맨위로가기

분배 함수 (양자장론)

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.

1. 개요

분배 함수는 양자장론에서 사용되는 범함수로, 경로 적분 형식으로 정의되며, 임의의 n-점 상관 함수를 생성하는 역할을 한다. 스칼라 장론, 일반적인 장론, 열장론 등 다양한 이론에 적용되며, 각 장에 맞는 가상 전류를 사용하여 분배 함수를 구성한다. 자유장론에서는 분배 함수를 정확하게 계산할 수 있으며, 통계 역학의 분배 함수와 밀접한 관련이 있다. 분배 함수를 알면 모든 상관 함수를 계산할 수 있어 이론을 완전히 해결할 수 있지만, 정확한 계산은 일반적으로 어렵다.

더 읽어볼만한 페이지

  • 양자장론 - 페르미-디랙 통계
    페르미-디랙 통계는 파울리 배타 원리를 따르는 페르미 입자의 통계적 분포를 설명하는 양자 통계로, 금속 내 전자 현상 등을 이해하는 데 기여하며 페르미 입자가 특정 에너지 준위를 점유할 확률을 나타낸다.
  • 양자장론 - 양자 색역학
    양자 색역학은 색 전하를 국소 대칭으로 정의한 SU(3) 게이지 군의 비아벨 게이지 이론으로, 쿼크와 글루온을 기본 입자로 하여 쿼크 사이의 강한 상호작용을 매개하며, 점근적 자유성과 색 가둠의 특징을 가지는 이론이다.
분배 함수 (양자장론)
개요
분야양자장론
하위 분야통계역학
관련 주제경로 적분, 장의 양자화, 통계 앙상블
정의 및 특징
정의양자장론에서, 분배 함수는 계의 통계역학적 성질을 계산하는 데 사용되는 생성 함수임.
고전 통계역학에서의 분배 함수의 개념을 양자장론으로 확장한 것임.
경로 적분 표현분배 함수는 장의 모든 가능한 구성에 대한 적분, 즉 경로 적분으로 표현됨.
이는 계의 모든 가능한 상태를 고려하여 통계적 평균을 계산하는 방법임.
유클리드 시공간분배 함수는 보통 유클리드 시공간에서 정의됨. 이는 계산을 더 간단하게 만들고, 수학적으로 더 잘 정의된 결과를 얻을 수 있도록 함.
생성 함수분배 함수는 계의 다양한 상관 함수를 생성하는 데 사용될 수 있음. 상관 함수는 계의 다른 부분들 사이의 통계적 관계를 나타냄.
수학적 표현
일반적인 형태Z = ∫ D[φ] exp(-S[φ])
설명Z는 분배 함수
∫ D[φ]는 모든 가능한 장의 구성 φ에 대한 적분
S[φ]는 장의 구성 φ에 대한 작용(Action)
exp(-S[φ])는 각 장의 구성에 대한 가중치 인자
상호 작용 항상호 작용이 있는 장의 경우, 작용 S[φ]는 자유 장 부분과 상호 작용 부분으로 나뉨. 상호 작용 항은 계의 복잡한 행동을 설명하는 데 중요함.
응용
통계역학적 성질 계산계의 에너지, 엔트로피, 자유 에너지 등과 같은 통계역학적 성질을 계산하는 데 사용됨.
상전이 연구계의 상전이를 연구하는 데 중요한 도구임. 상전이는 계의 거시적 성질이 갑자기 변하는 현상을 의미함.
임계 지수 계산상전이 근처에서의 임계 지수를 계산하는 데 사용됨. 임계 지수는 상전이의 성격을 나타내는 중요한 물리량임.
양자 크로모역학(QCD)양자 크로모역학과 같은 복잡한 양자장론에서 비섭동적 계산을 수행하는 데 사용됨.
추가 정보
연관 개념경로 적분, 장의 양자화, 통계 앙상블, 상관 함수

2. 범함수 생성하기

n-점 상관 함수 G_n(x_1, \dots, x_n)는 경로 적분 형식을 사용하여 다음과 같이 표현할 수 있다. 이 표현은 양자장론에서 장들의 동적인 상호작용을 이해하는 데 기본이 된다.

