Вы находитесь на странице: 1из 115

Министерство общего и профессионального образования

Российской Федерации
Московский физико-технический институт
(Государственный Университет)

Учебное пособие

Введение в теорию протекания.

Москва, 2014 г.
Содержание
1 Лекция. Случайные сетки сопротивлений и метод эффек-
тивной среды 5
1.1 Случайная сетка сопротивлений, как модель смешанной
системы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Метод эффективной среды как эвристический рецепт . . . 7
1.3 Приближение эффективной среды и теория возмущений . . 9
1.4 Решение уравнений эффективной среды для двухкомпо-
нентной системы . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.5 Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5.4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5.6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5.7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

2 Лекция. Задача перколяции: основные решеточные моде-


ли 15
2.1 Задача связей . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2 Задача узлов . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3 Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3.4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3.6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

3 Лекция. Бесконечный кластер и его фрактальные свой-


ства вблизи перколяционного перехода. 23
3.1 Определение бесконечного кластера и его плотность . . . . 23
3.2 Корреляционный радиус. Фрактальные свойства бесконеч-
ного кластера на промежуточных масштабах . . . . . . . . 24
3.3 Кратчайшие пути на бесконечном кластере . . . . . . . . . 30
3.4 Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.4.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.4.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.4.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

1
3.4.4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.4.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.4.6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

4 Лекция. Топологическая структура бесконечного класте-


ра 34
4.1 Скелет (backbone) бесконечного кластера . . . . . . . . . . 34
4.2 “Красные связи” (red bonds) и “клубки” (blobs) . . . . . . . 37
4.3 Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.3.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

5 Лекция. Статистика конечных кластеров и гипотеза скей-


линга 40
5.1 Конечные кластеры вблизи порога перколяции: гипотеза
скейлинга . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.2 Корреляционная функция и корреляционный радиус . . . . 42
5.3 Соотношения между различными критическими индексами 43
5.4 Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.4.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.4.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

6 Лекция. Точно решаемые модели перколяции 45


6.1 Перколяция в одномерной системе: тривиальный пример . 45
6.2 Перколяция на дереве Кейли – явное определение крити-
ческих индексов . . . . . . . . . . . . . . . . . . . . . . . . . 46
6.3 Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
6.3.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
6.3.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
6.3.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
6.3.4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
6.3.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.3.6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

7 Лекция. Приближенные внутренние симметрии в задачах


перколяции 51
7.1 Локальные симметрии в стандартных задачах перколяции 53
7.1.1 Задачи на регулярных решетках . . . . . . . . . . . . 53
7.1.2 Задачи перколяции на случайных узлах . . . . . . . 53
7.1.3 Случайно упакованные сферы: бинарные смеси . . . 58

2
7.1.4 Почему топологически неупорядоченные задачи уз-
лов обладают симметрией, характерной для задач
связей на регулярных решетках? . . . . . . . . . . . 59
7.2 Глобальная симметрия . . . . . . . . . . . . . . . . . . . . . 59
7.3 Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
7.3.1 Задача об эллипсоидах . . . . . . . . . . . . . . . . . 60
7.3.2 Исключенный объем в задаче о стержнях . . . . . . 60

8 Лекция. “Цветные” перколяционные модели 60


8.1 Цветная перколяция на дереве Кейли: точное решение . . . 62
8.2 Обобщение на другие системы: приближенная глобальная
симметрия для цветной перколяции. . . . . . . . . . . . . . 65
8.3 Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
8.3.1 “Модель A − B перколяции” . . . . . . . . . . . . . . 67
8.3.2 “Швейцарский сыр с дырками случайного размера” 67

9 Лекция. Перколяционные модели пористых металлов 68


9.1 Введение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
9.2 Модель с самозалечивающимся связями: Постановка задачи 69
9.3 Топологический фазовый переход: сетевидная и древовид-
ная фазы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
9.3.1 “Серые связи”. Установление частичного соответ-
ствия со стандартной задачей связей . . . . . . . . . 71
9.4 Блочная структура и критическое поведение вблизи перехода 73
9.5 Фрактальные свойства древовидной фазы . . . . . . . . . . 76
9.6 Заключение . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
9.7 Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
9.7.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83

10 Лекция. Диффузия и проводимость в перколяционных


моделях 83
10.1 Статистика кондактансов конечных образцов . . . . . . . . 83
10.2 Диффузия частиц в перколяционных системах . . . . . . . 84
10.2.1 Диффузия на бесконечном кластере . . . . . . . . . 84
10.2.2 “Усредненная” диффузия по всей системе . . . . . . 86
10.2.3 Диффузия на скелете бесконечного кластера . . . . 87
10.3 Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
10.3.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
10.3.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88

3
11 Лекция. Проводимость и диэлектрическая проницаемость
двухкомпонентных систем 88
11.1 Смесь хорошего и плохого металлов: размытие перколяци-
онного перехода . . . . . . . . . . . . . . . . . . . . . . . . . 89
11.2 Смесь металла с диэлектриком: диэлектрическая проница-
емость вблизи перехода . . . . . . . . . . . . . . . . . . . . . 91
11.3 Смесь металла с диэлектриком: туннельная проводимость
ниже перехода . . . . . . . . . . . . . . . . . . . . . . . . . . 94
11.3.1 Выделенная роль коротких диэлектрических мости-
ков . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
11.3.2 Низкие температуры: кулоновская блокада малых
кластеров . . . . . . . . . . . . . . . . . . . . . . . . . 96
11.3.3 NNN-перколяция и проводимость “прореженной”
системы, из которой удалены все малые кластеры. . 97
11.4 Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
11.4.1 Задача Дыхне . . . . . . . . . . . . . . . . . . . . . . 101
11.4.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101

12 “Динамическая” перколяция 101

13 Системы с экспоненциально сильными флуктуациями 102


13.1 Критическая подсетка кондактансов . . . . . . . . . . . . . 103
13.2 Предэкспоненциальный множитель в проводимости . . . . 106
13.3 Кондактанс точечного контакта . . . . . . . . . . . . . . . . 107
13.3.1 Случай близких контактов: “дерево лидеров” . . . . 108
13.3.2 Случай далеких контактов . . . . . . . . . . . . . . . 110
13.4 Задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
13.4.1 Дерево лидеров . . . . . . . . . . . . . . . . . . . . . 111
13.4.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
13.4.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
13.5 Продольная проводимость пленок . . . . . . . . . . . . . . . 112

4
Рис. 1: Смесь порошков двух разных веществ. Размеры зерен случайны
и описываются некоторой функцией распределения.

1 Лекция. Случайные сетки сопротивлений


и метод эффективной среды
1.1 Случайная сетка сопротивлений, как модель сме-
шанной системы
Громадный интерес для материаловедения представляют физические
свойства смесей. В частности, керамические и пористые материалы
обычно изготовляются из смесей порошков различных веществ, разли-
чающихся как по размерам зерна, так и по физическим свойствам (см.
рис. 1). В случае, если зерна достаточно велики, для описания системы
можно пользоваться классической физикой и, например, задача опреде-
ления макроскопической проводимости такой среды сводится к решению
системы уравнений Кирхгофа, определенных на сетке, узлами которой
являются зерна, а связями - контактные кондактансы gij между сосед-
ними зернами (см. рис. 2):
X
gij (Vi − Vj ) = 0, (1)
j:hiji

где Vi – напряжение на узле i.


Первый вопрос, который возникает в этой связи: какова геометрия
сетки? Ясно, что, строго говоря, эта сетка не может быть идеальной пе-

5
Рис. 2: Случайная сетка сопротивлений: (a): кроме случайности кондак-
тансов gij , в системе имеется и топологический беспорядок; (b): сетка то-
пологически идеальна, случайны только кондактансы. Изображена квад-
ратная решетка, но часто используются и другие (например, треуголь-
ная).

риодической решеткой, в ней должны присутствовать топологические


дефекты, координационные числа zi должны флуктуировать от узла
к узлу и как-то коррелировать с размерами зерен (см. рис. 2(a)). Ни-
какой внятной теоретической модели для учета всех этих эффектов в
настоящий момент не существует (см., однако, некоторые замечания в
Лекции...). Как правило, соответствующие сетки либо генерируются с
помощью компьютерной симуляции процесса приготовления смеси; либо
– в большинстве случаев – нерегулярностью сетки просто пренебрегают,
расчитывая на то, что уже учет случайной неоднородности контактных
сопротивлений достаточен для описания основных свойств системы. В
этой лекции мы также встанем на эту точку зрения и будем считать,
что зерна расположены в узлах идеальной периодической решетки, в
качестве связей которой выступают случайные сопротивления (см. рис.
2(b)).
Второе упрощение, которое мы сделаем – предположение об отсут-
ствии корреляции между значениями кондактансов на разных связях:
любой из кондактансов принимает значение g с вероятностью P (g), неза-
висимо от того, какие значения принимают другие кондактансы.
Теперь задача поставлена (см. рис. 3). Для ее точного решения

6
Рис. 3: Схема присоединения образца к внешним контактам.

следовало бы решить систему уравнений (1) с граничными условиями


V |0,y = 0, VL,y = L∆V , где ∆V – среднее падение потенциала на од-
ну постоянную решетки. Потом нужно найти полный ток через систему
I = y gx+1,y;x,y (Vx+1,y − Vx,y ), и усреднить его по распределению кондак-
P
тансов. Искомая проводимость системы тогда выразится в виде

hIi
σ= , (2)
S∆V
где S – площадь сечения образца, перпендикулярного к направлению
тока (в случае “кубического” образца S = Ld−1 где d – размерность про-
странства), а постоянную решетки мы выбрали за единицу). Трудность,
однако заключается в невозможности явного решения системы (1) для
произвольного набора кондактансов.

