand kann den Weg jedes einzelnen Tropfens vorhersagen – das wäre wie zu versuchen, jeden einzelnen Wähler in einem Land mit einer Milliarde Menschen zu kennen.

Die Statistische Physik ist wie ein kluger Kapitän, der nicht jeden Tropfen einzeln verfolgt, sondern das Gesamtbild betrachtet. Sie fragt nicht: „Wo ist Tropfchen Nr. 42?", sondern: „Wie bewegen sich die Wellen im Durchschnitt?"

In diesem Text geht es um zwei Hauptwerkzeuge, mit denen Physiker dieses Chaos verstehen: Korrelationen (wie Dinge zusammenhängen) und Antworten (wie das System auf Störungen reagiert).

---

1. Die Korrelation: Der Tanz der Erinnerung

Stellen Sie sich vor, Sie beobachten einen einzelnen Tümpel. Ein Windstoß wirft eine Welle auf. Was passiert? Die Welle breitet sich aus, stößt an Steine, reflektiert und wird langsam kleiner.

Eine Korrelationsfunktion ist wie ein Gedächtnis des Systems. Sie misst: „Wenn ich heute eine Welle sehe, wie wahrscheinlich ist es, dass ich morgen noch eine ähnliche Bewegung an derselben Stelle sehe?"

• Die Metapher: Stellen Sie sich einen Tanz vor. Wenn zwei Tänzer (z. B. zwei Moleküle) perfekt synchron tanzen, ist ihre Korrelation hoch. Wenn sie völlig unabhängig voneinander herumwirbeln, ist die Korrelation null.
• Das Problem: Oft wollen wir Modelle bauen, die diese Tänze beschreiben. Aber wie stellen wir sicher, dass unser Modell nicht „Unsinn" produziert? Ein Modell, das behauptet, ein System würde Energie aus dem Nichts erzeugen oder sich in die Vergangenheit bewegen, ist physikalisch unmöglich.
• Die Lösung (Bochner-Theorem): Der Text erklärt eine elegante mathematische Regel: Damit eine Funktion ein gültiges „Gedächtnis" (eine Korrelationsfunktion) sein darf, muss sie eine bestimmte Art von Positivität erfüllen. Man kann sich das wie einen Musikmix vorstellen. Jede gültige Korrelationsfunktion ist wie ein Song, der nur aus positiven Lautstärken (Frequenzen) besteht. Wenn man in den Song hineinhorcht (Fourier-Transformation), darf man keine „negativen Lautstärken" finden. Das ist die Garantie, dass das System stabil ist.

2. Die Antwort: Wenn man den Tisch schüttelt

Nun nehmen wir das System und geben ihm einen kleinen Stoß. Vielleicht schütteln wir den Tümpel kurz oder legen einen warmen Stein hinein. Wie reagiert das System?

Das ist die Lineare Antwort.

• Die Metapher: Stellen Sie sich vor, Sie drücken auf eine Feder. Je stärker Sie drücken (die Kraft), desto mehr federt sie zurück (die Antwort). In der Physik gilt: Kleine Störungen führen zu kleinen, vorhersehbaren Antworten.
• Der Clou (Fluktuations-Dissipations-Theorem): Hier passiert das Magische. Der Text zeigt, dass man nicht unbedingt das System stören muss, um zu wissen, wie es reagiert. Man kann einfach hören, wie es von selbst wackelt.
  • Die zufälligen Wackeleien (Fluktuationen) im Ruhezustand enthalten genau die gleiche Information wie die Reaktion auf einen Stoß.
  • Analogie: Wenn Sie ein Glas Wasser ruhig stehen lassen, sehen Sie winzige Wellen durch die Hitze der Luft entstehen. Aus dem Muster dieser zufälligen Wellen können Sie berechnen, wie das Glas reagiert, wenn Sie es plötzlich anstoßen. Das ist wie das Vorhersagen des Verhaltens eines Orchesters, indem man nur zuhört, wie die Musiker sich vor dem Konzert leise unterhalten.

3. Warum das wichtig ist: Der Bauplan der Realität

Warum beschäftigen sich Physiker mit so abstrakten Mathematik-Theoremen (wie dem Herglotz- oder Cauer-Theorem)?

Weil wir Modelle bauen müssen.
Wenn Sie ein Computerprogramm schreiben, das das Wetter simuliert oder wie sich Medikamente im Körper ausbreiten, müssen Sie sicherstellen, dass das Programm nicht gegen die Gesetze der Physik verstößt.