:

G_n(x_1,...,x_n)

\equiv \langle \Omega | T \{ \phi(x_1) \cdots \phi(x_n) \} | \Omega \rangle

= \frac{\int \mathcal{D} \phi \, \phi(x_1) \cdots \phi(x_n) \exp ( iS[\phi]/\hbar )}

{\int \mathcal{D} \phi \, \exp ( iS[\phi]/\hbar )}



여기서 왼쪽 항은 S-행렬 요소 계산에 사용되는 시간 순서곱(time-ordered product)을 나타내며, |\Omega\rangle는 진공 상태를 의미한다. 오른쪽 항의 \mathcal{D} \phi는 가능한 모든 고전적 장 구성 \phi(x)에 대해 적분하는 것을 의미하며, S[\phi]는 해당 장 구성에 대한 고전적 작용이다.[9]

이러한 상관 함수들을 체계적으로 생성하기 위해 모함수(generating functional) Z[J]를 도입한다. 이는 임의의 외부 소스(source) 또는 전류(current) J(x)를 사용하여 위의 경로 적분을 일반화한 것이다. (4차원 시공간을 예로 들면) 모함수는 다음과 같이 정의된다.

:Z[J] = \int \mathcal{D}\phi \exp \left\{ \frac{i}{\hbar} \left( S[\phi]+\int d^4 x J(x)\phi(x) \right) \right\}

이 모함수 Z[J]가 바로 분배 함수이다. 분배 함수를 알면, 모든 n-점 상관 함수 G_n(x_1, \dots, x_n)범함수 미분을 통해 얻을 수 있다.

:

G_n(x_1,...,x_n) = (-i \hbar)^n \frac{1}{Z[0]} \left. \frac{\delta^n Z[J]}{ \delta J(x_1) \cdots \delta J(x_n)} \right|_{J=0}\ .



즉, 분배 함수는 이론의 모든 상관 함수 정보를 담고 있는 핵심적인 대상이다. 외부 소스 J에 대해 분배 함수를 반복적으로 미분하고 J=0으로 설정하면 원하는 상관 함수를 계산할 수 있다.

분배 함수를 정확하게 계산하는 것은 일반적으로 매우 어렵다. 자유장론과 같이 특별한 경우를 제외하고는 상호작용이 있는 대부분의 이론에서는 근사적인 방법, 예를 들어 섭동 이론을 사용하여 계산한다.

2. 1. 스칼라 장론

실수 스칼라장 \phi작용 S[\phi]를 사용하는 d차원 장론에서, 분배 함수는 경로 적분 형식에서 다음 범함수로 정의된다.[1]

:

Z[J] = \int \mathcal D\phi \ e^{iS[\phi] + i \int d^dx J(x)\phi(x)}



여기서 J(x)는 가상의 소스 전류이며, 임의의 n-점 상관 함수에 대한 생성 범함수 역할을 한다.

:

G_n(x_1, \dots, x_n) = (-1)^n \frac{1}{Z[0]} \frac{\delta^n Z[J]}{\delta J(x_1)\cdots \delta J(x_n)}\bigg|_{J=0}.



이때 사용된 미분은 일반 함수가 아닌 범함수에 작용하므로 범함수 미분이다. 이로부터 소스 전류에 대한 멱급수를 연상시키는 분배 함수의 동등한 표현은 다음과 같다.[2]

:

Z[J] = \sum_{n\geq 0}\frac{1}{n!}\int \prod^n_{i=1} d^dx_i G(x_1, \dots, x_n) J(x_1)\cdots J(x_n).



휘어진 시공간에서는 초기 진공 상태가 최종 진공 상태와 반드시 같지 않다는 점에서 추가적인 미묘함이 발생한다.[3] 분배 함수는 기본적인 장뿐만 아니라 복합 연산자에 대해서도 구성할 수 있다. 이러한 복합 연산자의 상관 함수는 해당 분배 함수의 범함수 미분을 통해 계산될 수 있다.[4] 예를 들어, 복합 연산자 \mathcal O(x)에 대한 분배 함수는 다음과 같다.