1.2 Метод эффективной среды как эвристический


рецепт
Для преодоления этой трудности был разработан приближенный ре-
цепт, называемый “Методом эффективной среды”. Его идея заключается
в локальном учете неоднородных флуктуаций кондактансов: считается,
что их влияние распространяется только на ближайшее окружение, все

7
остальные эффекты не учитываются. В конце этой Лекции мы обсудим
точность и пределы применимости этого метода, а сейчас просто сфор-
мулируем его, не вдаваясь в обоснование.
В нулевом приближении мы заменим все (случайные) кондактансы
нашей среды на одинаковые, равные geff . Тогда найти проводимость не
представляет труда:
σeff = geff , (3)
остается вопрос: из каких соображений выбирать geff ? Для определения
величины geff потребуем, чтобы при учете флуктуаций в первом прибли-
жении результат (3) не изменился. Под “первым приближением”, однако,
здесь понимается нечто не совсем обычное. Если бы мы просто считали
типичные отклонения gij − geff малыми по сравнению с geff , разложили
бы выражение (2) для проводимости до первого порядка по этим откло-
нениям, и потребовали бы равенства нулю первой поправки – все было
бы просто и понятно: мы пришли бы тогда к условию

geff = hgi. (4)

Предлагаемый ниже рецепт отличается от этого требования, он соответ-


ствует в некотором смысле “улучшенной” теории возмущений по gij − geff
(см. конец Лекции).
Первое приближение метода эффективной среды строится следую-
щим образом: Выберем в глубине образца какую-нибудь связь AB и
"вспомним что ее кондактанс gAB случаен и отличается от geff ; все осталь-
ные кондактансы будем по-прежнему полагать равными geff . Из-за отли-
чия gAB от geff распределение напряжений в образце будет отличаться
(0)
от однородного распределения Vxy = Vxy ≡ ∆V · x, соответствующего
нулевому приближению. В частности, падение напряжения VAB (gAB ) на
связи AB будет отличаться от ∆V (имея в виду квадратную решетку,
мы выбрали связь, ориентированную вдоль тока), hVAB i = ∆V ). После
усреднения по gAB , однако, это отличие ДОЛЖНО исчезнуть:

hVAB (gAB )igAB = ∆V, (5)

и именно из этого условия предлагается определять величину geff .


Подчеркнем, что условие (5) не является следствием какого-либо ло-
гически безупречного вывода: слово ДОЛЖНО в предыдущей фразе от-
ражает лишь правдоподобие и некоторую эстетическую привлекатель-
ность такого требования. На самом деле оно не обязано выполняться и,
строго говоря, не выполняется, хотя во многих случаях оказывается уди-
вительно хорошим приближением, намного более точным, чем простое
условие (4).

8
Преобразуем уравнение (5) к виду, удобному для определения geff .
Для этого выпишем величину VAB (gAB ) явно. Нам будет удобно, вместо
потенциалов Vi перейти к отклонениям от однородного распределения:
(0)
vi = Vi − Vi . (6)
В этих переменных уравнения (1) примут вид
X
gij (vi − vj ) = (geff − gAB )∆V [δiA − δiB ], (7)
j:hiji

(где мы явно воспользовались тем, что для всех связей, кроме AB, gij =
geff ), а граничные условия станут тривиальными: vi → 0 при i → ∞.
Требование (5) также упростится:
hvA − vB i = 0. (8)
Уравнения (7) соответствуют задаче о решетке, к которой в точках A
и B приделаны контакты, несущие ток ∆I = (geff − gAB )∆V (см. рис.
4). Сопротивление RAB цепи между контактами A и B можно найти
элементарными методами (см. задачу 1.5.1):
RAB = [gAB + (z/2 − 1)geff ]−1 , (9)
где z – координационное число решетки. В результате, используя vA −
vB = RAB ∆I, вместо условия (8), окончательно получаем:
  Z ∞
geff − g geff − g
≡ P (g)dg = 0, (10)
g + (z/2 − 1)geff g 0 g + (z/2 − 1)geff

где P (g) – функция распределения кондактансов связей.

1.3 Приближение эффективной среды и теория воз-


мущений
Попробуем выяснить, в каком соотношении приближение эффектив-
ной среды находится с регулярной теорией возмущений по отклонени-
ям δgij = gij − hgi. Для определения распределения напряжений и то-
ков в образце под действием некоторого источника, как уже говорилось,
необходимо решить систему неоднородных уравнений Кирхгофа, кото-
рые удобно записать в матричном виде:

X
Ŵ · V = I, Ŵ = F̂α gα , (11)
α

9
Рис. 4: Эквивалентная схема, отвечающая уравнениям (7).
X
[F̂α ]ij = δij δα,hiki − δα,hiji = (δi,a(α) − δi,b(α) )(δj,a(α) − δj,b(α) ). (12)
k

Здесь латинские индексы i, j, k, . . . нумеруют узлы решетки, а греческие


α, β, . . . – связи (и, соответственно, кондактансы). Символ Кронекера
δα,hiji равен единице, если узлы i и j – ближайшие соседи, а образуе-
мая ими связь hiji имеет номер α; a(α) и b(α) – узлы, расположенные
на концах связи α. Ii – внешний ток, впрыскиваемый в систему в узле i.
Глобальная проводимость системы выражается через среднюю функцию
Грина hĜi уравнения (11),
X ψn (i)ψn (j)
[Ĝ]ij = [Ŵ −1 ]ij = , (13)
n6=0
λ n

где λn – собственные числа, а ψn (i) – нормированные собственные век-


торы матрицы Ŵ , причем из суммирования исключается нулевое соб-
ственное число λ0 = 0, соответствующее однородному распределению
потенциала ψ0 (i) = const.
Разделим кондактанс gα на “постоянную” (g (0) ) и “флуктуирующую”
(δgα = gα − g (0) ) части, и учтем последнюю по теории возмущений:
X X
Ŵ = Ŵ (0) + δ Ŵ , Ŵ (0) = g (0) F̂α , δ Ŵ = F̂α δgα . (14)
α α

Разлагая в ряд по степеням δ Ŵ , получим


Ĝ = [Ŵ (0) + δ Ŵ ]−1 = Ĝ(0) − Ĝ(0) · δ Ŵ · Ĝ(0) + Ĝ(0) · δ Ŵ · Ĝ(0) · δ Ŵ · Ĝ(0) −
−Ĝ(0) · δ Ŵ · Ĝ(0) · δ Ŵ · Ĝ(0) · δ Ŵ · Ĝ(0) + · · · ,

10
= +S a
+S a1 a2
+S a1 a2 a3 + ...
a a1a2 a1a2a3

Рис. 5: Графическое изображение диаграммного ряда (15). Точная функ-


ция Грина между узлами i и j (матрица Ĝij ) изображена с помощью
(0)
жирной линии, затравочные функции Грина (матрицы Ĝij ) – с помо-
щью тонких линий; светлый кружок обозначает множитель −F̂α δgα ), от-
вечающий локальному возмущению кондактанса на связи α. Все матри-
цы перемножаются по матричным законам, по индексам α производится
суммирование.

или
X
Ĝ = Ĝ(0) + Ĝ(0) · (−F̂α1 δgα1 ) · Ĝ(0) +
α1
X
(0)
+ Ĝ · (−F̂α1 δgα1 ) · Ĝ(0) · (−F̂α2 δgα2 ) · Ĝ(0) +
α1 ,α2
X
+ Ĝ(0) · (−F̂α1 δgα1 ) · Ĝ(0) · (−F̂α2 δgα2 ) · Ĝ(0) · (−F̂α3 δgα3 ) · Ĝ(0) + · · · ,(15)
α1 ,α2 ,α3

где “свободная” функция Грина Ĝ(0) пропорциональна обратному опера-


тору Лапласа на решетке:
(
1, если k и l - ближайшие соседи,
(0) (0) −1
Ĝ = {g (zδkl − δhkli )} , δhkli = (16)
0, во всех остальных случаях.

Разложение (15) представлено на рисунке 5 в диаграммном виде.


В последовательностях α1 , α2 , . . . αn все αp независимо пробегают все
связи в решетке. Поэтому внутри этих последовательностей могут встре-
чаться куски, состоящие из повторяющихся значений α. Если сгруппиро-
вать все вклады, отличающиеся только длинами таких кусков, то полу-
чающиеся геометрические прогрессии можно отсуммировать и получить

X 0
X
(0) (0) (0)
Ĝ = Ĝ + Ĝ · t̂α1 · Ĝ + Ĝ(0) · t̂α1 · Ĝ(0) · t̂α2 · Ĝ(0) +
α1 α1 ,α2
0
X
+ Ĝ(0) · t̂α1 · Ĝ(0) · t̂α2 · Ĝ(0) · t̂α3 · Ĝ(0) + · · · , (17)
α1 ,α2 ,α3

где штрих у суммы означает, что разрешены только такие последова-


тельности, в которых одно и то же значение α, хотя и может встречаться

11
= +S a
+ S‘ a1 a2
+ S‘ a1 a2 a3 + ...
a a1a2 a1a2a3

a
= a
+ a a
+ a a a
+ + ... = +
a a a a a a a

Рис. 6: Графическое изображение формул (17) и (18). Перенормирован-


ная амплитуда рассеяния t̂α обозначени темным кружком. Штрих у зна-
ка суммирования запрещает любым двум соседним индексам αk и αk+1
быть одинаковыми.

