Ising Model Monte Carlo Simulation

A high-performance C implementation of 1D, 2D, and 3D Ising model simulations using Monte Carlo methods with the Metropolis algorithm.

Overview

The Ising model is a mathematical model of ferromagnetism in statistical mechanics, used to study phase transitions and critical phenomena. This implementation provides:

1D Ising Model (ising1d.c): One-dimensional chain with periodic boundary conditions
2D Ising Model (ising2d.c): Two-dimensional square lattice with periodic boundary conditions
3D Ising Model (ising3d.c): Three-dimensional cubic lattice with periodic boundary conditions
Finite-Size Scaling Analysis: FSS tools with Binder cumulant for 2D and 3D critical temperature determination
Modern PCG Random Number Generator: Fast, high-quality random numbers for Monte Carlo sampling
Comprehensive Test Suite: Validates random number generation and physics

Key Features

🚀 High Performance: Optimized C code with modern PCG random number generator
🔬 Physics Accurate: Proper Metropolis algorithm implementation
📊 Complete Analysis: Calculates magnetization, energy, susceptibility, and heat capacity
✅ Well Tested: Comprehensive test suite for reliability
📈 Temperature Sweeps: Automatic temperature sweeping from T=3.01 to T=0.01

Quick Start

Build

make all

Run Tests

make test

Run Simulations

# 1D Ising model with 100 spins
./ising1d 100

# 2D Ising model with 50×50 lattice
./ising2d 50

# 3D Ising model with 20×20×20 lattice
./ising3d 20

Detailed Usage

Command Line Interface

All programs take the system size as a command line argument:

# 1D: N spins
./ising1d N

# 2D: N×N lattice
./ising2d N

# 3D: N×N×N lattice
./ising3d N

Output Format

Both programs output tab-separated values for each temperature point:

Temperature  Magnetization  Energy  Susceptibility  Heat_Capacity
3.010000     0.355721      -0.642628    0.227735      0.396727
3.000000     0.356154      -0.644540    0.228632      0.397261
...

Physics Parameters

Temperature Range: T = 3.01 → 0.01 (step = 0.01)
Thermalization: 200,000 Monte Carlo steps
Measurement: 200,000 Monte Carlo steps
Units: Natural units (J = 1, k_B = 1)
Boundary Conditions: Periodic

Random Number Generator

This implementation uses PCG (Permuted Congruential Generator), replacing the original closed-source Mersenne Twister dependency:

Why PCG?

✅ Faster than Mersenne Twister
✅ Better statistical properties
✅ Open source and widely adopted
✅ Default in NumPy (since 2019)
✅ Perfect for Monte Carlo simulations

PCG Interface

The pcg_random.h header provides these functions:

init_rnd(seed): Initialize with seed
drnd(): Generate random double in [0,1)
gus(): Generate seed from current time

Physics Background

The Ising Model

The Ising model consists of discrete variables (spins) that can be in one of two states (+1 or -1). The Hamiltonian is:

H = -J Σ s_i s_j

Where the sum is over nearest neighbors, J is the coupling constant (J=1 in our units), and s_i are the spin variables.

Monte Carlo Method

We use the Metropolis algorithm:

Choose a random spin
Calculate energy change ΔE if flipped
Accept flip if:
- ΔE < 0 (energetically favorable), OR
- Random number < exp(-ΔE/T) (thermal fluctuation)

Measured Quantities

Magnetization: M = |⟨Σ s_i⟩| / N
Energy: E = ⟨H⟩ / N
Susceptibility: χ = (⟨M²⟩ - ⟨M⟩²) / T
Heat Capacity: C = (⟨E²⟩ - ⟨E⟩²) / T²

Critical Temperature

1D Ising: No finite-temperature phase transition (T_c = 0)
2D Ising: Critical temperature T_c ≈ 2.269 (exact: 2/ln(1+√2))
3D Ising: Critical temperature T_c ≈ 4.51 (from high-precision simulations)

