गिब्स माप

गणित में, गिब्स माप, जोशिया विलार्ड गिब्स के नाम पर रखा गया, एक संभाव्यता माप है जो संभाव्यता सिद्धांत और सांख्यिकीय यांत्रिकी की कई समस्याओं में अक्सर देखा जाता है। यह अनंत प्रणालियों के लिए विहित समूह का सामान्यीकरण है। विहित पहनावा सिस्टम X के x स्थिति में होने की संभावना देता है (समकक्ष, यादृच्छिक चर X का मान x) के रूप में


 * $$P(X=x) = \frac{1}{Z(\beta)} \exp ( - \beta E(x)).$$

यहाँ, $E$ राज्यों के स्थान से वास्तविक संख्याओं तक एक फ़ंक्शन है; भौतिकी अनुप्रयोगों में, $E(x)$ की व्याख्या विन्यास x की ऊर्जा के रूप में की जाती है। पैरामीटर $β$ एक निःशुल्क पैरामीटर है; भौतिकी में, यह उलटा तापमान है। सामान्यीकरण स्थिरांक $Z(β)$ विभाजन फलन (गणित) है। हालाँकि, अनंत प्रणालियों में, कुल ऊर्जा अब एक सीमित संख्या नहीं है और इसका उपयोग किसी विहित समूह की संभाव्यता वितरण के पारंपरिक निर्माण में नहीं किया जा सकता है। सांख्यिकीय भौतिकी में पारंपरिक दृष्टिकोण ने गहन संपत्ति की सीमा का अध्ययन किया क्योंकि एक परिमित प्रणाली का आकार अनंत (थर्मोडायनामिक सीमा) तक पहुंचता है। जब ऊर्जा फ़ंक्शन को उन शब्दों के योग के रूप में लिखा जा सकता है जिनमें प्रत्येक में एक परिमित उपप्रणाली से केवल चर शामिल होते हैं, तो गिब्स माप की धारणा एक वैकल्पिक दृष्टिकोण प्रदान करती है। गिब्स उपायों को रोलैंड डोब्रुशिन, ऑस्कर लैनफोर्ड और डेविड रूएल  जैसे संभाव्यता सिद्धांतकारों द्वारा प्रस्तावित किया गया था और परिमित प्रणालियों की सीमा लेने के बजाय सीधे अनंत प्रणालियों का अध्ययन करने के लिए एक रूपरेखा प्रदान की गई थी।

एक माप एक गिब्स माप है यदि प्रत्येक परिमित उपप्रणाली पर इसके द्वारा उत्पन्न सशर्त संभावनाएं एक स्थिरता की स्थिति को संतुष्ट करती हैं: यदि परिमित उपप्रणाली के बाहर स्वतंत्रता की सभी डिग्री जमी हुई हैं, तो इन सीमा स्थितियों के अधीन उपप्रणाली के लिए विहित पहनावा गिब्स में संभावनाओं से मेल खाता है स्वतंत्रता की जमी हुई डिग्री पर सशर्त संभाव्यता को मापें।

हैमरस्ले-क्लिफ़ोर्ड प्रमेय का तात्पर्य है कि कोई भी संभाव्यता माप जो मार्कोव संपत्ति को संतुष्ट करता है वह (स्थानीय रूप से परिभाषित) ऊर्जा फ़ंक्शन के उचित विकल्प के लिए गिब्स माप है। इसलिए, गिब्स माप भौतिकी के बाहर व्यापक समस्याओं पर लागू होता है, जैसे हॉपफील्ड नेटवर्क, मार्कोव नेटवर्क, मार्कोव तर्क नेटवर्क  और गेम थ्योरी और अर्थशास्त्र में इकोनो भौतिक विज्ञान #बेसिक_टूल्स। स्थानीय (परिमित-सीमा) इंटरैक्शन वाले सिस्टम में गिब्स माप किसी दिए गए अपेक्षित ऊर्जा घनत्व के लिए एन्ट्रापी (सामान्य अवधारणा) घनत्व को अधिकतम करता है; या, समकक्ष, यह थर्मोडायनामिक मुक्त ऊर्जा घनत्व को कम करता है।

