Resumo Técnico: Investigações Numéricas de Transições de Fase em Teorias de Campo em Rede

Esta tese apresenta duas investigações numéricas complementares destinadas a resolver fenômenos críticos e garantir a confiabilidade de simulações em teorias de campo em rede. O trabalho aborda a demanda persistente por ferramentas de alta precisão capazes de distinguir comportamentos críticos sutis e validar a consistência termodinâmica da amostragem de Monte Carlo. O estudo é dividido em duas partes distintas: uma análise de redes de tensores do modelo XY generalizado (gXY) bidimensional e o desenvolvimento de um estimador de temperatura configuracional para teorias de gauge compactas U(1).

Parte I: Estudo de Renormalização de Tensores do Modelo XY Generalizado

Problema e Contexto
O modelo XY generalizado (gXY) bidimensional, proposto por Korshunov, Lee e Grinstein, interpola entre fases distintas via um parâmetro de deformação $\Delta$. O modelo apresenta uma competição entre vórtices inteiros (fase ferromagnética) e vórtices semipinteiros (fase nemática), separados por uma fase paramagnética desordenada. A estrutura de fases envolve transições de Berezinskii–Kosterlitz–Thouless (BKT) tanto para vórtices inteiros quanto para semipinteiros, bem como uma transição do tipo Ising interveniente. Estudos anteriores utilizando métodos de Monte Carlo e de estado de matriz de produto (MPS) estabeleceram a existência dessas fases, mas enfrentaram desafios para mapear precisamente as fronteiras de fase e a natureza da região multicrítica onde essas linhas de transição se encontram.

Metodologia
O autor utiliza o método de Grupo de Renormalização de Tensores de Ordem Superior (HOTRG), implementado com aceleração por GPU para lidar com grandes dimensões de ligação. A abordagem envolve:

1. Expansão de Caráter: O peso de Boltzmann do modelo gXY é expandido usando variáveis duais (expansão de caráter), convertendo a função de partição em uma contração de uma rede de tensores.
2. Refinamento de Coarse-Graining por HOTRG: A rede é iterativamente refinada usando Decomposição de Valor Singular de Ordem Superior (HOSVD). Isso permite a truncagem das dimensões de ligação enquanto preserva as contribuições de emaranhamento dominantes através de múltiplas direções simultaneamente, oferecendo maior precisão do que o TRG padrão.
3. Técnicas de Tensor de Impureza: Para extrair observáveis termodinâmicos como magnetização e suscetibilidade, tensores de impureza que codificam campos de quebra de simetria externa ($h$ e $h_1$) são inseridos na rede. Isso permite o cálculo de derivadas da energia livre sem depender de aproximações de diferença finita que podem introduzir ruído numérico.
4. Extrapolação: As temperaturas críticas são determinadas pela extrapolação dos picos de suscetibilidade para o limite de campo zero, um passo necessário dado o teorema de Mermin–Wagner que proíbe a quebra espontânea de simetria em 2D sem um campo externo.

Resultos Principais

• Mapeamento do Diagrama de Fases: O estudo fornece um mapeamento preciso do diagrama de fases no plano $(\Delta, T)$. Ele identifica três fases distintas: ferromagnética (vórtices inteiros), nemática (vórtices semipinteiros) e desordenada.
• Linhas de Transição: As fronteiras são caracterizadas por duas transições BKT (inteira e semipintera) e uma transição Ising.
• Ponto Multicrítico: Os resultados numéricos sugerem um cenário de fusão sequencial para as linhas de transição. As linhas de meio-BKT e Ising parecem se fundir primeiro em torno de $\Delta \approx 0,34$, seguido por uma fusão com a linha BKT em $\Delta \approx 0,36(2)$. O ponto multicrítico está localizado em $\Delta = 0,36(2)$ e $T_c = 0,716(3)$.
• Comparação de Estimadores: O estudo demonstra que, para transições do tipo BKT, o pico do calor específico superestima sistematicamente a temperatura crítica. Em contraste, a extrapolação de campo zero da suscetibilidade magnética fornece um estimador mais confiável.
• Desempenho: A implementação do HOTRG acelerada por GPU computou com sucesso resultados com uma dimensão de ligação de $D=91$ e um corte de Fourier de $m \in [-50, 50]$, alcançando alta precisão no limite termodinâmico.

Significância
O trabalho demonstra que o HOTRG cuidadosamente controlado e acelerado por GPU oferece um arcabouço altamente preciso e eficiente para resolver estruturas de fase complexas, melhorando os estudos anteriores de Monte Carlo e MPS. Ele fornece uma caracterização numérica definitiva da região multicrítica no modelo gXY.