Testing and Validation

Run Test Suite

make test

The test suite validates:

PCG random number generator quality and reproducibility
Physics correctness (high-T → low magnetization, low-T → high magnetization)
1D, 2D, and 3D model functionality
Binder cumulant calculation accuracy

Quick Tests

# Quick 1D test
make test-1d

# Quick 2D test
make test-2d

# Performance benchmark
make benchmark

Performance Notes

Computational Complexity

1D: O(N) per Monte Carlo step
2D: O(N²) per Monte Carlo step
3D: O(N³) per Monte Carlo step
Memory: O(N) for 1D, O(N²) for 2D, O(N³) for 3D

Recommended System Sizes

1D: N = 100-10000 (fast)
2D: N = 10-100 (N=100 takes ~hours)
3D: N = 10-30 (N=30 takes ~hours)

Optimization Tips

Use smaller systems (N < 50) for 2D when testing
Use even smaller systems (N < 20) for 3D when testing
For production runs, consider running overnight for large 2D/3D systems
The code is already optimized with -O2 compilation

Finite-Size Scaling and Binder Cumulant Analysis

Overview

The repository includes finite-size scaling (FSS) analysis tools to precisely determine the critical temperature T_c of the 2D and 3D Ising models using the Binder cumulant crossing method.

What is Binder Cumulant?

The Binder cumulant is defined as:

U_L = 1 - <M⁴> / (3<M²>²)

This dimensionless quantity has a remarkable property: at the critical temperature T_c, the Binder cumulant becomes independent of system size. When plotted against temperature for different system sizes L, all curves cross at a single point—the critical temperature.

Running FSS Analysis

2D FSS Analysis

# Compile the 2D FSS version
gcc -Wall -Wextra -Wpedantic -o ising2d_fss ising2d_fss.c -lm

# Run simulation (this will take several hours)
./ising2d_fss > fss_data.txt

# Generate plots
python3 plot_binder.py

3D FSS Analysis

# Compile the 3D FSS version
gcc -Wall -Wextra -Wpedantic -o ising3d_fss ising3d_fss.c -lm

# Run simulation (this will take several hours)
./ising3d_fss > fss_data_3d.txt

# Generate plots
python3 plot_binder_3d.py

FSS Parameters

2D FSS Parameters

System Sizes: L = 8, 16, 24, 32, 48, 64
Temperature Range: T = 2.6 → 1.9 (focused near T_c ≈ 2.269)
Temperature Resolution: ΔT = 0.005 (finer than basic simulation)
Thermalization: 200,000 Monte Carlo steps per temperature
Measurement: 200,000 Monte Carlo steps per temperature

3D FSS Parameters

System Sizes: L = 4, 6, 8, 10, 12, 16
Temperature Range: T = 5.5 → 3.5 (focused near T_c ≈ 4.51)
Temperature Resolution: ΔT = 0.02
Thermalization: 200,000 Monte Carlo steps per temperature
Measurement: 200,000 Monte Carlo steps per temperature
Note: Smaller system sizes due to O(N³) scaling

Output Files

2D FSS Plots

The 2D analysis generates two plots:

binder_crossing.png: Binder cumulant crossing plot
- Shows all system sizes crossing at T_c ≈ 2.269
- Includes zoomed view near the critical point

fss_complete_analysis.png: Complete finite-size scaling analysis
- Magnetization vs temperature for all L
- Energy vs temperature for all L
- Susceptibility vs temperature for all L
- Heat capacity vs temperature for all L

3D FSS Plots

The 3D analysis generates two plots:

binder_crossing_3d.png: Binder cumulant crossing plot for 3D
- Shows all system sizes crossing at T_c ≈ 4.51
- Includes zoomed view near the critical point

fss_complete_analysis_3d.png: Complete 3D finite-size scaling analysis
- All thermodynamic quantities vs temperature for all L
- Shows critical exponents: β ≈ 0.326, γ ≈ 1.237, ν ≈ 0.630

Output Data Format

The FSS simulation outputs tab-separated values:

N  Temperature  Magnetization  Energy  Susceptibility  Heat_Capacity  Binder_Cumulant
8  2.600000     0.123456      -0.987654    1.234567       0.876543      0.456789
...

