Tengo una pregunta general sobre los enfoques de campo medio aplicados a la mecánica estadística cuántica o clásica.
¿La determinación del campo medio mediante un enfoque variacional implica siempre que se satisface la autoconsistencia? Además, ¿hay algunos casos en los que esté físicamente justificado buscar puntos de silla y en los que un enfoque variacional sea engañoso (digamos que la energía no está limitada desde abajo con respecto a los parámetros de campo medio, por ejemplo)?
Por ejemplo, considere el caso simple del modelo de Ising ferromagnético. Allí, se introduce la magnetización ( ) como el parámetro de campo medio con donde el valor esperado se toma con respecto al hamiltoniano de campo medio que depende de (y es la variable de espín ). En este caso particular, cuando uno encuentra una solución para , esto es equivalente a encontrar un extremo para la energía o la energía libre. Por lo tanto, mi pregunta es simple: en lugar de resolver la autoconsistencia, ¿se puede buscar el mínimo de energía global (o energía libre) con respecto a los parámetros del campo medio (y este enfoque siempre tiene sentido físicamente)? Aquí doy el ejemplo del modelo de Ising, pero mi pregunta también se aplica a cualquier modelo (modelos fermiónicos, bosónicos, de espín, etc.).
Estoy más o menos buscando contraejemplos aquí, si los hay.
Su pregunta: en lugar de resolver la autoconsistencia, ¿se puede buscar el mínimo de energía global (o energía libre) con respecto a los parámetros del campo medio (y este enfoque siempre tiene sentido físicamente)?
Bueno, de hecho, el enfoque fundamental para el método variacional es minimizar la energía libre con respecto a la acción variacional. si definimos
Como había dicho Nikos M., en el equilibrio ambos deberían conducir al mismo resultado.
Esto también podría visualizarse a partir del formalismo básico de las teorías de campo medio, que establece que la energía libre del sistema tiene un límite superior.
Y esta función (desigualdad de Bogoliubov) se minimiza para determinar observables.
nikos m.