• Die Regel: Ein gültiges Modell muss „passiv" sein. Es darf keine Energie aus dem Nichts erzeugen. Es darf nicht auf eine Störung reagieren, bevor die Störung passiert (Kausalität).
• Die Mathematik als Wächter: Die in diesem Text vorgestellten mathematischen Werkzeuge sind wie ein Qualitätsstempel. Wenn Sie eine Funktion haben, die ein Korrelationsverhalten beschreiben soll, können Sie sie durch diesen mathematischen „Scanner" laufen lassen.
  • Zeigt der Scanner „Positiv"? -> Das Modell ist physikalisch möglich.
  • Zeigt er „Negativ"? -> Das Modell ist Unsinn, es würde Energie aus dem Nichts erzeugen oder die Zeit zurückdrehen.

4. Zusammenfassung in einem Satz

Dieser Text ist im Grunde eine Anleitung, wie man gültige Geschichten über das Verhalten von Materie erzählt. Er sagt uns: „Wenn du ein Modell für das Wackeln von Atomen oder das Fließen von Flüssigkeiten bauen willst, achte darauf, dass deine Geschichte wie ein echter Tanz klingt (Korrelation) und dass das System nicht magisch Energie erzeugt (Stabilität)."

Die Mathematik liefert dabei den strengen Bauplan, der sicherstellt, dass unsere Modelle nicht nur hübsch aussehen, sondern auch der Realität standhalten. Es ist die Brücke zwischen dem chaotischen Rauschen der Natur und der klaren Sprache der Physik.

Technische Zusammenfassung

Titel

Fundamentale Probleme in der Statistischen Physik XIV: Vorlesung über Korrelations- und Antwortfunktionen in der statistischen Physik

1. Problemstellung

Die statistische Physik befasst sich mit Systemen mit einer enormen Anzahl von Freiheitsgraden, für die eine vollständige mikroskopische Beschreibung oft unmöglich ist. Stattdessen werden statistische Charakterisierungen verwendet. Ein zentrales Werkzeug sind zeitabhängige Korrelationsfunktionen (für Fluktuationen im Gleichgewicht) und lineare Antwortfunktionen (für die Reaktion auf externe Störungen).

Das Hauptproblem, das in diesen Vorlesungsnotizen adressiert wird, ist die Lücke zwischen physikalischer Intuition und der strengen mathematischen Charakterisierung dieser Funktionen. Während die Verbindung zwischen Korrelation und Antwort durch das Fluktuations-Dissipations-Theorem (FDT) bekannt ist, fehlt oft das Bewusstsein für die fundamentalen mathematischen Einschränkungen, die jede physikalisch zulässige Korrelations- oder Antwortfunktion erfüllen muss.
Die zentrale Frage lautet: Unter welchen Bedingungen kann eine gegebene Funktion als Korrelationsfunktion eines stationären stochastischen Prozesses identifiziert werden? Viele Modelle in der Theorie oder datengetriebene Rekonstruktionen verletzen unbewusst diese mathematischen Constraints (z. B. Positivität des Spektrums), was zu physikalisch inkonsistenten Ergebnissen führt.

2. Methodik

Der Autor verfolgt einen zweigleisigen Ansatz, der physikalische Intuition mit strenger mathematischer Theorie verbindet:

• Physikalischer Teil: Einführung der Konzepte von Korrelationsfunktionen, linearer Antwort und des Fluktuations-Dissipations-Theorems (FDT) im Kontext klassischer statistischer Physik. Es werden Beispiele wie Streuexperimente, Diffusion und Viskosität behandelt, um die praktische Relevanz zu zeigen.
• Mathematischer Teil: Anwendung der Theorie stochastischer Prozesse, Funktionalanalysis und komplexer Analysis.
  • Nutzung des Bochner-Theorems zur Charakterisierung von Korrelationsfunktionen.
  • Einführung der Fourier-Laplace-Transformation und der Analyse von Funktionen im komplexen oberen Halbraum.
  • Anwendung von Nevanlinna-Funktionen (auch Herglotz- oder Pick-Funktionen genannt) und positiv-reellen (PR) Funktionen.
  • Herleitung von Darstellungs-Sätzen (Riesz-Herglotz, Cauer) für Antwortfunktionen basierend auf den Prinzipien der Kausalität, Passivität und Stabilität der Materie.