произвольное число раз, но никогда не встречается два или более раза


подряд (см. рис.6). Перенормированная “матрица рассеяния”

t̂α = −F̂α δgα + (−F̂α δgα ) · Ĝ(0) · (−F̂α δgα ) +


+(−F̂α δgα ) · Ĝ(0) · (−F̂α δgα ) · Ĝ(0) · (−F̂α δgα ) + · · · =
= −F̂α δgα + (−F̂α δgα ) · Ĝ(0) · t̂α . (18)

Из последнего уравнения легко находится

t̂α = −{1 + F̂α · Ĝ(0) δgα }−1 · F̂α δgα . (19)

Используя явный вид матрицы F̂ и свойства функции Грина Ĝ(0) ,


получим (см. задачу 1.5.2)

(g (0) − gα )zg (0) /2


t̂α = F̂α ≡ tα F̂α . (20)
gα + (z/2 − 1)g (0)

Мы видим, что выполнение условия (10) эквивалентно условию

htα i = 0. (21)

Это означает, что приближение эффективной среды точно учитывает


многократное рассеяние на одной связи, пренебрегая, однако, “интерфе-
ренцией” рассеяния на различных связях. “Простая” теория возмущений
по δgij = gij − hgi, примененная впервом порядке, не учитывает оба эти
типа поправок, казалось бы, на совершенно законных основаниях: “ин-
терференционные” поправки формально имеют тот же порядок малости
и, строго говоря нет никакого резона ими пренебрегать. Это, однако, как
мы сейчас увидим, не совсем верно.
Из-за независимости флуктуаций кондактансов различных связей,
также независимы и флуктуации t̂α :

htα tβ i ∝ δαβ . (22)

12
Вследствие этого, первая неисчезающая “интерференционная” поправка
в приближении эффективной среды возникает (для квадратной решет-
ки) только в четвертом порядке по t, из членов вида
X
Ĝ(0) · t̂α1 · Ĝ(0) · t̂α2 · Ĝ(0) · t̂α1 · Ĝ(0) · t̂α2 · Ĝ(0) . (23)
α1 6=α2

Таким образом, учет только локального перерассеяния оказывается


справедлив до членов порядка t3 включительно.

1.4 Решение уравнений эффективной среды для


двухкомпонентной системы
Рассмотрим частный случай, когда в системе имеются только два типа
кондактансов: с вероятностью p встречается кондактанс g1 , и с вероят-
ностью 1 − p – кондактанс g2 . Уравнение (10) тогда можно переписать в
виде
p(geff − g1 ) (1 − p)(geff − g2 )
+ = 0, (24)
g1 + (z/2 − 1)geff g2 + (z/2 − 1)geff
что сводится к квадратному уравнению, имеющему решения
 
pz
 (1−p)z
g1 1 − 2 + g2 1 − 2
(1,2)
geff = − ±
rh z−2
 i2
(1−p)z
g1 1 − pz

2
+ g2 1 − 2
+ 2(z − 2)g1 g2
± , (25)
z−2
причем выбирать между двумя корнями нужно, исходя из дополнитель-
ных физических соображений. В частности, рассмотрим смесь проводя-
щих и непроводящих связей: g1 = g g2 = 0. Тогда мы получим два корня:
(1) (2)
geff = 0 и geff = g pz−2
z−2
. Единственный выбор корней, не противоречащий
здравому смыслу, приводит к
при p < 2/z,

 0,
geff = pz − 2 (26)
g , при p > 2/z.
z−2
Итак, мы пришли к удивительному выводу (см. рис. 7): если доля разо-
рванных связей в системе превышает некоторый порог, зависящий толь-
ко от координационного числа решетки z, то система не проводит вовсе!
Что это: артефакт приближения эффективной среды, или реальное
свойство физической системы? Где приближение эффективной среды ра-
ботает хорошо, а где отказывает?

13
Рис. 7: Зависимость проводимости двухкомпонентной системы от доли
ненулевых кондактансов, полученная с помощью метода эффективной
среды.

• Приближение эффективной среды правильно предсказывает каче-


ственное явление “перколяционного перехода”, выражающееся в об-
ращении в нуль проводимости системы при конечной концентрации
неразорванных связей.

• Точка перехода в методе эффективной среды находится, вообще


говоря, неточно (см. таблицы 1,2).

• Вдали от точки перехода метод эффективной среды позволяет вы-


числять проводимость с высокой точностью.

• Вблизи от точки перехода поведение проводимости описывается


неправильно: метод эффективной среды предсказывает линейную
зависимость проводимости от надкритичности: σ ∝ p − pperc , на са-
мом же деле эта зависимость заметно сильнее: σ ∝ (p − pperc )µ , где
µ ≈ 1.30 для d = 2 и µ ≈ 2.14 для d = 3

Для адекватного описания поведения системы вблизи точки перехода


разработана теория перколяции.

1.5 Задачи
1.5.1
Выведите формулу (9).

1.5.2
Проделайте переход от формулы (18) к формуле (20) явно.

14
1.5.3
Найдите первую неисчезающую поправку (порядка t4 ) к усредненной
функции Грина hĜi.

1.5.4
Найдите первую неисчезающую поправку к методу эффективной среды
для квадратной решетки.

1.5.5
То же для треугольной решетки.: в каком порядке по t возникает эта
поправка?

1.5.6
На каждом ребре α d-мерной решетки с координационным числом z = 2d
расположен кондактанс gα , причем gα = g, (gα − g)(gα0 − g) = ∆2 δαα0 .
Найдите проводимость σ системы с точностью до второго порядка по ∆,
если флуктуации малы: ∆  g.

1.5.7
Рассмотрим конечный образец длиной L и сечением S, сделанный из
решетки, описанной в предыдущей задаче. Оцените величину дисперсии
полного кондактанса системы Gtot , если флуктуации малы: ∆  g.

2 Лекция. Задача перколяции: основные ре-


шеточные модели
2.1 Задача связей
Рассмотрим кусок квадратной решетки размером L × L. Будем случай-
ным образом удалять “связи” из этой системы, до тех пор, пока доля
оставшихся связей не станет равна некоторой заранее выбранной вели-
чине p (см. рис. 8). Повторяя этот процесс, мы изготовим ансамбль из
N  1 случайных систем, характеризуемых одним и тем же значением
p, но отличающихся друг от друга конкретной конфигурацией удален-
ных и оставленных связей (см. рис. 9). Очевидно, что все конфигура-
ции с одинаковым числом связей равно представлены в этом ансамбле.

15
Рис. 8: Образцы систем с различными концентрациями связей p, полу-
ченные в ходе одного процесса последовательного разрывания связей.

Теория перколяции занимается изучением статистических свойств таких


(или подобных) ансамблей, особенно интересуясь поведением системы в
термодинамическом пределе, т.е., при L → ∞. Разумеется, задача три-
виально обобщается с двумерной квадратной решетки на любую другую
решетку любой размерности. Поскольку в данной постановке случайным
образом удаляются именно связи на решетке, задача исследования этой
системы называется “задачей связей” (bond percolation problem).
Главный вопрос теории перколяции формулируется так: какова веро-
ятность Πperc (p, L) того, что в системе имеется путь по связям, соединяю-
щий левый край квадрата с правым (см. рис. 10)? Если представить себе,
что наша система изображает пористую среду, где некоторая жидкость
может распространяться от узла к узлу по порам, представляемым свя-
зями, то наличие такого пути отвечает возможности протекания жидко-
сти через всю систему (отсюда термин percolation - протекание). Именно
в такой интерпретации задача перколяции была впервые поставлена в
пионерской работе [?], однако позже было обнаружено множество самых
разных физических явлений, приводящих к точно такой же математи-
ческой задаче. Заметим еще, что, очевидно, вместо протекания “слева
направо” в качестве критерия перколяции можно было бы с тем же успе-
хом выбрать протекание “сверху вниз”: эти два критерия статистически

16
Рис. 9: Четыре образца из ансамбля систем с концентрацией p = 0.66, по-
лученных в результате разных процессов последовательного разрывания
связей.

Рис. 10: Протекание: в типичном образце с p = 0.63 имеется множество


путей, соединяющих левый берег с правым (показано три из них), в то
время, как в образце с p = 0.34 ни одного такого пути найти не удается.

17
Рис. 11: Два образца с очень малым p = p0 (L = 16) = 1/32 ≈ 0.03: (a)
Редкая флуктуация: все наличные связи собрались в “дорожку” и ор-
(L−1)
ганизовали протекание. Вероятность такой флуктуации = L/C2L(L−1) ≈
10−29 . (b): Типичный образец с этой же концентрацией: протекания нет.

эквивалентны.
Для больших систем с L  1 функция Πperc (p, L) оказывается близ-
кой к ступеньке (см. рис. 12). На самом деле Πperc (p, L) ≡ 0 при
p < p0 (L) ∼ L1−d (d – размерность пространства), затем, при p = p0 (L)
впервые появляются (сначала - чрезвычайно маловероятные, см. рис. 11)
конфигурации, обеспечивающие протекание, так что величина Πperc (p, L)
остается очень малой. Только при p ≈ pperc вероятность протекания ста-
новится заметной. В термодинамическом пределе
(b)
lim Πperc (p, L) = θ(p − pperc ), (27)
L→∞

где значение “порога перколяции” pperc зависит от конкретной решетки.


Результат (30) означает, что при p > pperc в достаточно большой системе
гарантированно имеется протекание, а при p < pperc его, напротив, гаран-
тированно нет. В точке p = pperc происходит “перколяционный фазовый
переход”.
На вопрос о возникновения протекания можно взглянуть и с несколь-
ко другой стороны. Рассмотрим множество случайных процессов удале-
ния связей, причем каждый процесс i будем характеризовать соответ-
(i)
ствующим значением концентрации pperc , при котором в системе впер-

18
(s)
P
1

p(L) pperc 1 p
0
Рис. 12: Зависимость вероятности протекания от величины p. Сплошная
линия – образцы большого, но конечного размера L  1; штриховая
линия – предельное поведение при L → ∞.

nL (p)

W(L)

pperc(L) p
Рис. 13: Плотность распределения порогов перколяции в ансамбле об-
разцов конечного размера L.