:

Z_{\mathcal O}[J] = \int \mathcal D \phi e^{iS[\phi]+i\int d^d x J(x) \mathcal O(x)}.



분배 함수를 완전히 알면 이론의 모든 상관 함수를 직접 계산할 수 있으므로 이론을 완전히 해결할 수 있다. 그러나 분배 함수를 정확하게 계산하는 것은 매우 드문 경우이다. 자유 이론은 정확한 해를 가지지만, 상호 작용 이론은 일반적으로 그렇지 않다. 대신, 분배 함수는 약한 결합 상수에서 섭동적으로 평가될 수 있다. 이는 J가 외부 다리(external legs)에 삽입된 파인만 도표를 사용하는 정규 섭동 이론과 동일하다.[5] 이러한 유형의 도표에 대한 대칭 인자는 상관 함수의 대칭 인자와 다르다. 왜냐하면 분배 함수의 모든 외부 다리는 서로 교환 가능한 동일한 J 삽입인 반면, 상관 함수의 외부 다리는 특정 좌표에 고정되어 있기 때문이다.

윅 변환을 수행하면 분배 함수를 유클리드 공간 시공간에서 다음과 같이 표현할 수 있다.[6]

:

Z[J] = \int \mathcal D\phi \ e^{-(S_E[\phi] + \int d^d x_E J\phi)},



여기서 S_E는 유클리드 작용이고 x_E는 유클리드 좌표이다. 이 형태는 통계 역학의 분배 함수와 밀접하게 연관된다. 특히 유클리드 라그랑지안은 일반적으로 아래쪽으로 경계가 정해져 있어, 이 경우 에너지 밀도로 해석될 수 있다. 또한 지수 인자는 장 구성에 대한 통계적 가중치로 해석될 수 있으며, 기울기나 장 값의 큰 변동은 더 큰 억제를 받게 된다. 통계 역학과의 이러한 연결은 양자장론에서 상관 함수가 어떻게 작동해야 하는지에 대한 추가적인 직관을 제공한다.

2. 2. 일반적 장론

스칼라 장론에서 사용된 원리들은 추가적인 장(field)들이 존재하는 더 일반적인 이론에도 적용될 수 있다. 각각의 장은 그에 해당하는 가상의 전류(current)를 필요로 하며, 특히 반입자에 해당하는 반입자장은 별도의 전류를 가진다. 분배 함수에 대해 전류로 미분하는 연산을 적용하면, 지수 함수 안에 있던 해당 장이 밖으로 나오게 되어 이를 통해 임의의 상관함수(correlation function)를 계산할 수 있다. 미분 연산을 수행한 뒤, 만약 진공 상태에서의 상관함수를 구하고자 한다면 전류 값을 0으로 설정한다. 하지만 전류 값을 특정 값으로 설정하여, 0이 아닌 배경장(background field)이 존재하는 상황에서의 상관함수를 얻는 것도 가능하다.

그래스만 수 값을 가지는 페르미온장을 포함하는 분배 함수의 경우, 이에 대응하는 소스(source) 역시 그래스만 값을 가져야 한다.[7] 예를 들어, 단 하나의 디랙 페르미온 \psi(x)만 존재하는 이론을 생각해 보자. 이 경우, 두 개의 그래스만 전류 \eta\bar \eta를 도입해야 하며, 분배 함수는 다음과 같은 형태로 표현된다.

:

Z[\bar \eta, \eta] = \int \mathcal D \bar \psi \mathcal D \psi \ e^{iS[\psi, \bar \psi] + i\int d^d x (\bar \eta \psi + \bar \psi \eta)}.



여기서 \bar \eta에 대한 함수 미분은 상관함수 내에서 페르미온 장을 나타내게 하며, \eta에 대한 미분은 반페르미온 장을 나타내게 된다.

2. 3. 열장론

온도 T에서의 열적 양자장론은 유클리드 형식화에서 시간 방향의 길이가 \beta = 1/T로 콤팩트화된 이론과 같다. 이때 분배 함수는 장(\phi)에 주기성 조건(\phi(\boldsymbol x, 0) = \phi(\boldsymbol x, \beta))을 부여하고 유클리드 시공간 적분을 수행하여 다음과 같이 정의된다.