Physical Interpretation

2D Interpretation

Crossing Point: The temperature where all Binder cumulant curves intersect is the critical temperature T_c
Finite-Size Effects: Larger systems show sharper transitions near T_c
Critical Value: The Binder cumulant at T_c approaches U* ≈ 0.610 (universal value for 2D Ising)
Exact T_c: The 2D Ising model has T_c = 2/ln(1+√2) ≈ 2.269185... (Onsager's exact solution)

3D Interpretation

Crossing Point: All Binder cumulant curves intersect at T_c ≈ 4.51
Different Universality Class: 3D Ising belongs to a different universality class than 2D
Critical Exponents: β ≈ 0.326, γ ≈ 1.237, ν ≈ 0.630 (different from 2D values)
Real Systems: 3D Ising model describes real ferromagnetic materials and liquid-gas transitions

Why This Works

The Binder cumulant method is powerful because:

✅ Size-independent at T_c: Eliminates finite-size ambiguity
✅ High precision: Crossing point can be determined to many decimal places
✅ Standard method: Widely used in computational statistical physics
✅ No fitting required: Direct visual identification of T_c

File Structure

isingmodel/
├── README.md            # This file
├── CLAUDE.md            # Developer documentation
├── Makefile             # Build system
├── pcg_random.h         # PCG random number generator
├── ising1d.c            # 1D Ising model implementation
├── ising2d.c            # 2D Ising model implementation
├── ising2d_fss.c        # 2D FSS analysis with Binder cumulant
├── ising3d.c            # 3D Ising model implementation
├── ising3d_fss.c        # 3D FSS analysis with Binder cumulant
├── plot_binder.py       # Python plotting script for 2D FSS analysis
├── plot_binder_3d.py    # Python plotting script for 3D FSS analysis
├── test_suite.c         # Comprehensive test suite
└── (executables)        # Generated by make

Build System

The included Makefile provides:

make all        # Build all programs
make test       # Run test suite
make test-1d    # Quick 1D test
make test-2d    # Quick 2D test
make benchmark  # Performance test
make clean      # Remove executables
make help       # Show all options

Example Analysis

Phase Transition Study

# Generate data
./ising2d 20 > results_2d.dat

# Plot with your favorite tool (gnuplot, matplotlib, etc.)
# Look for:
# - Magnetization drop near T ≈ 2.27
# - Susceptibility peak at critical temperature
# - Heat capacity peak at critical temperature

Critical Exponents

Near the critical temperature T_c, physical quantities follow power laws:

Magnetization: M ∝ (T_c - T)^β
Susceptibility: χ ∝ |T - T_c|^(-γ)
Heat capacity: C ∝ |T - T_c|^(-α)

For 2D Ising: β = 1/8, γ = 7/4, α = 0 (logarithmic) For 3D Ising: β ≈ 0.326, γ ≈ 1.237, α ≈ 0.110, ν ≈ 0.630

References

Ising Model - Wikipedia
Monte Carlo Methods in Statistical Physics
PCG Random Number Generator
Onsager, L. (1944). "Crystal statistics. I. A two-dimensional model with an order-disorder transition"

License

This code is provided for educational and research purposes.

이징 모델 몬테카를로 시뮬레이션 (한국어)

메트로폴리스 알고리즘을 사용한 몬테카를로 방법으로 구현된 고성능 C 기반 1D, 2D, 3D 이징 모델 시뮬레이션입니다.