19
вые возникло протекание. Ансамбль этих величин будем характеризо-
вать плотностью распределения nL (p). Легко сообразить, что

nL (p) ≡ ∂Π(b)
perc (p, L)/∂p. (28)

Распределение nL (p) можно характеризовать средним значением и


стандартным отклонением (см рис. 13):
Z 1 Z 1
pperc (L) ≡ nL (p)pdp, 2
W (L) ≡ (p − pperc (L))2 nL (p)dp, (29)
0 0

причем limL→∞ pperc (L) = pperc , а limL→∞ W (L) = 0. Иными словами,


limL→∞ nL (p) = δ(p − pperc ). Вопрос о величине размытия перколяцион-
ного перехода в конечных системах (т.е., о зависимости W (L) и pperc (L)),
а также о поведении бесконечной системы, находящейся точно на пороге
перколяции, мы рассмотрим позднее.
На интуитивном уровне причину возникновения перколяционного пе-
рехода легко понять. Действительно, при значениях p, близких к еди-
нице, система представляет собой почти идеальную решетку с неболь-
шим количеством изолированных друг от друга “дырок”, как правило –
небольшого размера. Существование протекания в этой ситуации пред-
ставляется очевидным, так как легко представить себе путь, избегаю-
щий все дырки. С другой стороны, при значениях p, близких к нулю, в
системе имеется только небольшое количество связей, образующих изо-
лированные друг от друга небольшие кластеры. Из этого, интуитивно
ясного, предположения об изолированности кластеров непосредственно
следует утверждение об отсутствии протекания. Итак, при больших p
протекание имеется, а при малых p оно отсутствует. Поскольку наличие
протекания является топологическим (дискретным) свойством системы,
мы заключаем, что, при уменьшении p, оно должно исчезать скачком,
при некотором пороговом значении p = pperc .
Нужно заметить, что, несмотря на простоту и физическую убеди-
тельность приведенных выше аргументов, математически строгое дока-
зательство существования перколяционного перехода чрезвычайно труд-
но. Мы везде в этом курсе будем довольствоваться физическим уровнем
строгости, не пытаясь даже понять, чего хотят от задачи математики...

2.2 Задача узлов


Другая возможная формулировка задачи перколяции, называемая “за-
дачей узлов” (site percolation problem), отличается от приведенной выше
тем, что из системы удаляются не связи, а узлы, причем фиксируется

20
Рис. 14: Образцы систем в “задаче узлов” с различными концентрациями
узлов x, полученные в ходе одного процесса последовательного удаления
узлов. На образце с x = 0.69 показаны два перколяционных пути.

концентрация последних, x. Узлы удаляются вместе со всеми примыка-


ющими к ним связями.
Понятие протекания в задаче узлов определяется точно так же, как
и в задаче связей. Здесь тоже имеется (в термодинамическом пределе)
резкий перколяционный фазовый переход:

lim Π(s)
perc (x, L) = θ(x − xperc ), (30)
L→∞

В заключения приведем численные значения порогов перколяции для


некоторых важнейших решеток. Для сравнения приведены также ре-
зультаты приближения эффективной среды (EMA) для задачи связей:
pperc = 2/z.
Если случайно выбранные узлы не удаляются, а просто “перекраши-
ваются” в другой (черный) цвет, то можно поставить как вопрос о проте-
кании “по белому”, так и “по черному”. очевидно, что порог протекания по
черному x̃perc связан с порогом протекания по белому xperc соотношением

x̃perc = 1 − xperc , (31)

Обратите внимание, что в разных случаях реализуются все три воз-


можные ситуации:

21
2d Решетка Треугольная Квадратная Шестиугольная
xperc (sites) 1/2 0.5927 0.6962
pperc (bonds) 2 sin(π/18) ≈ 0.347 1/2 1 − 2 sin(π/18) ≈ 0.653
pperc (EMA) 1/3 1/2 2/3

3d Решетка Простая кубическая ГЦК ОЦК Алмаз


xperc (sites) 0.3116 0.198 0.245 0.430
pperc (bonds) 0.2488 0.119 0.180 0.388
pperc (EMA) 1/3 1/6 1/4 1/2

Таблица 1: Пороги перколяции важнейших решеток

• При x < xperc = 1/2 имеется протекание по черному, которое при


x = xperc исчезает и тут же сменяется протеканием по белому;

• Имеются два порога, причем x̃perc < xperc , так что в промежуточной
области, при x̃perc < x < xperc в системе нет протекания ни по
черному, ни по белому.

• Справедливо обратное неравенство: xperc < x̃perc , так что в проме-


жуточной области xperc < x < x̃perc сосуществуют оба типа проте-
кания.

2.3 Задачи
2.3.1
Докажите, что на двумерных решетках (при условии связности только
ближайших соседей) всегда xperc > 1/2.

2.3.2
Докажите, что для задачи узлов на треугольной решетке xperc = 1/2.

2.3.3
Почему для задачи узлов на квадратной и шестиугольной решетках
xperc 6= 1/2? Что в решении предыдущей задачи (для треугольной ре-
шетки) оказывается неверным для квадратной и шестиугольной?

22
2.3.4
Докажите, что для задачи связей на квадратной решетке pperc = 1/2.

2.3.5
(3)
Докажите, что порог перколяции pperc для задачи связей на треуголь-
(6)
ной решетке и такой же порог на шестиугольной решетке pperc связаны
(3) (6)
соотношением pperc + pperc = 1

2.3.6
(3) (6)
Докажите, что pperc = 2 sin(π/18), а pperc = 1 − 2 sin(π/18)

3 Лекция. Бесконечный кластер и его фрак-


тальные свойства вблизи перколяционного
перехода.
3.1 Определение бесконечного кластера и его плот-
ность
Наличие протекания в системе размером L автоматически означает на-
личие кластера, содержащего, по крайней мере, L узлов. Таким образом,
мы приходим к выводу, что при L → ∞ в системе должен существовать
бесконечный кластер – если в ней есть протекание. В реальности, имея
дело с конечными системами, нужно определить, что мы имеем в ви-
ду, говоря о бесконечном кластере. Это можно сделать многими разны-
ми способами. Например, можно назвать “бесконечным кластером” все
множество узлов, связанных с границей образца. Другая возможность
– просто выбрать самый большой из (конечных) кластеров в конечной
системе (см. рис. 15). Отличаясь для конечной системы, в термодинами-
ческом пределе все эти определения приводят к одному результату.
Плотностью бесконечного кластера P (p) (или, в случае задачи связей,
P (x)) называется отношение числа входящих в него узлов к полному
числу узлов решетки (см. рис 17. Ниже порога перколяции, (при p < pperc
или при x < xperc ), P (p) ≡ 0, а чуть выше него – растет степенным
образом:

P (p) ≈ A(p − pperc )β , P (x) ≈ A0 (x − xperc )β . (32)

23
Очень важно, что критический показатель β не зависит ни от типа ре-
шетки, ни от типа задачи (связей или узлов). Он зависит только от раз-
мерности пространства, в которое вложена соответствующая решетка:

βd=2 = 5/36 ≈ 0.14, βd=3 = 0.417. (33)

Ниже мы увидим, что и другие критические показатели, описывающие


поведение системы в критической области – вблизи порога перколяции,
также зависят только от размерности пространства. Это свойство на-
зывается универсальностью, оно характерно не только для теории про-
текания но и для многих других систем, испытывающих непрерывный
фазовый переход (переход второго рода) и описываемых в терминах
некоторой локальной теории поля. Поведение плотности вдали от по-
рога универсальным не является (например, при p → 1 оно зависит от
координационного числа решетки, см. задачу)
Напротив, критические амплитуды A, A0 - вообще говоря, не универ-
сальны и могут зависеть от конкретных деталей системы.

3.2 Корреляционный радиус. Фрактальные свойства


бесконечного кластера на промежуточных мас-
штабах
Распределение связей в каждом конкретном образце, принадлежащем к
ансамблю с заданной концентрацией - случайно. Соответственно, слу-
чайной является и структура бесконечного кластера, например, распре-
деление плотности в нем.
Выберем случайно какой-нибудь узел, принадлежащий бесконечному
кластеру и нарисуем вокруг него куб (в двумерном случае - квадрат)
со стороной L (см. рис. 20. В этот куб попадет некоторое число M уз-
лов бесконечного кластера, причем это число будет случайным, завися-
щим как от реализации образца, так и от выбора центра. Какова будет
функция распределения F (M ) для величины M ? Оказывается, что ответ
очень сильно зависит от соотношения L и некоторого пространственно-
го масштаба ξ, который называется корреляционной длиной (см. рис.
19). Величина ξ, в свою очередь, зависит от близости системы к порогу
перколяции:

ξ(p) ∝ |p − pperc |ν , ξ(x) ∝ |x − xperc |ν , (34)

где
νd=2 = 4/3 ≈ 1.33, νd=3 = 0.875, (35)

24
Рис. 15: “Бесконечный кластер”, определенный как максимальный, пока-
зан черным. В условиях протекания он занимает конечную долю объема
системы. Некоторые из конечных кластеров для примера обведены.

25
Рис. 16: В условиях отсутствия протекания все кластеры являются “ис-
тинно конечными” (т.е., остаются таковыми и при стремлении размеров
системы к бесконечности.

26
(a) (b)
P(p) P(x)
1 1

pperc 1 p xperc 1 x
Рис. 17: Плотность бесконечного кластера: (a) – задача связей, (b) –
задача узлов.

(a) (b)
x(p) x(x)

1 1
pperc 1 p xperc 1 x
Рис. 18: Зависимость корреляционной длины от близости к порогу: (a) –
задача связей, (b) – задача узлов.

(a) (b)
P(M) P(M)

DM DM

M M M M
Рис. 19: Функция распределения числа узлов M бесконечного кластера,
попавших в куб размером L: (a) – 1  L  ξ, распределение широкое:
∆M ∼ M , (b) – L  ξ, распределение широкое: ∆M  M .

27
Рис. 20: На бесконечном кластере нарисованы два одинаковых измери-
тельных квадрата размером L × L, однако числа узлов в них сильно
различаются.