:

Z[\beta,J] = \int \mathcal D\phi e^{-S_{E,\beta}[\phi]+\int_\beta d^d x_E J \phi}\bigg|_{\phi(\boldsymbol x, 0) = \phi(\boldsymbol x, \beta)}.



이 분배 함수는 허수 시간 형식화에서 열장론을 정의하는 방식으로 사용될 수 있다.[8] 상관 함수는 외부 전류 J에 대한 범함수 미분을 통해 분배 함수로부터 얻을 수 있다.

:

G_{n,\beta}(x_1, \dots, x_n) = \frac{\delta^n Z[\beta, J]}{\delta J(x_1)\cdots \delta J(x_n)}\bigg|_{J=0}.


3. 자유장론

분배 함수는 장에 대해 완전 제곱화를 통해 자유장론에서 정확하게 풀 수 있다. 상수에 의한 이동은 경로 적분 측도에 영향을 미치지 않으므로, 분배 함수를 경로 적분에서 발생하는 비례 상수 N과 전류에만 의존하는 두 번째 항으로 분리할 수 있다.

스칼라 장론의 경우, 분배 함수는 다음과 같이 주어진다.

:

Z_0[J] = N \exp\bigg(-\frac{1}{2}\int d^d x d^d y \ J(x)\Delta_F(x-y)J(y)\bigg)



여기서 \Delta_F(x-y)는 위치 공간 파인만 전파 인자이다.

:

\Delta_F(x-y) = \int \frac{d^d p}{(2\pi)^d}\frac{i}{p^2-m^2+i\epsilon}e^{-ip\cdot (x-y)}



이 분배 함수는 자유 스칼라 장론을 완전히 결정한다.

단일 자유 디랙 페르미온을 갖는 이론의 경우, 완전제곱식을 통해 다음 형식의 분배 함수를 얻는다.

:

Z_0[\bar \eta, \eta] = N \exp\bigg(\int d^d x d^d y \ \bar \eta(y) \Delta_D(x-y) \eta(x)\bigg)



여기서 \Delta_D(x-y)는 위치 공간 디랙 전파 인자이다.

:

\Delta_D(x-y) = \int \frac{d^d p}{(2\pi)^d}\frac{i({p\!\!\!/}+m)}{p^2-m^2+i\epsilon}e^{-ip\cdot(x-y)}


4. 통계 역학과의 관계

양자장론의 분배 함수는 통계 역학의 분배 함수와 유사한 역할을 수행하며, 해당 이론의 정보를 포괄적으로 담고 있는 중요한 개념이다.[10] 이론의 분배 함수를 정확히 알면 모든 상관 함수를 계산할 수 있어 이론을 완전히 이해할 수 있게 된다.

윅 회전을 통해 민코프스키 시공간에서 유클리드 시공간으로 전환하면, 양자장론의 분배 함수는 통계 역학의 분배 함수와 매우 유사한 형태를 띤다.[6][16]

:

Z[J] = \int \mathcal D\phi \ e^{-(S_E[\phi] + \int d^d x_E J\phi)}



여기서 S_E는 유클리드 작용이고 x_E는 유클리드 좌표이다. 이 형태에서 유클리드 라그랑지안 S_E는 종종 아래로 유계(bounded below)이므로 에너지 밀도로 해석될 수 있다. 또한, 지수 함수 e^{-S_E[\phi]}는 특정 장(field) 구성(\phi)에 대한 통계적 가중치(statistical weight)로 볼 수 있다. 즉, 유클리드 작용이 클수록 (예: 장의 기울기나 값이 크게 변동할수록) 해당 구성의 확률은 지수적으로 감소한다. 이러한 통계 역학과의 유사성은 양자장론에서 상관 함수가 어떻게 행동해야 하는지에 대한 직관을 제공한다.

하지만 통계 역학의 분배 함수와 달리, 양자장론의 분배 함수는 작용 앞에 허수 단위 i가 붙고, 실수가 아닌 복소수 범위에서 적분한다.