개요

이징 모델은 통계역학에서 강자성을 나타내는 수학적 모델로, 상전이와 임계 현상을 연구하는데 사용됩니다. 이 구현은 다음을 제공합니다:

1D 이징 모델 (ising1d.c): 주기적 경계 조건을 가진 일차원 체인
2D 이징 모델 (ising2d.c): 주기적 경계 조건을 가진 이차원 정사각 격자
3D 이징 모델 (ising3d.c): 주기적 경계 조건을 가진 삼차원 큐빅 격자
유한 크기 스케일링 분석: 2D 및 3D 임계 온도 결정을 위한 Binder cumulant를 사용한 FSS 도구
현대적 PCG 난수 생성기: 몬테카를로 샘플링을 위한 빠르고 고품질의 난수
포괄적 테스트 스위트: 난수 생성 및 물리학 검증

주요 특징

🚀 고성능: 현대적 PCG 난수 생성기를 사용한 최적화된 C 코드
🔬 물리학적 정확성: 올바른 메트로폴리스 알고리즘 구현
📊 완전한 분석: 자화율, 에너지, 자화 감수율, 열용량 계산
✅ 잘 테스트됨: 신뢰성을 위한 포괄적 테스트 스위트
📈 온도 스위핑: T=3.01에서 T=0.01까지 자동 온도 스위핑

빠른 시작

빌드

make all

테스트 실행

make test

시뮬레이션 실행

# 100개 스핀을 가진 1D 이징 모델
./ising1d 100

# 50×50 격자를 가진 2D 이징 모델
./ising2d 50

# 20×20×20 격자를 가진 3D 이징 모델
./ising3d 20

상세 사용법

명령줄 인터페이스

모든 프로그램이 시스템 크기를 명령줄 인수로 받습니다:

# 1D: N개 스핀
./ising1d N

# 2D: N×N 격자
./ising2d N

# 3D: N×N×N 격자
./ising3d N

출력 형식

두 프로그램 모두 각 온도점에 대해 탭으로 구분된 값을 출력합니다:

Temperature  Magnetization  Energy  Susceptibility  Heat_Capacity
3.010000     0.355721      -0.642628    0.227735      0.396727
3.000000     0.356154      -0.644540    0.228632      0.397261
...

물리 매개변수

온도 범위: T = 3.01 → 0.01 (단계 = 0.01)
열평형화: 200,000 몬테카를로 단계
측정: 200,000 몬테카를로 단계
단위: 자연 단위 (J = 1, k_B = 1)
경계 조건: 주기적

난수 생성기

이 구현은 원래의 클로즈드 소스 메르센 트위스터 의존성을 대체하여 **PCG (순열 합동 생성기)**를 사용합니다:

왜 PCG인가?

✅ 메르센 트위스터보다 빠름
✅ 더 나은 통계적 특성
✅ 오픈 소스이며 널리 채택됨
✅ NumPy의 기본값 (2019년부터)
✅ 몬테카를로 시뮬레이션에 완벽함

PCG 인터페이스

pcg_random.h 헤더는 다음 함수들을 제공합니다:

init_rnd(seed): 시드로 초기화
drnd(): [0,1) 범위의 랜덤 double 생성
gus(): 현재 시간에서 시드 생성

물리학적 배경

이징 모델

이징 모델은 두 상태(+1 또는 -1) 중 하나가 될 수 있는 이산 변수(스핀)들로 구성됩니다. 해밀토니안은:

H = -J Σ s_i s_j

여기서 합은 최근접 이웃에 대한 것이고, J는 결합 상수(우리 단위에서 J=1), s_i는 스핀 변수입니다.