28
универсальный (как и β) критический индекс. Таким образом, при при-
ближении к порогу ξ становится очень большим (см. рис. 18)
При L  ξ бесконечный кластер “самоусредняется” т.е., выглядит,
как сплошная среда, характерный размер неоднородности в которой не
превышает ξ. Функция распределения F (M ) для таких R является узкой,
причем

M (L) ≈ P (p)V (L), (36)


∆M ∼ P (p)[V (L)V (ξ)]1/2  M (L), (37)

где V (l) = ld - объем куба (см. задачу 3.4.4).


С другой стороны, очевидно, что при L ∼ 1 функция распределения
должна быть широкой и беспараметрической:

M (L) ∼ 1, ∆M ∼ 1, (38)

Вдали от порога перколяции, когда ξ ∼ 1 формулы (36) и (38) непосред-


ственно сшиваются друг с другом и, в этом смысле, ситуация тривиаль-
на.
Иное дело при ξ  1, когда возникает чрезвычайно интересная про-
межуточная область масштабов 1  L  ξ, в которой бесконечный
кластер проявляет фрактальные свойства. На этих масштабах в беско-
нечном кластере встречаются “большие” дырки, и наш измерительный
куб с заметной вероятностью может полностью оказаться в такой дырке
– тогда число узлов в нем окажется аномально малым (см. рис. 20. В
результате M сильно флуктуирует,

M (L) ∼ ALdf , ∆M ∼ M (L), (39)

причем величина df называется фрактальной размерностью,

df(d=2) = 91/48 ≈ 1.90, df(d=3) = 2.524 (40)

Сшивая закон (39) при L ∼ 1 с формулой (38) мы получим, что A ∼


1. С другой стороны, сшивая (39) и (36) при L ∼ ξ, мы приходим к
связи, позволяющей выразить фрактальную размерность через другие
критические индексы:
β
df = d − (41)
ν
Мы видим, что df < d, т.е. число узлов в нашем кубе растет медлен-
нее, чем его объем, так что средняя плотность на масштабе L убывает
с L как ρ(L) ∼ L−(d−df ) . С чем связан нетривиальный степенной закон

29
роста (39) для фрактальных объектов? Дело в том, что бесконечный кла-
стер весь усеян дырками различных размеров r в диапазоне от r ∼ 1 до
r ∼ ξ, причем распределение дырок по размерам в этом диапазоне имеет
степенной вид. Геометрическая картина бесконечного кластера облада-
ет масшабной инвариантностью – родовым свойством всех фрактальных
объектов. Чтобы пояснить это свойство, рассмотрим процедуру огрубле-
ния. Разобъем систему на кубики размером 1  L  ξ и сосчитаем число
узлов Mi в каждом кубике. Те кубики, в которых оказалось Mi < M (L),
мы сотрем и посмотрим на образовавшуюся картину из оставшихся ку-
биков. Она окажется подобной исходной! Разумеется, это подобие нужно
понимать в статистическом смысле – в смысле эквивалентности соответ-
ствующих ансамблей: не конкретная реализация остается самоподобной
при огрублении, а ансамбль огрубленных реализаций совпадает (с точ-
ностью до масштабного преобразования) с ансамблем исходных. Масса
каждого “узла” в огрубленной конфигурации есть M (L), следовательно,
для средней массы большого куба размером L0  L (но все еще L0  ξ)
мы можем записать
M (L0 ) = M (L0 /L)M (L). (42)
Этому уравнению удовлетворяют все функции M (L) ∼ La , что пред-
определяет степенной вид (39), однако показатель a таким образом не
найдешь.
Функция распределения для величины M во фрактальной области
имеет универсальный вид

P (M |L) = [M (L)]−1 f (M/M (L)). (43)

3.3 Кратчайшие пути на бесконечном кластере


Выберем какие-нибудь две точки A и B на бесконечном кластере, на
расстоянии R друг от друга. По определению, существует по крайней
мере один путь по связям, ведущий из A в B. Выберем кратчайший
из всех таких путей, а длину его обозначим как `AB (см. рис. 21. Как
выглядит функция распределения P (`|R) для величины `?
На больших расстояниях R  ξ функция распределения - узкая:

`(R) ≈ R/v, ∆`(R)  `(R), (44)

где v = v(p) - некоторая константа, зависящая от близости к переходу.


Мы увидим, что v → 0 при p → pperc . При R  ξ функция распределения
- широкая:

P (`|R) = [`(R)]−1 f (`/`(R)), `(R) ∼ Rdmin , (45)

30
Рис. 21: На бесконечном кластере жирной линией выделен один из крат-
чайших путей, ведущих из точки A в точку B, расположенных на рас-
стоянии R друг от друга.

31
Рис. 22: На бесконечном кластере, для двух различных исходных точек,
показаны множества узлов, достижимых за ` = 7 шагов.

где
dmin(d=2) ≈ 1.13, dmin(d=3) ≈ 1.34 (46)
Сравнивая формулы (44) и (45) при R ∼ ξ, мы найдем v ∼ (p −
pperc )ν(dmin −1)  1. Степенной вид закона (45) также связан с явлением
масштабной инвариантности: кратчайший путь между двумя точками
после процедуры огрубления остается подобным самому себе.
В связи с понятием кратчайших путей можно ввести еще одно опре-
деление фрактальной размерности. Выберем некоторый произвольный
узел бесконечного кластера, и пометим, скажем, белым цветом, все те
узлы, в которые можно пройти из исходного узла по связям за n ≤ `
шагов (см. рис 22.

32
Среднее количество таких узлов
(
`d` , при `  ξ dmin ,
M (`) ∼ (47)
α`d , при `  ξ dmin .

d` = df /dmin , α = (p − pperc )νdmin (d−d` ) (48)


d`(d=2) ≈ 1.678, d`(d=3) ≈ 1.885 (49)
Величину d` иногда называют “химической” или “топологической” фрак-
тальной размерностью.

3.4 Задачи
3.4.1
Приведите аргументы в пользу того, что в бесконечной системе может
существовать не более одного бесконечного кластера с конечной плотно-
стью.

3.4.2
Покажите, что для решетки с координационным числом z справедливы
асимпотические формулы
P (p) ≈ 1 − (1 − p)z при 1 − p  1, (50)
P (x) ≈ x − (1 − x)z при 1 − x  1. (51)
Какой порядок по 1−p имеет следующая поправка к этому разложению?
(последнюю оценку сделайте только для квадратной и простой кубиче-
ской решеток).

3.4.3
Найдите точные границы Mmin (L), Mmax (L) для величины M , такие, что
Mmin (L) < M < Mmax (L) для любой конфигурации, а, значит, P (M ) ≡ 0,
если M > Mmax (L) или M < Mmin (L). Покажите, что при L, ξ  1 эти
границы лежат далеко вне основной области распределения и, таким
образом, несущественны.

3.4.4
Покажите, что функция распределения F (M ) при R  ξ должна быть
гауссовой и выведите выражение (37) для ∆M .

33
3.4.5
Выведите формулу (41).

3.4.6
Стартуем в момент t = 0 с некоторого произвольно выбранного узла бес-
конечного кластера, пометив его, скажем, белым цветом. В момент t = 1
тем же цветом помечаются все узлы бесконечного кластера, в которые
можно пройти из исходного узла за один шаг, и так далее: в момент t = `
помеченными оказываются все те узлы, в которые можно пройти из ис-
ходного узла за n ≤ ` шагов. Тогда среднее количество белых узлов будет
описываться формулой (48). Как зависит от ` средний размер области,
занятой белыми узлами?

4 Лекция. Топологическая структура беско-


нечного кластера
Очевидно, что при пропускании постоянного тока между контактами,
присоединенными к двум сторонам системы (см. рис. 3), ток потечет
только по бесконечному кластеру: у него нет просто никакой возможно-
сти попасть на конечные кластеры. Однако и на бесконечном кластере
имеется множество мест, где ток также не потечет. Это – так называемые
“мертвые концы” (dangling ends) – тупиковые ветви конечного размера,
соединенные со всей остальной системой через один единственный узел
(см. рис. 23). Они должны быть эквипотенциалями (см. задачу 4.3.1)
и, поэтому, могут быть отрезаны от остальной системы без ущерба для
протекания тока. Итак, давайте отрежем от бесконечного кластера все
мертвые концы – то, что останется после этой операции, называется “ске-
летом” (backbone) бесконечного кластера.

4.1 Скелет (backbone) бесконечного кластера


Всегда ли у бесконечного кластера есть скелет? Строго говоря, не всегда.
Например, если бесконечный кластер представляет собой дерево (т.е., во-
все не содержит циклов), то, очевидно, у него не может быть скелета. Од-
нако, для рассматриваемого нами ансамбля (возникающего в результате
случайного удаления связей из системы), всякий бесконечный кластер
с вероятностью, в термодинамическом пределе стремящейся к единице,
имеет скелет, последний исчезает также при p = pperc , причем плотность

34
Рис. 23: На бесконечном кластере черным выделен скелет, белым - мерт-
вые концы. Некоторые мертвые концы для примера обведены.