एक अनंत प्रणाली का गिब्स माप आवश्यक रूप से अद्वितीय नहीं है, एक परिमित प्रणाली के विहित समूह के विपरीत, जो अद्वितीय है। एक से अधिक गिब्स माप का अस्तित्व समरूपता टूटने और चरण संक्रमण#चरण सह-अस्तित्व जैसी सांख्यिकीय घटनाओं से जुड़ा हुआ है।

सांख्यिकीय भौतिकी
किसी सिस्टम पर गिब्स मापों का सेट हमेशा उत्तल होता है, इसलिए या तो एक अद्वितीय गिब्स माप है (जिस स्थिति में सिस्टम को ergodic  कहा जाता है), या असीमित रूप से कई हैं (और सिस्टम को नॉनर्जोडिक कहा जाता है)। नॉनर्जोडिक मामले में, गिब्स उपायों को बहुत कम संख्या में विशेष गिब्स उपायों के उत्तल संयोजन के सेट के रूप में व्यक्त किया जा सकता है जिन्हें शुद्ध राज्यों के रूप में जाना जाता है (शुद्ध राज्यों की संबंधित लेकिन विशिष्ट धारणा के साथ भ्रमित नहीं होना चाहिए)। भौतिक अनुप्रयोगों में, हैमिल्टनियन (ऊर्जा फ़ंक्शन) में आमतौर पर स्थानीयता के सिद्धांत का कुछ अर्थ होता है, और शुद्ध राज्यों में क्लस्टर अपघटन संपत्ति होती है जो दूर-दूर स्थित उपप्रणाली स्वतंत्र होती है। व्यवहार में, भौतिक रूप से यथार्थवादी प्रणालियाँ इन शुद्ध अवस्थाओं में से एक में पाई जाती हैं।

यदि हैमिल्टनियन के पास समरूपता है, तो एक अद्वितीय (यानी एर्गोडिक) गिब्स माप आवश्यक रूप से समरूपता के तहत अपरिवर्तनीय होगा। लेकिन एकाधिक (अर्थात नॉनर्जोडिक) गिब्स उपायों के मामले में, हैमिल्टनियन समरूपता के तहत शुद्ध अवस्थाएं आमतौर पर अपरिवर्तनीय नहीं होती हैं। उदाहरण के लिए, क्रांतिक तापमान के नीचे अनंत लौहचुम्बकीय आइसिंग मॉडल में, दो शुद्ध अवस्थाएँ होती हैं, अधिकतर-ऊपर और अधिकतर-नीचे की अवस्थाएँ, जो मॉडल के तहत परस्पर परिवर्तित होती हैं $$\mathbb{Z}_2$$ समरूपता

मार्कोव संपत्ति
मार्कोव संपत्ति का एक उदाहरण आइसिंग मॉडल के गिब्स माप में देखा जा सकता है। किसी दिए गए स्पिन की संभावना $σ_{k}$ राज्य में होना, सिद्धांत रूप में, सिस्टम में अन्य सभी स्पिनों की स्थिति पर निर्भर हो सकता है। इस प्रकार, हम प्रायिकता को इस प्रकार लिख सकते हैं


 * $$P(\sigma_k = s\mid\sigma_j,\, j\ne k)$$.

हालाँकि, केवल परिमित-श्रेणी के इंटरैक्शन (उदाहरण के लिए, निकटतम-पड़ोसी इंटरैक्शन) वाले आइसिंग मॉडल में, हमारे पास वास्तव में है


 * $$P(\sigma_k = s\mid\sigma_j,\, j\ne k) = P(\sigma_k = s\mid\sigma_j,\, j\in N_k)$$,

कहाँ $N_{k}$ साइट का पड़ोस है $k$. यानी, साइट पर संभावना $k$ केवल एक सीमित पड़ोस में घूमने पर निर्भर करता है। यह अंतिम समीकरण स्थानीय मार्कोव संपत्ति के रूप में है। इस संपत्ति वाले मापों को कभी-कभी मार्कोव यादृच्छिक फ़ील्ड कहा जाता है। अधिक दृढ़ता से, इसका विपरीत भी सत्य है: मार्कोव संपत्ति वाले किसी भी सकारात्मक संभाव्यता वितरण (हर जगह गैर-शून्य घनत्व) को उचित ऊर्जा फ़ंक्शन के लिए गिब्स माप के रूप में दर्शाया जा सकता है। यह हैमरस्ले-क्लिफ़ोर्ड प्रमेय है।