몬테카를로 방법

메트로폴리스 알고리즘을 사용합니다:

랜덤한 스핀 선택
뒤집혔을 때의 에너지 변화 ΔE 계산
다음 조건에서 뒤집기 허용:
- ΔE < 0 (에너지적으로 유리), 또는
- 랜덤 수 < exp(-ΔE/T) (열적 요동)

측정 물리량

자화율: M = |⟨Σ s_i⟩| / N
에너지: E = ⟨H⟩ / N
자화 감수율: χ = (⟨M²⟩ - ⟨M⟩²) / T
열용량: C = (⟨E²⟩ - ⟨E⟩²) / T²

임계 온도

1D 이징: 유한 온도 상전이 없음 (T_c = 0)
2D 이징: 임계 온도 T_c ≈ 2.269 (정확값: 2/ln(1+√2))
3D 이징: 임계 온도 T_c ≈ 4.51 (고정밀도 시뮬레이션 결과)

테스트 및 검증

테스트 스위트 실행

make test

테스트 스위트는 다음을 검증합니다:

PCG 난수 생성기 품질 및 재현성
물리학적 정확성 (고온 → 낮은 자화율, 저온 → 높은 자화율)
1D, 2D, 3D 모델 기능
Binder cumulant 계산 정확성

빠른 테스트

# 빠른 1D 테스트
make test-1d

# 빠른 2D 테스트
make test-2d

# 성능 벤치마크
make benchmark

성능 참고사항

계산 복잡도

1D: 몬테카를로 단계당 O(N)
2D: 몬테카를로 단계당 O(N²)
3D: 몬테카를로 단계당 O(N³)
메모리: 1D는 O(N), 2D는 O(N²), 3D는 O(N³)

권장 시스템 크기

1D: N = 100-10000 (빠름)
2D: N = 10-100 (N=100은 수 시간 소요)
3D: N = 10-30 (N=30은 수 시간 소요)

최적화 팁

테스트 시 2D는 작은 시스템(N < 50) 사용
테스트 시 3D는 더 작은 시스템(N < 20) 사용
실제 연구용으로는 큰 2D/3D 시스템을 밤새 실행 고려
코드는 이미 -O2 컴파일 최적화됨

유한 크기 스케일링 및 Binder Cumulant 분석

개요

이 저장소는 Binder cumulant 교차점 방법을 사용하여 2D 및 3D 이징 모델의 임계 온도 T_c를 정밀하게 결정하는 유한 크기 스케일링(FSS) 분석 도구를 포함합니다.

Binder Cumulant란?

Binder cumulant는 다음과 같이 정의됩니다:

U_L = 1 - <M⁴> / (3<M²>²)

이 무차원 양은 놀라운 특성을 가지고 있습니다: 임계 온도 T_c에서 Binder cumulant는 시스템 크기와 무관해집니다. 서로 다른 시스템 크기 L에 대해 온도의 함수로 그려지면, 모든 곡선이 한 점—임계 온도—에서 교차합니다.

FSS 분석 실행

2D FSS 분석

# 2D FSS 버전 컴파일
gcc -Wall -Wextra -Wpedantic -o ising2d_fss ising2d_fss.c -lm

# 시뮬레이션 실행 (수 시간 소요)
./ising2d_fss > fss_data.txt

# 플롯 생성
python3 plot_binder.py

3D FSS 분석

# 3D FSS 버전 컴파일
gcc -Wall -Wextra -Wpedantic -o ising3d_fss ising3d_fss.c -lm

# 시뮬레이션 실행 (수 시간 소요)
./ising3d_fss > fss_data_3d.txt

# 플롯 생성
python3 plot_binder_3d.py

FSS 매개변수

2D FSS 매개변수

시스템 크기: L = 8, 16, 24, 32, 48, 64
온도 범위: T = 2.6 → 1.9 (T_c ≈ 2.269 근처에 집중)
온도 해상도: ΔT = 0.005 (기본 시뮬레이션보다 세밀함)
열평형화: 온도당 200,000 몬테카를로 단계
측정: 온도당 200,000 몬테카를로 단계

3D FSS 매개변수

시스템 크기: L = 4, 6, 8, 10, 12, 16
온도 범위: T = 5.5 → 3.5 (T_c ≈ 4.51 근처에 집중)
온도 해상도: ΔT = 0.02
열평형화: 온도당 200,000 몬테카를로 단계
측정: 온도당 200,000 몬테카를로 단계
참고: O(N³) 스케일링으로 인한 작은 시스템 크기