35
скелета при p → pperc ведет себя тоже универсальным образом:

PB (p) ∼ (p − pperc )βB , P (x) ∼ (x − xperc )βB , (52)

где
βB(d=2) ≈ 1.62, βB(d=3) = 1.74. (53)
Поскольку βB > β, мы приходим к выводу, что вблизи перехода PB 
P , т.е., подавляющая часть массы бесконечного кластера заключена в
мертвых концах, скелет же составляет лишь исчезающе малую его долю.
Корреляционный радиус скелета совпадает с корреляционным ради-
усом всего бесконечного кластера (это, вообще говоря, тоже нетривиаль-
ное утверждение, верное только для рассматриваемого нами ансамбля).
На масштабах L  ξ скелет также обладает фрактальной структурой,
причем его фрактальная размерность
βB
dfB = d − . (54)
ν
(вывод этой формулы аналогичен выводу (41).
Заметим, что для некоторых других ансамблей в определенной обла-
сти концентраций существовуют бесконечные кластеры, которые, одна-
ко, с вероятностью единица не имеют скелета. Пример такого ансамбля
будет рассмотрен в Лекции ....
Итак, токонесущей структурой в бесконечном кластере является его
скелет. Насколько равномерно распределены токи по связям, входящим
в скелет? Предположим на минуту, что токи распределены более или ме-
нее равномерно, так что систему можно грубо смоделировать как сетку
из одножильных проводов с некоторым периодом a. Этот период лег-
ко найти, “приравнивая удельный вес” такой сетки к плотности скелета:
−1/(d−1)
PB ∼ a/ad , откуда a ∼ PB . С другой стороны, эффективная прово-
димость такой сетки σ ∼ ga1−d ∼ gPB (где g - кондактанс одной связи).
Итак, наше предположение означало бы, критический индекс проводи-
мости µ должен совпадать с индексом плотности скелета βB . Это, однако
противоречит экспериментальным данным, значит наше предположение
неверно.
Были предприняты попытки усовершенствовать модель одножильной
сетки, в частности, считая, что составляющие ее нити очень извилисты
(наподобие фрактальных кратчайших путей), но и эти усовершенство-
ванные модели не в состояниии объяснить свойства реальных систем,
поэтому мы не будем на них останавливаться. Причина невозможности
описания проводимости бесконечного кластера с помощью одножильной
картины прояснится в следующем разделе.

36
B
RAB

A
Рис. 24: На бесконечном кластере жирными линиями показано объеди-
ниние PAB всех путей, ведущих из точки A в точку B. Красные связи
выделены “красным” (на черно-белом рисунке они выглядят серыми), а
клубки обведены.

4.2 “Красные связи” (red bonds) и “клубки” (blobs)


Выберем на бесконечном кластере два узла
T A и B (такие, что 1  RAB 
ξ), и рассмотрим совокупность PAB ≡ i Pi всех путей Pi , ведущих из
A в B (см. рис. 24). Если найдутся связи, через которые проходят все
эти пути, то такие связи будем называть “красными”. Соответственно, те
кусочки, на которые распадется PAB , если из него удалить все красные
связи, называются “клубками” (blobs).
Таким образом, электрическая цепь, связывающая точки A и B, пред-
ставляет собой цепочку последовательно соединенных красных связей и
клубков (links and blobs). Очевидно, что если приложить напряжение
между точками A и B, то ток потечет только по связям, принадлежащим
к PAB , причем через каждую красную связь будет протекать весь пол-
(AB)
ный ток IAB . Среднее число nred красных связей между точками A и B,
(AB)
очевидно, может зависеть только от расстояния RAB : nred = nred (RAB ).
Как мы сейчас увидим, при 1  RAB  ξ цепочки красных связей и
клубков обладают фрактальными свойствами.

37
B B

(b) R
(a)

A A
Рис. 25: Условное изображение цепочки из красных связей и клубков.
(a): Случай, когда расстояние между концами цепочки R  ξ; при уда-
лении от концов цепочки плотность красных связей уменьшается, а раз-
мер клубков увеличивается. (b): Случай R  ξ; в центральной части
цепочки располагается “суперклубок” размером ∼ R, почти все красные
связи находятся вблизи концов цепочки, на расстояниях ∼ ξ.

Легко сообразить, что красные связи должны в среднем встречать-


ся тем реже, чем дальше от контактов мы находимся (это видно и на
рисунке 24). В свою очередь, клубки в среднем становятся все круп-
нее и крупнее при удалении от контактов. Более того, если RAB  ξ,
то практически все красные связи располагаются в приконтактных об-
ластях размером ∼ ξ  RAB , центральную область же занимает один
громадный клубок размером ∼ RAB  ξ (см. рис. 25). В результате за-
висимость nred (R) описывается формулой
(
Rdred , for R  ξ,
nred (R) ∼ (55)
const ∼ ξ dred ∼ 1/(p − pperc ), for R  ξ.

Можно ввести понятие красных связей не по отношению к двум точ-


кам A и B, а по отношению к двум противоположным сторонам квадрата

38
со стороной L  ξ T(или граням куба – в трехмерной системе). Рассмот-
рим PLeft−Right =≡ A∈Left,B∈Right PAB , где (Left) и (Right) – соответствен-
но, левая и правая стороны квадрата. В этом множестве также можно
выделить красные связи, по которым потечет весь ток, когда напряжение
будет подключено к двум электродам, покрывающим, соответственно,
стороны (Left) и (Right) (см, например, рис. 3). Ясно, что это те связи.
которые являются красными одновременно для всех пар AB, в которых
точка A лежит на стороне (Left), а точка B – на стороне (Right). На
расстояниях r  L от контактов, таких красных связей почти не будет,
однако в центральной части квадрата, при r ∼ L, конечная доля всех
красных связей для индивидуальных пар AB, окажется красными так-
же и по отношению ко всему квадрату. Поэтому можно заключить, что
полное число так определенных красных связей ∼ nred (L).
Точную связь
dred = 1/ν, (56)
между показателем dred и индексом корреляционного радиуса ν можно
получить из следующих нестрогих, но правдоподобных соображений:
Рассмотрим систему вблизи порога перколяции: 0 < p − pperc  1.
Разобьем бесконечный кластер на блоки размером ∼ ξ, каждый такой
блок на масштабах 1  r  ξ, очевидно, обладает фрактальными свой-
ствами. Существующий при p > pperc бесконечный кластер должен исчез-
нуть, если p уменьшится до значения p < pperc . Каким образом это про-
изойдет? Довольно правдоподобно предположить, что разрушение бес-
конечного кластера происходит за счет разрыва красных связей внутри
каждого из блоков. Вероятность того, что при уменьшении концентра-
ции связей на величину δ в данном блоке хотя бы одна красная связь бу-
дет разорвана, есть w ∼ δnred (ξ). Перколяция должна разрушиться при
δ· ∼ p − pperc , значит должно выполняться условие (p − pperc )nred (ξ) ∼ 1,
откуда немедленно следует соотношение (56). Поскольку dfB > dred , мы
заключаем, что при p → pperc подавляющую часть скелета составляют
клубки, а, значит, одножильная картина не может быть применима для
описания прохождения тока по бесконечному кластеру: напряжение па-
дает в основном на клубках, где все сопротивления многократно шунти-
рованы и никакая простая геометрическая картина распределения токов
невозможна.

39
4.3 Задачи
4.3.1
Покажите, что уравнения Кирхгофа (1) на “мертвом конце” допускают
только тривиальное эквипотенциальное решение Vi = const.

5 Лекция. Статистика конечных кластеров и


гипотеза скейлинга
Кроме бесконечного кластера в системе, при любом x < 1, существует
множество конечных. Определим величину ns (x) в задаче узлов, как ко-
личество конечных кластеров, содержащих s узлов, в расчете на один
узел исходной (полной) решетки (в термодинамическом пределе). Легко
понять, что при x  1 в системе должны в основном встречаться ма-
ленькие кластеры: n1 (x) ≈ x, n2 (x) ≈ x2 , ... ns (x) ∝ xs . Таким образом,
при x  1,
ns (p) ∝ exp{−s/sc }, sc = [ln(1/x)]−1 (57)
Менее очевидно, что малые кластеры должны превалировать и при
1 − x  1: n1 (x) ≈ (1 − x)z , n2 (x) ≈ (1 − x)2z−2 (последняя формула на-
писана нами для гиперкубической решетки, она несправедлива, скажем,
для треугольной, см. задачу 3.4.2). Для s  1 при 1 − x  1 справедлива
формула

1
ns (x) ∝ exp{−(s/sc )q }, sc ∼ [ln(1/(1 − x))]− q , q = (d − 1)/d. (58)
Докажите эту формулу самостоятельно (задача 58), рассматривая “оп-
тимальные” (т.е., наиболее вероятные) кластеры, содержащие s узлов.
В общем случае можно записать
X
ns (x) = xs gst (1 − x)t , (59)
t

где gst число возможных конфигураций кластеров из s узлов, имеющих


периметр (т.е., число узлов, не принадлежащих кластеру, но имеющих
в нем хотя бы одного ближайшего соседа), равный t. Например, для
квадратной решетки, отличные от нуля значения gst для s 6 3 приведены
ниже:
g1,4 = 1; (60)
g2,6 = 2; (61)
g3,7 = 4, g3,8 = 2; (62)

40
К сожалению, никакой общей формулы для gst не существует, кроме
точно-решаемых случаев одномерной решетки и решетки Бете, рассмот-
ренных в следующей лекции.