3. Schlüsselbeiträge und Ergebnisse

A. Mathematische Charakterisierung von Korrelationsfunktionen

• Positive Semidefinitheit: Eine notwendige und hinreichende Bedingung dafür, dass eine Funktion $C(t)$ eine Autokorrelationsfunktion eines stationären stochastischen Prozesses ist, ist ihre positive Semidefinitheit.
• Bochner-Theorem: Dies ist das zentrale Ergebnis. Es besagt, dass eine stetige Funktion $C(t)$ genau dann positiv semidefinit ist, wenn sie die Fourier-Transformierte eines endlichen, positiven Lebesgue-Stieltjes-Maßes $F(\Omega)$ ist:
  $$C(t) = \int_{\mathbb{R}} e^{-i\Omega t} dF(\Omega)$$
  Dies impliziert, dass das Leistungsspektrum (die Dichte des Maßes) überall nicht-negativ sein muss ($S(\omega) \geq 0$).
• Konsequenzen: Dies liefert strenge Kriterien zur Überprüfung von Modellen. Funktionen mit negativem Spektrum (z. B. oszillierende Funktionen mit negativer Dämpfung oder bestimmte "Gaussian coupling models") können keine physikalischen Korrelationsfunktionen sein.

B. Lineare Antwort und Stabilität

• Verbindung von Passivität und Kausalität: Der Autor zeigt rigoros, dass das physikalische Prinzip der Passivität (das System kann keine Energie aus dem Nichts erzeugen; die dissipierte Arbeit ist immer nicht-negativ) äquivalent zur Kausalität ist. Ein passives System reagiert nur auf vergangene Störungen.
• Darstellungssätze für Antwortfunktionen:
  • Die komplexe Suszeptibilität $\hat{\chi}(z)$ (Fourier-Laplace-Transformierte der Antwortfunktion) ist eine Nevanlinna-Funktion (analytisch im oberen Halbraum mit nicht-negativem Imaginärteil).
  • Für reelle Signale ist $z\hat{\chi}(z)$ eine positiv-reelle Funktion (PR-Funktion).
  • Basierend auf dem Cauer-Darstellungssatz wird gezeigt, dass jede solche Funktion als Summe aus einem instantanen Term und einem Integral über ein Maß dargestellt werden kann. Dies verallgemeinert die Kramers-Kronig-Relationen und zeigt, dass diese nur gelten, wenn das zugehörige Maß eine Dichte besitzt.

C. Memory Kernels und exakte Bewegungsgleichungen

• Es werden exakte Integro-Differentialgleichungen für Korrelationsfunktionen hergeleitet, die Memory Kernels (Gedächtniskerne) enthalten. Diese Kernels beschreiben verzögerte Reibungseffekte und sind selbst Korrelationsfunktionen (bzw. Fourier-Transformierte von Nevanlinna-Funktionen).
• Dies bietet einen systematischen Rahmen für Näherungen (z. B. Mori-Zwanzig-Projektion), die die kurzzeitige Dynamik korrekt wiedergeben.

D. Anwendung auf Streuexperimente und Transportkoeffizienten

• Die Arbeit verbindet die theoretischen Konzepte direkt mit experimentellen Observablen wie dem differentiellen Streuquerschnitt und dem dynamischen Strukturfaktor $S(q, \omega)$.
• Es wird bestätigt, dass $S(q, \omega)$ aufgrund des Bochner-Theorems nicht-negativ sein muss, was eine direkte Konsistenzprüfung für experimentelle Daten und Simulationen ermöglicht.
• Die Green-Kubo-Beziehungen für Transportkoeffizienten (Diffusion, Viskosität) werden als Spezialfälle der allgemeinen Theorie hergeleitet.

4. Signifikanz und Bedeutung

• Brücke zwischen Mathematik und Physik: Die Notizen schließen eine wichtige Lücke, indem sie fortgeschrittene mathematische Werkzeuge (Bochner, Herglotz, Nevanlinna), die oft außerhalb des Standard-Curriculums der Physik liegen, für Physiker zugänglich machen.
• Validierung von Modellen: Die vorgestellten Kriterien (Positivität des Spektrums, Kausalität, Stabilität) dienen als essenzielle Filter für die Entwicklung neuer theoretischer Modelle und für die Analyse von Daten aus Simulationen oder Experimenten. Sie verhindern die Konstruktion physikalisch unmöglicher Modelle.
• Einheitliches Framework: Die Arbeit zeigt, dass scheinbar unterschiedliche Konzepte wie Fluktuationen, Dissipation, Kausalität und Stabilität der Materie durch ein einziges mathematisches Gerüst (Darstellungssätze für analytische Funktionen) vereint werden können.
• Rigorose Grundlage für Nichtgleichgewicht: Sie liefert eine fundierte Basis für die Erweiterung der linearen Antworttheorie auf komplexere Systeme, einschließlich solcher mit Gedächtniseffekten und in der Quantenstatistik.

Zusammenfassend stellt diese Arbeit einen rigorosen, aber zugänglichen Leitfaden dar, der sicherstellt, dass Modelle in der statistischen Physik sowohl den physikalischen Gesetzen (Thermodynamik, Kausalität) als auch den mathematischen Axiomen der Wahrscheinlichkeitstheorie genügen.