출력 파일

2D FSS 플롯

2D 분석은 두 개의 플롯을 생성합니다:

binder_crossing.png: Binder cumulant 교차점 플롯
- T_c ≈ 2.269에서 모든 시스템 크기가 교차하는 것을 보여줌
- 임계점 근처 확대 뷰 포함

fss_complete_analysis.png: 완전한 유한 크기 스케일링 분석
- 모든 L에 대한 자화율 vs 온도
- 모든 L에 대한 에너지 vs 온도
- 모든 L에 대한 자화 감수율 vs 온도
- 모든 L에 대한 열용량 vs 온도

3D FSS 플롯

3D 분석은 두 개의 플롯을 생성합니다:

binder_crossing_3d.png: 3D Binder cumulant 교차점 플롯
- T_c ≈ 4.51에서 모든 시스템 크기가 교차하는 것을 보여줌
- 임계점 근처 확대 뷰 포함

fss_complete_analysis_3d.png: 완전한 3D 유한 크기 스케일링 분석
- 모든 L에 대한 모든 열역학적 양 vs 온도
- 임계 지수를 보여줌: β ≈ 0.326, γ ≈ 1.237, ν ≈ 0.630

출력 데이터 형식

FSS 시뮬레이션은 탭으로 구분된 값을 출력합니다:

N  Temperature  Magnetization  Energy  Susceptibility  Heat_Capacity  Binder_Cumulant
8  2.600000     0.123456      -0.987654    1.234567       0.876543      0.456789
...

물리적 해석

2D 해석

교차점: 모든 Binder cumulant 곡선이 교차하는 온도가 임계 온도 T_c입니다
유한 크기 효과: 더 큰 시스템은 T_c 근처에서 더 날카로운 전이를 보입니다
임계값: T_c에서 Binder cumulant는 U* ≈ 0.610에 접근합니다 (2D 이징의 보편적 값)
정확한 T_c: 2D 이징 모델은 T_c = 2/ln(1+√2) ≈ 2.269185... (Onsager의 정확해)

3D 해석

교차점: 모든 Binder cumulant 곡선이 T_c ≈ 4.51에서 교차합니다
다른 보편성 클래스: 3D 이징은 2D와 다른 보편성 클래스에 속합니다
임계 지수: β ≈ 0.326, γ ≈ 1.237, ν ≈ 0.630 (2D 값과 다름)
실제 시스템: 3D 이징 모델은 실제 강자성 물질과 액체-기체 전이를 설명합니다

왜 이 방법이 작동하는가

Binder cumulant 방법이 강력한 이유:

✅ T_c에서 크기 독립: 유한 크기 모호성 제거
✅ 고정밀도: 교차점을 소수점 여러 자리까지 결정 가능
✅ 표준 방법: 계산 통계물리학에서 널리 사용됨
✅ 피팅 불필요: T_c의 직접적인 시각적 식별

파일 구조

isingmodel/
├── README.md            # 이 파일
├── CLAUDE.md            # 개발자 문서
├── Makefile             # 빌드 시스템
├── pcg_random.h         # PCG 난수 생성기
├── ising1d.c            # 1D 이징 모델 구현
├── ising2d.c            # 2D 이징 모델 구현
├── ising2d_fss.c        # Binder cumulant를 사용한 2D FSS 분석
├── ising3d.c            # 3D 이징 모델 구현
├── ising3d_fss.c        # Binder cumulant를 사용한 3D FSS 분석
├── plot_binder.py       # 2D FSS 분석을 위한 Python 플로팅 스크립트
├── plot_binder_3d.py    # 3D FSS 분석을 위한 Python 플로팅 스크립트
├── test_suite.c         # 포괄적 테스트 스위트
└── (실행파일들)         # make로 생성됨