:

Z[J] = \int \mathcal D\phi \ e^{iS[\phi] + i \int d^dx J(x)\phi(x)}



i 인자의 존재는 장 \phi가 양자역학적인 확률 진폭으로 이해되어야 하며, 그 값이 복소 사영 공간 (정규화된 복소 힐베르트 공간)에 존재한다는 사실과 관련이 있다. 반면, 통계 역학의 분배 함수는 확률 변수가 실수 값을 가지며, 모든 확률의 합이 1이 되는 단순체(simplex) 위에서 정의되는 것과 대조된다. 즉, 양자장론 분배 함수의 복소 적분은 확률 진폭이라는 양자역학적 특성을 반영하는 것이다.

5. 적용 방법

n-점 상관 함수 G_n은 다음과 같은 경로 적분 공식을 사용하여 표현할 수 있다.

:

G_n(x_1,...,x_n)

\equiv \langle \Omega | T \{ \phi(x_1) \cdots \phi(x_n) \} | \Omega \rangle

= \frac{\int \mathcal{D} \phi \, \phi(x_1) \cdots \phi(x_n) \exp ( iS[\phi]/\hbar )}

{\int \mathcal{D} \phi \, \exp ( iS[\phi]/\hbar )}

.

이 식의 좌변은 S-행렬 요소 계산에 사용되는 시간 순서곱이다. 우변의 \mathcal{D} \phi는, 고전적 작용 S[\phi]에 의해 주어지는 모든 고전적 장 구성 \phi(x)에 대해 적분함을 의미한다[9]

경로 적분을 계산하기 위해, 임의의 함수 J(x)(여기서는 소스 전류라고 불림)를 사용하여 생성 범함수(모함수) Z[J]를 정의한다. 4차원 시공간에서의 정의는 다음과 같다.

:Z[J] = \int \mathcal{D}\phi \exp \left\{ \frac{i}{\hbar} \left[ S[\phi]+\int d^4 x J(x)\phi(x)) \right] \right\}

이 생성 범함수 Z[J]를 범함수 미분하여 n-점 상관 함수 G_n(x_1,...,x_n)를 얻을 수 있다.

:

G_n(x_1,...,x_n) = (-i \hbar)^n \frac{1}{Z[0]} \left. \frac{\partial^n Z}{ \partial J(x_1) \cdots \partial J(x_n)} \right|_{J=0}\ .



즉, 생성 범함수 Z[J]를 소스 전류 J(x)에 대해 n번 범함수 미분하고 J=0으로 설정하면, 원하는 n-점 상관 함수를 계산할 수 있다.

참조

[1] 서적 Path Integral Methods in Quantum Field Theory Cambridge University Press 1988
[2] 서적 Introduction to Quantum Field Theory Cambridge University Press 2019
[3] 서적 Quantum Fields in Curved Spacetime Cambridge University Press 1984
[4] 서적 Introduction to the AdS/CFT Correspondance Cambridge University Press 2015
[5] 서적 Quantum Field Theory Cambridge University Press 2007
[6] 서적 An Introduction to Quantum Field Theory Westview Press 1995
[7] 서적 Quantum Field Theory and the Standard Model Cambridge University Press 2014
[8] 서적 Thermal Field Theory Cambridge University Press 2008
[9] 웹사이트 http://www.amazon.co[...]
[10] 웹사이트 http://www.amazon.co[...]
[11] 서적 Path Integral Methods in Quantum Field Theory Cambridge University Press 1988
[12] 서적 Introduction to Quantum Field Theory Cambridge University Press 2019
[13] 서적 Quantum Fields in Curved Spacetime Cambridge University Press 1984
[14] 서적 Introduction to the AdS/CFT Correspondance Cambridge University Press 2015
[15] 서적 Quantum Field Theory Cambridge University Press 2007
[16] 서적 An Introduction to Quantum Field Theory https://archive.org/[...] Westview Press 1995
[17] 서적 Quantum Field Theory and the Standard Model Cambridge University Press 2014
[18] 서적 Thermal Field Theory Cambridge University Press 2008



본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.

문의하기 : help@durumis.com