5.1 Конечные кластеры вблизи порога перколяции:


гипотеза скейлинга
Cамым интересным является поведение функции ns (x) вблизи порога
перколяции, когда |x−xperc |  1. Здесь, при s  1, справедлива формула

ns (x) ≈ sτ f (s/sc (x)), sc (x) ∼ |x − xperc |−1/σ , (63)

причем τ и σ – универсальные (зависящие только от размерности про-


странства) критические индексы:

τd=2 ≈ 187/91, τd=3 ≈ 2.32, (64)

σd=2 ≈ 36/91, σd=3 ≈ 0.453, (65)


Явный вид функции f (y) неуниверсален, более того, он зависит от того,
с какой стороны от перехода мы находимся. Однако качественное пове-
дение этой функции – универсально:
(
c1 , при y  1,
f (y) ≈ (66)
c2 exp(−y), при y  1,
где c1 , c2 – некоторые константы.
Утверждение о том, что ns (x) в критической области описывается
формулой (63), часто называют гипотезой скейлинга (т.е., масштабной
инвариантности).
Поскольку τ > 2, доля узлов во всех конечных кластерах, выражае-
мая суммой
X∞
sns (x) = x − P (x) ≈ x, (67)
s=1

определяется в основном вкладом малых кластеров с s ∼ 1. Это озна-


чает, что вблизи порога подавляющее число узлов принадлежит малым
конечным кластерам. Есть, однако, немало важных физических вели-
чин, главный вклад в которые дают “критические” кластеры с s ∼ sc .
Это, например, относится к "среднему размеру кластера определяемому
формулой P∞ 2 P∞ 2
s n s (x) s ns (x)
S(x) = Ps=1
∞ = s=1 . (68)
s=1 sns (x) x − P (x)

41
Действительно, величина ws (x) = sns (x)/(x − P (x)) есть ни что иное,
как вероятность того, что данный узел i, произвольно выбранный из
числа всех узлов, входящих в конечные кластеры,
P принадлежит именно
кластеру размером s. Следовательно, S(x) = s sws (x) представляет
собой средний размер кластера, к которому может принадлежать узел i.
При x → xperc эта величина расходится:
S(x) ∝ |x − xperc |−γ , (69)
причем показатель γ также универсален:
γd=2 ≈ 43/18, γd=3 ≈ 1.80. (70)

5.2 Корреляционная функция и корреляционный ра-


диус
Определим парную корреляционную функцию для фиксированной слу-
чайной реализации системы следующим образом:
(
1, если узлы A и B принадлежат одному конечному кластеру,
GAB =
0, во всех остальных случаях.
(71)
Если туперь произвести усреднение по реализациям, то, в силу трансля-
ционной инвариантности, результат будет зависеть только от расстояния
между точками A и B и от величины x:
hGAB i = G(x, rA − rB ), (72)
причем, на больших расстояниях R  1, G(x, R) не может зависеть от
направления R. Вблизи порога перколяции для корреляционной функ-
ции справедлива скейлинговая формула, напоминающая (63,66):
G(x, r) ≈ r−κ f˜(r/ξ), (73)
(
c̃1 , при y  1,
f˜(y) ≈ (74)
c̃2 exp(−y), при y  1,
где κ – некоторый универсальный индекс (см. задачу 5.4.2), а ξ – уже зна-
комый нам корреляционный радиус (см. формулу (34)). Действительно,
характерный размер в распределении (73), очевидно, должен соответ-
ствовать критическим кластерам, число узлов в которых s ∼ sc . Кри-
тические – это самые большие конечные кластеры, встречающиеся в си-
стеме с заметной вероятностью (концентрация бо́льших кластеров экс-
поненциально мала). С другой стороны, размер самых больших пор в

42
бесконечном кластере – ξ. Так как конечные кластеры должны поме-
щаться в этих порах, естественно заключить, что характерный размер
критических кластеров также равен ξ. Это, разумеется, подтверждается
и численными результатами.
Заметим еще, что средний размер кластера можно выразить через
корреляционную функцию. Действительно, S(x) можно вычислять сле-
дующим способом: зафиксируем положение узла i и просуммируем по
всем другим узлам j вероятности того, что узел j принадлежит к тому
же кластеру, что и i. После этого результат отнормируем на вероятность
x − P (x) того, что узел i принадлежит конечному кластеру и получим
1 X
S(x) = 1 + G(x, r). (75)
x − P (x) r6=0

Слагаемое 1 добавлено потому, что, если все другие узлы j не принадле-


жат к тому же конечному кластеру, что и узел i, то это просто означает,
что i представляет собой кластер с s = 1.

5.3 Соотношения между различными критическими


индексами
Гипотеза скейлинга (63) позволяет выразить критические индексы
β, γ, ν, df через τ и σ (или любые другие два индекса). Действительно,
подставляя (63) в (68) и имея в виду, что 2 − τ > −1, мы убеждаемся
в том, что основной вклад в сумму (68) дают большие s ∼ sc . Поэтому
сумму можно заменить на интеграл:
Z ∞ Z ∞
S(x) ≈ 2−τ 3−τ
f (s/sc )s ds = sc f (y)y 2−τ dy ∝ |x−xperc |−(3−τ )/σ , (76)
0 0

где мы воспользовались тем фактом, что безразмерный интеграл по dy


сходится при y ∼ 1 и представляет собой просто некоторое число, не
зависящее от x − xperc . В результате получаем

3−τ
γ= . (77)
σ
Уравнение (67), на первый взгляд, не годится для вывода связи меж-
ду индексами β, τ и σ, так как главный вклад как в левую, так и в
правую часть равенства дают малые s ∼ 1. Эту трудность, однако, мож-
но обойти, если вычесть из уравнения (67), записанного для некоторого

43
0 6= x − xperc  1, это же самое уравнение, записанное при x = xperc .
Тогда, учитывая, что P (xperc ) = 0, получим:

X
s1−τ [f (s/sc ) − f (0)] = (x − xperc ) − P (x). (78)
s=1

Множитель f (s/sc ) − f (0) при s  sc пропорционален, как минимум,


первой степени s/sc , и, так как 2 − τ > −1, сумма в левой части (78)
сходится уже не при s ∼ 1, а при s ∼ sc , так что
Z ∞ Z ∞
1−τ 2−τ
P (x) ≈ s [f (0) − f (s/sc )]ds = sc [f (0) − f (y)]f (0)y 1−τ dy ∝
0 0
∝ |x − xperc |(τ −2)/σ .(79)
Мы пренебрегли членом (x − xperc ), т.к., из-за условия β < 1, он обраща-
ется в нуль быстрее, чем те слагаемые, которые мы учли. Безразмерный
интеграл по dy в (79) опять является числом, поэтому, используя (32),
получаем
τ −2
β= . (80)
σ
Вывод выражения для индекса ν основывается на следующих ка-
чественных рассуждениях: Внутренняя структура любого большого, но
конечного кластера на масштабах 1  r  ξ ничем не отличается от
структуры бесконечного кластера на этих же масштабах. Это, в частно-
сти, касается и его фрактальных свойств, поэтому среднее число узлов
в конечном кластере размера r есть M (r) ∼ rdf . Качественно это утвер-
ждение остается справедливым и на границе своей применимости, при
r ∼ ξ, следовательно, характерное число узлов в критическом кластере
sc ∼ ξ df . (81)
Из (81) сразу же заключаем, что 1/σ = νdf , откуда, используя (41),
получаем
τ −1 d
ν= , df = . (82)
dσ τ −1
Заметим, что df зависит только от τ , но не от σ. Этого следовало ожи-
дать, ведь фрактальная размерность – характеристика критической об-
ласти масштабов 1  r  ξ, где функция распределения ns (x) ≈ c1 s−τ
не содержит sc .
Выражение для индекса κ
2d(τ − 2)
κ= (83)
τ −1

44
выведите самостоятельно (задача 5.4.2).
Соотношения (77,80,82,32) хорошо подтверждаются численными экс-
периментами, что свидетельствует об обоснованности гипотезы скейлин-
га (63).
Нужно заметить, что критические индексы dmin , βB , а также “дина-
мические” индексы, о которых речь впереди (из них мы упоминали уже
индекс проводимости µ) не выражаются через τ и σ.

d 2 3 Cayley
β 5/36 0.41 1
γ 43/18 1.80 1
ν 4/3 0.88 1/2
σ 36/91 0.45 1/2
τ 187/91 2.18 5/2

Таблица 2: Сводная таблица “геометрических” критических экспонент

5.4 Задачи
5.4.1
Выведите формулу (58).

5.4.2
Выведите выражение (83) для индекса κ.

6 Лекция. Точно решаемые модели перколя-


ции
6.1 Перколяция в одномерной системе: тривиальный
пример
В одномерном случае достаточно вынуть из системы хотя бы один узел
(или разорвать одну связь) для того, чтобы перколяция нарушилась.
Поэтому перколяции здесь нет ни при каком x, отличном от единицы:
xperc = 1. Модель тривиальна, единственное, за чем здесь имеет смысл
проследить – это статистика конечных кластеров.

45
В одномерном случае, очевидно, периметр любого конечного кластера
t = 2 независимо от величины s, поэтому формула (59) дает

ns (x) = xs (1 − x)2 , sc (x) = [ln(1/x)]−1 , τ = 0. (84)

Корреляционная функция имеет простой вид

G(x, r) = xr+1 , ξ(x) = [ln(1/x)]−1 , κ = 0. (85)

В частности, при x → xperc = 1


1
sc (x) = ξ(x) ≈ , то есть σ = ν = 1. (86)
1−x
Для среднего размера кластера из (68) получим
∞ ∞
1X 2 2X 1+x
S(x) = s ns (x) = 1 + G(x, r) = , γ = 1. (87)
x s=1 x r=1 1−x

(см. задачу 6.3.1).

6.2 Перколяция на дереве Кейли – явное определе-


ние критических индексов
Дерево Кейли (другое название – решетка Бете) это древесный граф, из
каждой вершины которого выходит z ребер (см. рис.26 ). Между любы-
ми двумя вершинами этого графа существует единственный путь, петли
отсутствуют. Дерево Кейли представляет собой иерархическую систему
оболочек:
N` = z(z − 1)`−1 , (88)
вершин, принадлежащих к `-той оболочке, являются “потомками” вер-
шин из ` − 1-ой оболочки. К сожалению, на дереве Кейли невозможно
ввести Евклидову метрическую структуру: невозможно говорить о рас-
стоянии RAB между двумя точками A и B, а только о длине `AB един-
ственного пути, соединяющего A и B. Вместе с тем, основополагающее
свойство дерева – отсутствие циклов, делает эту систему во многом по-
хожей на обычную решетку высокой размерности d → ∞; в частности
критические индексы (по крайней мере те, которые имеют смысл в от-
сутствие метрики) совпадают со средне-полевыми, характерными для
решеток с размерностью выше критической: d > dc = 6.
Как определить само понятие протекания на дереве Кейли, не име-
ющем метрической структуры? Можно говорить о наличии либо отсут-
ствии бесконечных кластеров. В отличие от случая обычной решетки, где

46
l=3

l=2

l =1

l=0

Рис. 26: Дерево Кейли с z = 4. Показаны четыре первые оболочки: ` =


0, 1, 2, 3.

