Resumen Técnico: Investigaciones Numéricas de Transiciones de Fase en Teorías de Campos en Red

Esta tesis presenta dos investigaciones numéricas complementarias destinadas a resolver los fenómenos críticos y asegurar la fiabilidad de las simulaciones en teorías de campos en red. El trabajo aborda la demanda persistente de herramientas de alta precisión capaces de distinguir comportamientos críticos sutiles y validar la consistencia termodinámica del muestreo de Monte Carlo. El estudio se divide en dos partes distintas: un análisis de redes tensoriales del modelo XY generalizado (gXY) bidimensional y el desarrollo de un estimador de temperatura configuracional para teorías de gauge compactas U(1).

Parte I: Estudio de Renormalización Tensorial del Modelo XY Generalizado

Problema y Contexto
El modelo XY generalizado (gXY) bidimensional, propuesto por Korshunov, Lee y Grinstein, interpola entre distintas fases mediante un parámetro de deformación $\Delta$. El modelo presenta una competencia entre vórtices enteros (fase ferromagnética) y vórtices de semienteros (fase nemática), separados por una fase paramagnética desordenada. La estructura de fases involucra transiciones de Berezinskii–Kosterlitz–Thouless (BKT) tanto para vórtices enteros como para semienteros, así como una transición de tipo Ising intermedia. Estudios previos utilizando métodos de Monte Carlo y de estado de producto de matrices (MPS) han establecido la existencia de estas fases, pero han enfrentado desafíos para mapear con precisión los límites de fase y la naturaleza de la región multicrítica donde estas líneas de transición se encuentran.

Metodología
El autor emplea el método de Grupo de Renormalización Tensorial de Orden Superior (HOTRG), implementado con aceleración por GPU para manejar grandes dimensiones de enlace. El enfoque consiste en:

1. Expansión de Carácter: El peso de Boltzmann del modelo gXY se expande utilizando variables duales (expansión de carácter), convirtiendo la función de partición en una contracción de una red tensorial.
2. Coarse-Graining por HOTRG: La red se renormaliza iterativamente mediante la Descomposición de Valores Singulares de Orden Superior (HOSVD). Esto permite la truncación de las dimensiones de enlace preservando las contribuciones de entrelazamiento dominantes a través de múltiples direcciones simultáneamente, ofreciya una mayor precisión que el TRG estándar.
3. Técnicas de Tensores de Impurezas: Para extraer observables termodinámicos como la magnetización y la susceptibilidad, se insertan tensores de impurezas que codifican campos de ruptura de simetría externos ($h$ y $h_1$) en la red. Esto permite el cálculo de las derivadas de la energía libre sin depender de aproximaciones de diferencias finitas que pueden introducir ruido numérico.
4. Extrapolación: Las temperaturas críticas se determinan mediante la extrapolación de los picos de susceptibilidad al límite de campo cero, un paso necesario dado el teorema de Mermin–Wagner que prohíbe la ruptura espontánea de simetría en 2D sin un campo externo.

Resultados Clave

• Mapeo del Diagrama de Fases: El estudio proporciona un mapeo preciso del diagrama de fases en el plano $(\Delta, T)$. Identifica tres fases distintas: ferromagnética (vórtices enteros), nemática (vórtices de semienteros) y desordenada.
• Líneas de Transición: Los límites están caracterizados por dos transiciones BKT (enteros y semienteros) y una transición Ising.
• Punto Multicrítico: Los resultados numéricos sugieren un escenario de fusión secuencial de las líneas de transición. Las líneas de half-BKT e Ising parecen fusionarse primero alrededor de $\Delta \approx 0.34$, seguida de una fusión con la línea BKT en $\Delta \approx 0.36(2)$. El punto multicrítico se localiza en $\Delta = 0.36(2)$ y $T_c = 0.716(3)$.
• Comparación de Estimadores: El estudio demuestra que, para transiciones de tipo BKT, el pico del calor específico sobreestima sistemáticamente la temperatura crítica. En contraste, la extrapolación a campo cero de la susceptibilidad magnética proporciona un estimador más fiable.
• Rendimiento: La implementación de HOTRG acelerada por GPU computó con éxito resultados con una dimensión de enlace de $D=91$ y un corte de Fourier de $m \in [-50, 50]$, logrando una alta precisión en el límite termodinámico.

Significancia
El trabajo demuestra que un HOTRG cuidadosamente controlado y acelerado por GPU ofrece un marco altamente preciso y eficiente para resolver estructuras de fases complejas, mejorando los estudios previos de Monte Carlo y MPS. Proporciona una caracterización numérica definitiva de la región multicrítica en el modelo gXY.

---

Parte II: Estimador de Temperatura Configuracional en Teorías de Gauge en Red

Problema y Contexto
En las simulaciones de Monte Carlo canónicas, particularmente en el Método de Monte Carlo Híbrido (HMC), existe una falta de leyes de conservación directas para validar la corrección algorítmica. Mientras que en la dinámica molecular se utilizan cantidades conservadas como la energía, los ensambles canónicos dependen de la comparación de observables con propiedades termodinámicas conocidas, lo cual es problemático para sistemas novedosos o puntos de estado sin datos de referencia. Además, los efectos de discretización y los artefactos algorítmicos en las teorías de gauge en red pueden distorsionar los observables termodinámicos y las temperaturas críticas.