जालकों पर औपचारिक परिभाषा
एक जाली पर यादृच्छिक क्षेत्र के विशेष मामले के लिए एक औपचारिक परिभाषा इस प्रकार है। हालाँकि, गिब्स माप का विचार इससे कहीं अधिक सामान्य है।

एक जाली (समूह) पर गिब्स यादृच्छिक क्षेत्र की परिभाषा के लिए कुछ शब्दावली की आवश्यकता होती है:


 * जाली: एक गणनीय समुच्चय $$\mathbb{L}$$.
 * एकल-स्पिन स्थान: एक संभाव्यता स्थान $$(S,\mathcal{S},\lambda)$$.
 * कॉन्फ़िगरेशन स्थान (भौतिकी): $$(\Omega, \mathcal{F})$$, कहाँ $$\Omega = S^{\mathbb{L}}$$ और $$\mathcal{F} = \mathcal{S}^{\mathbb{L}}$$.
 * एक विन्यास दिया गया $ω ∈ Ω$ और एक उपसमुच्चय $$\Lambda \subset \mathbb{L}$$, का प्रतिबंध $ω$ को $Λ$ है $$\omega_\Lambda = (\omega(t))_{t\in\Lambda}$$. अगर $$\Lambda_1\cap\Lambda_2=\emptyset$$ और $$\Lambda_1\cup\Lambda_2=\mathbb{L}$$, फिर कॉन्फ़िगरेशन $$\omega_{\Lambda_1}\omega_{\Lambda_2}$$ वह कॉन्फ़िगरेशन है जिसके प्रतिबंध हैं $Λ_{1}$ और $Λ_{2}$ हैं $$\omega_{\Lambda_1}$$ और $$\omega_{\Lambda_2}$$, क्रमश।
 * सेट $$\mathcal{L}$$ के सभी परिमित उपसमूहों में से $$\mathbb{L}$$.
 * प्रत्येक उपसमुच्चय के लिए $$\Lambda\subset\mathbb{L}$$, $$\mathcal{F}_\Lambda$$ सिग्मा बीजगणित है|$σ$-कार्यों के परिवार द्वारा उत्पन्न बीजगणित $$(\sigma(t))_{t\in\Lambda}$$, कहाँ $$\sigma(t)(\omega)=\omega(t)$$. इनका मिलन $σ$-बीजगणित के रूप में $$\Lambda$$ भिन्न-भिन्न होता है $$\mathcal{L}$$ जाली पर सिलेंडर सेट का बीजगणित है।
 * संभावना: एक परिवार $$\Phi=(\Phi_A)_{A\in\mathcal{L}}$$ कार्यों का $Φ_{A} : Ω → R$ ऐसा है कि
 * प्रत्येक के लिए $$A\in\mathcal{L}, \Phi_A$$ है $$\mathcal{F}_A$$-मापने योग्य, अर्थात यह केवल प्रतिबंध पर निर्भर करता है $$\omega_A$$ (और ऐसा मापनपूर्वक करता है)।
 * सभी के लिए $$\Lambda\in\mathcal{L}$$ और $ω ∈ Ω$, निम्नलिखित श्रृंखला मौजूद है:
 * $$H_\Lambda^\Phi(\omega) = \sum_{A\in\mathcal{L}, A\cap\Lambda\neq\emptyset} \Phi_A(\omega).$$

हम व्याख्या करते हैं $Φ_{A}$परिमित सेट ए के सभी बिंदुओं के बीच बातचीत से जुड़ी कुल ऊर्जा (हैमिल्टनियन) में योगदान के रूप में। तब $$H_\Lambda^\Phi(\omega)$$ मिलने वाले सभी परिमित समुच्चयों A की कुल ऊर्जा में योगदान के रूप में $$\Lambda$$. ध्यान दें कि कुल ऊर्जा आम तौर पर अनंत होती है, लेकिन जब हम प्रत्येक का स्थानीयकरण करते हैं $$\Lambda$$ यह सीमित हो सकता है, हमें आशा है।


