Siempre pensé que estos dos términos son una especie de sinónimos, lo que significa que si tienes un sistema autosimilar o de escala invariable, puedes acercar o alejar el zoom como quieras y siempre verás la misma imagen (física).
Pero ahora acabo de leer en el contexto de un modelo de celosía de espines, por ejemplo, que si el sistema está en su punto crítico y, por lo tanto, es invariable en escala, no significa que sea autosimilar como se describe ingenuamente en el primer párrafo de esta pregunta. El autor del artículo que estoy leyendo incluso lo llama una imagen falsa en la p. 9. Más adelante en la pág. 24 explica que los polos sobre el eje real positivo en el llamado plano de Borel rompen la autosemejanza porque llevan a que para obtener la acción efectiva (para un simple acción) se deben mantener los términos de corrección de potencia no perturbativa dependientes de la escala. Entonces, si la invariancia de escala y la autosimilitud no son exactamente lo mismo, ¿la explicación para romper la invariancia de escala debería ser (¿ligera y sutilmente?) diferente?
Ahora estoy confundido y mi pregunta simplemente es: ¿cuál es exactamente la diferencia entre la invariancia de escala y la autosimilitud (si existe alguna...)?
Desde el punto de vista de la dinámica no lineal, donde la autosimilitud juega un papel importante, si el atractor es un fractal, diría que la diferencia es entre transformaciones continuas y discretas.
Una transformación autosimilar como la que produce el conjunto de Cantor o el triángulo de Sierpinski procede por etapas discretas. El fractal que es el límite cuando el número de etapas tiende a infinito muestra auto-similitud (es decir, es idéntico a sí mismo) sólo para un número discreto de etapas.
Por ejemplo, cuando se hace zoom en el triángulo de Sierpinski, no se puede hacer zoom en ninguna parte ni por ningún factor de zoom. Uno tiene que hacer zoom solo con un factor y centre el zoom en el eje de simetría del triángulo. Entonces, básicamente, el número de objetos autosimilares es un número entero y tiene como característica la dimensión de autosimilitud, que es un número como dónde es el número de copias producidas cambiando el tamaño por .
En cuanto a la invariancia de escala, que no se usa tanto, es una declaración de que con alguna constante . La propiedad es continua y verdadera para todo . Los atractores fractales generalmente no son exactamente invariantes en escala: a menudo tienen 2 o varias escalas diferentes.
Por lo tanto, desde este punto de vista, la autosimilitud y la invariancia de escala solo pueden ser idénticas en un número discreto de puntos para fractales simples que tienen un factor de escala único. (Soy consciente de que esto no aborda las redes de espín, pero responde la pregunta en el marco de la teoría del caos).
La discusión pág. 24 sobre las renormalizaciones de Rosten no me parece en absoluto relacionado con el tema de la invariancia de escala. En cuanto al de las páginas 8-9, creo que es solo un comentario de pasada sobre las configuraciones típicas de espín en el punto crítico. Permítanme dar definiciones precisas para explicar lo que está pasando en el lenguaje de la teoría de la probabilidad.
Tome, digamos, el modelo Ising del vecino más cercano en dimensión . Esta es una colección de medidas de probabilidad. en el espacio que depende de los dos parámetros dados por la temperatura inversa y el campo magnetico . El caso crítico al que se aplica la observación de la "imagen falsa" de Rosten es el caso particular y . La observación pertenece a alguna propiedad geométrica. de una configuración de espín . Aquí la propiedad es algo así como "la configuración tiene todos estos océanos / islas anidados de giros hacia arriba y hacia abajo ". La creencia que Rosten disputa (siguiendo la Sección 1.4.2 de Delamotte como Kostya señaló correctamente) es: es verdad -casi seguro. Esto pertenece al capítulo sobre la Ley Fuerte de los Grandes Números en la teoría de la probabilidad.
Ahora la propiedad definitivamente tiene un sabor "auto-similar", pero no lo llamaría en absoluto invariancia de escala. Este último tiene que ver con un capítulo diferente, a saber, el del Teorema del Límite Central .
Déjame trabajar en la región monofásica . Entonces el cuadro general es que para cualquier puedes encontrar una cantidad por lo que ocurre lo siguiente. Elija algún número entero fijo . Por cada entero definir una medida de probabilidad sobre el espacio de las distribuciones templadas como la ley de la distribución aleatoria dada por
Ahora la pregunta clave es: cómo elegir la cantidad crucial (la dimensión de escala del campo de espín) necesaria para ver la invariancia de escala?
Para , uno tiene y el limite es no gaussiana: la Teoría del campo conforme mínimo unitario.
Para , uno tiene y el límite es el campo gaussiano sin masa.
La situación más interesante es donde según las mejores estimaciones actuales (ver este artículo ).
Ahora en cualquier dimensión y cuando uno tiene . En este caso el límite se denomina ruido blanco gaussiano. La función de dos puntos debe ser homogénea de grado . Esto podría sugerir que debería ser dado por
Por cierto, casi todo lo que dije anteriormente está respaldado por pruebas matemáticas rigurosas. Por ejemplo, el caso con convergencia a ruido blanco se sigue de un resultado general de Newman para sistemas FKG . Para y , esto está en el trabajo reciente de Chelkak, Hongler e Izyurov , Dubédat , así como Garban y Newman . Por supuesto, el principal caso abierto es y , es decir, el infame 3D Ising CFT. Hasta donde yo sé, el mejor resultado riguroso hasta ahora (ver estas conferencias recientes de Duminil-Copin ) es que en la función de dos puntos satisface
Siva
Dilatón
Siva
Kostya