Metodología
La tesis desarrolla y evalúa un estimador de temperatura configuracional basado en la formulación geométrica de Rugh de la mecánica estadística.

1. Base Teórica: El estimador deriva la temperatura a partir del gradiente y la Hessiana de la acción euclidiana ($S$) con respecto a las configuraciones de campo, independientemente de las variables de momento. La temperatura configuracional inversa $\beta_{config}$ se define como:
   $$\beta_{config} = \left\langle \nabla_\phi \cdot \left( \frac{\nabla_\phi S}{|\nabla_\phi S|^2} \right) \right\rangle$$
   donde $\nabla_\phi$ es el gradiente con respecto a todas las variables de campo de la red.
2. Invariancia de Gauge: La formulación se adapta para ser invariante de gauge utilizando derivadas covariantes, haciéndola aplicable a teorías de gauge compactas.
3. Aplicación Diagnóstica: En un ensamble correctamente muestreado donde la distribución de probabilidad es $P[\phi] \propto e^{-S[\phi]}$, el estimador debería producir $\beta_{config} = 1$ (en unidades naturales). Las desviaciones de la unidad indican inconsistencias de muestreo, termalización lenta o errores numéricos.
4. Evaluación Comparativa (Benchmarking): El estimador se prueba en teorías de gauge U(1) compactas en una, dos y cuatro dimensiones euclidianas.
   • 1D y 2D: Estos casos sirven como bancos de prueba controlados con resultados analíticos conocidos (sin transición de fase en U(1) 1D/2D).
   • 4D: Este caso presenta una transición de fase débil de primer orden (confinamiento–Coulomb) alrededor de $\beta \approx 1.0$, proporcionando un benchmark no trivial.
   • Aproximación: Para volúmenes grandes (específicamente en 4D), se demuestra que los términos fuera de la diagonal de la Hessiana son despreciables, lo que permite un estimador simplificado utilizando solo términos de la diagonal para reducir el costo computacional.

Resultados Clave

• Validación: En las teorías U(1) 1D y 2D, la temperatura configuracional medida $\beta_M$ coincide con el acoplamiento de entrada $\beta$ (o $\beta_{config} \approx 1$) en un amplio rango de parámetros, validando la implementación y la estabilidad del estimador.
• Detección de Errores: El estimador detecta con éxito errores algorítmicos. En una prueba donde el paso de aceptación-rechazo de Metropolis fue intencionadamente defectuoso (usando un rango de números aleatorios incorrecto), $\beta_M$ se desvió significativamente del valor de entrada, mientras que los observables estándar podrían no haber revelado el problema de inmediato.
• Monitoreo de Termalización: El estimador rastrea el comportamiento de la termalización, proporcionando un indicador temprano de equilibrio lento o metaestabilidad.
• Insensibilidad a la Transición de Fase: A diferencia de los parámetros de orden (por ejemplo, la susceptibilidad de la plaqueta), la temperatura configuracional no exhibe un comportamiento singular en las transiciones de fase; permanece suave a través de la región crítica. Esto confirma su rol como un chequeo de consistencia en lugar de un parámetro de orden.

Significancia
El estimador de temperatura configuracional proporciona una herramienta diagnóstica de gauge-invariante y libre de momentos para validar el muestreo térmico en teorías de campos en red. Ofrece un medio independiente para detectar patologías de muestreo, errores numéricos y termalización lenta antes de realizar ejecuciones de producción a gran escala. El estudio confirma que para volúmenes de red grandes, el estimador puede implementarse eficientemente despreciando los términos fuera de la diagonal de la Hessiana sin una pérdida significativa de precisión.

---

Conclusiones Generales

La tesis concluye que estos dos enfoques abordan desafíos complementarios en la investigación numérica de fenómenos críticos:

1. Redes Tensoriales (HOTRG): Proporcionan una ruta determinista y de alta precisión para mapear diagramas de fases complejos y el comportamiento crítico en sistemas con órdenes competitivos, manejando eficazmente el límite termodinámico.
2. Temperatura Configuracional: Proporciona un diagnóstico de bajo costo e independiente para validar la fiabilidad del muestreo estocástico en simulaciones de Monte Carlo.

El trabajo sugiere direcciones futuras, incluyendo la aplicación de HOTRG a modelos XY generalizados con mayor fraccionamiento ($q \ge 3$) o grados de libertad de gauge acoplados, así como la integración del monitor de temperatura configuracional en simulaciones de Monte Carlo Híbrido a gran escala de teorías de gauge no abelianas y QCD a temperatura finita. El autor señala que estos métodos no se limitan a las teorías de campos en red y se espera que sean valiosos en sistemas de materia condensada donde el control numérico preciso y los diagnósticos fiables son esenciales.