---

Parte II: Estimador de Temperatura Configuracional em Teorias de Gauge em Rede

Problema e Contexto
Em simulações de Monte Carlo canônicas, particularmente Hybrid Monte Carlo (HMC), há uma falta de leis de conservação diretas para validar a correção algorítmica. Enquanto quantidades conservadas como energia são usadas em dinâmica molecular, os ensembles canônicos dependem da comparação de observáveis com propriedades termodinâmicas conhecidas, o que é problemático para sistemas novos ou pontos de estado sem dados de referência. Além disso, efeitos de discretização e artefatos algorítmicos em teorias de gauge em rede podem distorcer observáveis termodinâmicos e temperaturas críticas.

Metodologia
A tese desenvolve e testa um estimador de temperatura configuracional baseado na formulação geométrica de Rugh para mecânica estatística.

1. Base Teórica: O estimador deriva a temperatura a partir do gradiente e do Hessiano da ação euclidiana ($S$) em relação às configurações de campo, independente das variáveis de momento. A temperatura configuracional inversa $\beta_{config}$ é definida como:
   $$\beta_{config} = \left\langle \nabla_\phi \cdot \left( \frac{\nabla_\phi S}{|\nabla_\phi S|^2} \right) \right\rangle$$
   onde $\nabla_\phi$ é o gradiente em relação a todas as variáveis de campo da rede.
2. Invariância de Gauge: A formulação é adaptada para ser invariante de gauge utilizando derivadas covariantes, tornando-a aplicável a teorias de gauge compactas.
3. Aplicação Diagnóstica: Em um ensemble amostrado corretamente onde a distribuição de probabilidade é $P[\phi] \propto e^{-S[\phi]}$, o estimador deve resultar em $\beta_{config} = 1$ (em unidades naturais). Desvios da unidade indicam inconsistências de amostragem, termalização lenta ou erros numéricos.
4. Benchmarking: O estimador é testado em teorias de gauge U(1) compactas em uma, duas e quatro dimensões euclidianas.
   • 1D e 2D: Estes casos servem como bancos de teste controlados com resultados analíticos conhecidos (não há transição de fase em 1D/2D U(1)).
   • 4D: Este caso apresenta uma transição de fase fraca de primeira ordem de confinamento–Coulomb em torno de $\beta \approx 1,0$, fornecendo um benchmark não trivial.
   • Aproximação: Para volumes grandes (especificamente em 4D), mostra-se que os termos fora da diagonal do Hessiano são negligenciáveis, permitindo um estimador simplificado usando apenas termos diagonais para reduzir o custo computacional.

Resultos Principais

• Validação: Em teorias U(1) 1D e 2D, a temperatura configuracional medida $\beta_M$ coincide com o acoplamento de entrada $\beta$ (ou $\beta_{config} \approx 1$) em uma ampla gama de parâmetros, validando a implementação e a estabilidade do estimador.
• Detecção de Erros: O estimador detecta com sucesso erros algorítmicos. Em um teste onde o passo de aceitação-rejeição de Metropolis foi intencionalmente falho (usando um intervalo de números aleatórios incorreto), $\beta_M$ desviou-se significativamente do valor de entrada, enquanto observáveis padrão poderiam não ter revelado o problema imediatamente.
• Monitoramento de Termalização: O estimador rastreia o comportamento de termalização, fornecendo um indicador precoce de equilíbrio lento ou metaestabilidade.
• Insensibilidade à Transição de Fase: Ao contrário dos parâmetros de ordem (ex: suscetibilidade de plaqueta), a temperatura configuracional não exibe comportamento singular em transições de fase; ela permanece suave através da região crítica. Isso confirma seu papel como um teste de consistência, e não como um parâmetro de ordem.

Significância
O estimador de temperatura configuracional fornece uma ferramenta de diagnóstico invariante de gauge e livre de momento para validar a amostragem térmica em teorias de campo em rede. Ele oferece um meio independente para detectar patologias de amostragem, erros numéricos e termalização lenta antes de execuções de produção em larga escala. O estudo confirma que, para grandes volumes de rede, o estimador pode ser implementado eficientemente negligenciando os termos fora da diagonal do Hessiano sem perda significativa de precisão.

---

Conclusões Gerais

A tese conclui que estas duas abordagens tratam de desafios complementares na investigação numérica de fenômenos críticos:

1. Redes de Tensores (HOTRG): Fornecem uma rota determinística e de alta precisão para mapear diagramas de fase complexos e comportamento crítico em sistemas com ordens competidoras, lidando efetivamente com o limite termodinâmico.
2. Temperatura Configuracional: Fornece um diagnóstico independente e de baixo custo para validar a confiabilidade da amostragem estocástica em simulações de Monte Carlo.

O trabalho sugere direções futuras, incluindo a aplicação de HOTRG a modelos XY generalizados com maior fracionamento ($q \ge 3$) ou graus de liberdade de gauge acoplados, e a integração do monitor de temperatura configuracional em simulações de grande escala de Hybrid Monte Carlo para teorias de gauge não-abelianas e QCD de temperatura finita. O autor observa que estes métodos não se limitam às teorias de campo em rede e espera-se que sejam valiosos em sistemas de matéria condensada onde o controle numérico preciso e diagnósticos confiáveis são essenciais.