빌드 시스템

포함된 Makefile은 다음을 제공합니다:

make all        # 모든 프로그램 빌드
make test       # 테스트 스위트 실행
make test-1d    # 빠른 1D 테스트
make test-2d    # 빠른 2D 테스트
make benchmark  # 성능 테스트
make clean      # 실행파일 제거
make help       # 모든 옵션 표시

분석 예제

상전이 연구

# 데이터 생성
./ising2d 20 > results_2d.dat

# 좋아하는 도구로 플롯 (gnuplot, matplotlib 등)
# 다음을 찾아보세요:
# - T ≈ 2.27 근처에서 자화율 감소
# - 임계 온도에서 자화 감수율 피크
# - 임계 온도에서 열용량 피크

임계 지수

임계 온도 T_c 근처에서 물리량들은 멱법칙을 따릅니다:

자화율: M ∝ (T_c - T)^β
자화 감수율: χ ∝ |T - T_c|^(-γ)
열용량: C ∝ |T - T_c|^(-α)

2D 이징의 경우: β = 1/8, γ = 7/4, α = 0 (로그적) 3D 이징의 경우: β ≈ 0.326, γ ≈ 1.237, α ≈ 0.110, ν ≈ 0.630

참고문헌

이징 모델 - 위키백과
통계물리학의 몬테카를로 방법
PCG 난수 생성기
Onsager, L. (1944). "Crystal statistics. I. A two-dimensional model with an order-disorder transition"

라이선스

이 코드는 교육 및 연구 목적으로 제공됩니다.

Name		Name	Last commit message	Last commit date
Latest commit History 22 Commits
.github/workflows		.github/workflows
.gitignore		.gitignore
CLAUDE.md		CLAUDE.md
Makefile		Makefile
README.md		README.md
analyze_fss.py		analyze_fss.py
binder_crossing.png		binder_crossing.png
binder_crossing_3d.png		binder_crossing_3d.png
fss_analysis.png		fss_analysis.png
fss_complete_analysis.png		fss_complete_analysis.png
fss_complete_analysis_3d.png		fss_complete_analysis_3d.png
ising1d.c		ising1d.c
ising2d.c		ising2d.c
ising2d_fss.c		ising2d_fss.c
ising3d.c		ising3d.c
ising3d_fss.c		ising3d_fss.c
pcg_random.h		pcg_random.h
plot_binder.py		plot_binder.py
plot_binder_3d.py		plot_binder_3d.py
test_suite.c		test_suite.c

hyangminj/isingmodel

Folders and files

Latest commit

History

Repository files navigation

Ising Model Monte Carlo Simulation

Overview

Key Features

Quick Start

Build

Run Tests

Run Simulations

Detailed Usage

Command Line Interface

Output Format

Physics Parameters

Random Number Generator

Why PCG?

PCG Interface

Physics Background

The Ising Model

Monte Carlo Method

Measured Quantities

Critical Temperature

Testing and Validation

Run Test Suite

Quick Tests

Performance Notes

Computational Complexity

Recommended System Sizes

Optimization Tips

Finite-Size Scaling and Binder Cumulant Analysis

Overview

What is Binder Cumulant?

Running FSS Analysis

2D FSS Analysis

3D FSS Analysis

FSS Parameters

2D FSS Parameters

3D FSS Parameters

Output Files

2D FSS Plots

3D FSS Plots

Output Data Format

Physical Interpretation

2D Interpretation

3D Interpretation

Why This Works

File Structure

Build System

Example Analysis

Phase Transition Study

Critical Exponents

References

License

이징 모델 몬테카를로 시뮬레이션 (한국어)

개요

주요 특징

빠른 시작

빌드

테스트 실행

시뮬레이션 실행

상세 사용법

명령줄 인터페이스

출력 형식

물리 매개변수

난수 생성기

왜 PCG인가?

PCG 인터페이스

물리학적 배경

이징 모델

몬테카를로 방법

측정 물리량

임계 온도

테스트 및 검증

테스트 스위트 실행

빠른 테스트

성능 참고사항

계산 복잡도

권장 시스템 크기

Packages