 * हैमिल्टनियन यांत्रिकी#गणितीय औपचारिकता $$\Lambda\in\mathcal{L}$$ सीमा शर्तों के साथ $$\bar\omega$$, क्षमता के लिए $Φ$, द्वारा परिभाषित किया गया है


 * $$H_\Lambda^\Phi(\omega \mid \bar\omega) = H_\Lambda^\Phi \left(\omega_\Lambda\bar\omega_{\Lambda^c} \right )$$
 * कहाँ $$\Lambda^c = \mathbb{L}\setminus\Lambda$$.


 * विभाजन फ़ंक्शन (गणित) में $$\Lambda\in\mathcal{L}$$ सीमा शर्तों के साथ $$\bar\omega$$ और उलटा तापमान $β > 0$ (संभावना के लिए $Φ$ और $λ$) द्वारा परिभाषित किया गया है
 * $$Z_\Lambda^\Phi(\bar\omega) = \int \lambda^\Lambda(\mathrm{d}\omega) \exp(-\beta H_\Lambda^\Phi(\omega \mid \bar\omega)),$$
 * कहाँ
 * $$\lambda^\Lambda(\mathrm{d}\omega) = \prod_{t\in\Lambda}\lambda(\mathrm{d}\omega(t)),$$
 * उत्पाद माप है
 * क्षमता $Φ$ है $λ$-स्वीकार्य यदि $$Z_\Lambda^\Phi(\bar\omega)$$ सभी के लिए सीमित है $$\Lambda\in\mathcal{L}, \bar\omega\in\Omega$$ और $β > 0$.
 * एक संभाव्यता माप $μ$ पर $$(\Omega,\mathcal{F})$$ के लिए गिब्स माप है $λ$-स्वीकार्य क्षमता $Φ$ यदि यह डोब्रुशिन-लैनफोर्ड-रूएल (डीएलआर) समीकरण को संतुष्ट करता है
 * $$\int \mu(\mathrm{d}\bar\omega)Z_\Lambda^\Phi(\bar\omega)^{-1} \int\lambda^\Lambda(\mathrm{d}\omega) \exp(-\beta H_\Lambda^\Phi(\omega \mid \bar\omega)) 1_A(\omega_\Lambda\bar\omega_{\Lambda^c}) = \mu(A),$$
 * सभी के लिए $$A\in\mathcal{F}$$ और $$\Lambda\in\mathcal{L}$$.

एक उदाहरण
उपरोक्त परिभाषाओं को समझने में मदद के लिए, निकटतम-पड़ोसी इंटरैक्शन (युग्मन स्थिरांक) के साथ आइसिंग मॉडल के महत्वपूर्ण उदाहरण में संबंधित मात्राएं यहां दी गई हैं $J$) और एक चुंबकीय क्षेत्र ($h$), पर $Z^{d}$:


 * जाली बस है $$\mathbb{L} = \mathbf{Z}^d$$.
 * सिंगल-स्पिन स्पेस है $S = {−1, 1}.$
 * संभावना द्वारा दी गई है
 * $$\Phi_A(\omega) = \begin{cases}

-J\,\omega(t_1)\omega(t_2) & \text{if } A=\{t_1,t_2\} \text{ with } \|t_2-t_1\|_1 = 1 \\ -h\,\omega(t) & \text{if } A=\{t\}\\ 0 & \text{otherwise} \end{cases}$$

यह भी देखें

 * बोल्ट्ज़मैन वितरण
 * घातीय परिवार
 * गिब्स एल्गोरिथ्म
 * गिब्स नमूनाकरण
 * इंटरैक्टिंग कण प्रणाली
 * संभावित खेल#बद्ध तर्कसंगत मॉडल
 * सॉफ्टमैक्स फ़ंक्शन
 * स्टोकेस्टिक सेलुलर ऑटोमेटा