бесконечный кластер может существовать только в единственном чис-


ле, на дереве Кейли в точке перколяции образуется сразу бесконечное
число не связанных между собой бесконечных кластеров. Выше порога
перколяции вероятность того, что любой выбранный узел принадлежит
какому-нибудь бесконечному кластеру должна быть конечна, т.е., из лю-
бого (например, из центрального) узла можно с конечной вероятностью
найти путь, ведущий на бесконечность. Для плотности бесконечного кла-
стера можно вывести замкнутое алгебраическое уравнение и определить
из него величины xperc и β (см. задачу 6.3.2). Однако еще проще найти
порог перколяции, вычисляя корреляционную функцию и средний раз-
мер кластера – именно так мы и поступим ниже.
Корреляционную функцию на дереве Кейли можно определить толь-
ко в “пространстве оболочек”, а не в обычном Евклидовом пространстве.
Благодаря единственности пути между двумя узлами (как и в одномер-
ном случае), она легко находится в предположении, что мы находимся
ниже порога перколяции и все кластеры в системе конечны:

G(x|A, B) = x`AB +1 , (89)

где `AB – длина пути из A в B. На дереве Кейли есть “трансляционная


инвариантность” в том смысле, что все его узлы эквивалентны; в частно-
сти, любой из них можно выбрать в качестве “центрального”. Если же мы
уже выбрали центральный узел и построили иерархическую систему в
соответствии с этим выбором, то в терминах этой конкретной иерархиче-
ской системы трансляционная инвариантность оказывается нарушенной.
Например, в общем случае длина `AB не выражается просто через раз-
ность номеров соответствующих оболочек: `AB ≥ |`A − `B | + 1, так как
путь между двумя узлами обязательно должен проходить через их бли-
жайшего общего предка (рис. 27). Однако в частном случае, когда один

47
A C l=3

l=2
B

l =1
D

0
l=0

Рис. 27: Путь на дереве Кейли между точками A (`A = 3) и B (`B =


2) проходит через их ближайшего общего предка D (`D = 1), поэтому
`AB = `A + `B + 1 − 2`D = 4. Для пути между центральным узлом 0 и
произвольным узлом C всегда `0C = `C + 1.

из узлов – центральный, то все просто: `A0 = `A + 1 и

G(x|0, A) = x`A +1 . (90)

Заметим, что указанное нарушение трансляцирнной инвариантности


не должно проявляться (и не проявляется), если мы вычисляем какую-
нибудь физическую величину, не зависящую от конкретного выбора цен-
трального узла. Поэтому, при таком вычислении центральный узел мож-
но выбрать наиболее удобным для данного вычисления способом. Это
похоже на выбор удобной калибровки электромагнитного поля в элек-
тродинамике.
В частности, мы можем легко вычислить средний размер кластера,
предполагая, что он включает центральный узел. При x < xperc получим:

1X z X
S(x) = 1 + N` G(x|0, `) = 1 + [x(z − 1)]` =
x `=1 z − 1 `=1
xz 1+x
=1+ = . (91)
1 − x(z − 1) 1 − x(z − 1)
Мы видим, что S(x) расходится при x → xperc , причем
1
xperc = , γ = 1. (92)
z−1
Вычисление S(x) и G(x|A, B) при x > xperc значительно труднее, так как
необходимо следить за тем, чтобы не оказаться в бесконечном кластере
(см. задачу 6.3.5).
Перейдем к исследованию статистики конечных кластеров на дереве
Кейли. Важным упрощением здесь является возможность однозначного

48
определения периметра кластера t по числу узлов в нем s

gst = gs δt,t(s) , t(s) = z + (s − 1)(z − 2), (93)

(см. задачу 6.3.4), так что

ns (x) = gs xs (1 − x)2+(z−2)s . (94)

Величины gs – числа различных конфигураций для кластеров из s уз-


лов. Их, в принципе, можно найти комбинаторными методами (задача
6.3.6). Мы, однако, отраничимся нахождением точных значений порога
перколяции и критических индексов.
Теперь, предполагая, что |x − xperc |  1, а s  1, запишем (94) в виде

ns (x) = ns (xperc )fs (x), ns (xperc ) = gs xsperc (1 − xperc )2+(z−2)s , (95)


 s  2+(z−2)s  2  
x 1−x 1−x s
fs (x) = = exp − , (96)
xperc 1 − xperc 1 − xperc sc (x)
 
1 x 
perc 1 − xperc
= ln + (z − 2) ln . (97)
sc (x) x 1−x
При x → xperc выражение (97) можно разложить в ряд Тейлора:
 
1 1 ∂ 1
≈ + (x − xperc ) +
sc (x) sc (xperc ) ∂x sc (x) x=xperc
(x − xperc )2 ∂ 2
 
1
(98)

+ 2
+ ··· .
2 ∂x sc (x) x=xperc

Вычисляя производные, получим


1
= 0, (99)
sc (xperc )
 
∂ 1
(100)

= 0,
∂x sc (x) x=xperc
∂2 (z − 1)3
 
1
(101)

=
∂x2 sc (x) x=xperc z−2
так что
1 (z − 1)3
≈ (x − xperc )2 . (102)
sc (x) 2(z − 2)
Обращение в нуль первой производной (равенство (100)) не случайно!
Если бы в разложении (98) присутствовал линейный член, то sc (x) не

49
было бы неотрицательной величиной, что физически недопустимо. Та-
ким образом, условие (100) совершенно необходимо. В принципе, если
бы мы не получили уже раньше значение порога из условия расходимо-
сти S(x) (см. (92)), то его можно было бы найти и непосредственно из
условия (100).
Таким образом, согласно определению (63), мы нашли индекс σ =
1/2, а из соотношений скейлинга, используя результат γ = 1, мы можем
определить и другие индексы:

τ = 5/2, σ = 1/2, β = 1, γ = 1. (103)

Этот результат согласуется с теорией среднего поля (см. Лекцию....) По-


лученные выше с использованием гипотезы скейлинга формулы можно
вывести и “в лоб” – вычисляя коэффициенты gs и находя функцию ns (x)
явно (см. задачу 6.3.6). Такое вычисление прямо подтверждает гипотезу
скейлинга.

6.3 Задачи
6.3.1
Выведите формулу (87).

6.3.2
Найдите плотность бесконечного кластера P (x) на дереве Кейли, т.е., ве-
роятность того, что данный, произвольно выбранный узел принадлежит
к бесконечному кластеру. Выведите замкнутое алгебраическое уравне-
ние для P и покажите, что нетривиальное решение (P 6= 0) существует
только при x > xperc . Вычислите P (x) при |x − xperc |  1 и определите
индекс β.

6.3.3
При z = 3 и при z = 4 найдите явные аналитические выражения для
плотности бесконечного кластера P (x) на дереве Кейли, справедливые
при всех значениях x.

6.3.4
Выведите формулу (93).

50
6.3.5
Вычислите S(x) и G(x|A, B) на дереве Кейли при x > xperc . Воспользуй-
тесь результатами решения задач 6.3.2 и 6.3.4.

6.3.6
Попробуйте найти явные выражения для комбинаторных коэффициен-
тов gs при s  1, и убедитесь, что действительно ns (xperc ) ≈ s−5/2 .

7 Лекция. Приближенные внутренние сим-


метрии в задачах перколяции
Сколько-нибудь адекватное описание любой практически интересной си-
стемы с неизбежностью приводит к моделям, значительно более слож-
ным, чем простые стандартные модели перколяции. Исследование реа-
листических моделей возможно, как правило, лишь численными мето-
дами, которые зачастую бывают не в состоянии выявить качественный
смысл наблюдаемых зависимостей с построить адекватную картину про-
исходящих физических явлений. Поэтому большой интерес представляет
построение приближенной аналитической теории, позволяющей – пусть
неточно, но зато ясно и достаточно просто – описать свойства слож-
ных перколяционных систем. Разумеется, такая теория должна быть по-
луфеноменологической, т.е., опираться на некоторые экспериментально
известные данные и закономерности в качестве основы для дальнейших
логических построений. В качестве такой основы можно использовать
приближенную внутреннюю симметрию (или инвариантность, в другой
терминологии) перколяционных моделей, позволяющую выражать ха-
рактеристики сложных систем через характеристики похожих на них
простых.
Наличие приближенных внутренних симметрий характерно для мно-
гих перколяционных моделей. В своей простейшей форме (которую ниже
мы будем называть “локальной симметрией”) они были обнаружены уже
в ранних работах по перколяции (в 1960-е годы). Смысл локальной сим-
метрии сводится к следующему:
Имеются различные классы перколяционных моделей. Модели внут-
ри данного класса характеризуются набором параметров {µ}, причем
должна существовать функция I{µ} этих параметров (называемая ин-
вариантом), принимающая в точках перколяционных переходов одно и
то же значение Icr для всех моделей этого класса. Само по себе наличие

51
такой функции тривиально, оно означает лишь наличие гиперповерх-
ности фазовых переходов в пространстве параметров {µ}. Нетривиаль-
ным является тот факт, что функция I{µ} оказывается сильно завися-
щей только от нескольких существенных параметров из всего набора, от
остальных же – несущественных – параметров инвариант зависит очень
слабо (приближенно не зависит). К примеру, в перколяционной зада-
че связей на регулярной решетке инвариант I зависит от вероятности
образования связи p, от координационного числа решетки z и от раз-
мерности пространства d, но приближенно не зависит от типа решетки.
Итак, локальная симметрия – не что иное, как независимость функции
I от некоторых характеристик системы. В типичных случаях точность
этой симметрии составляет несколько процентов.
Более внимательный анализ показывает, однако, что описанная выше
локальная симметрия может быть расширена. Численные данные свиде-
тельствуют о том, что не только значение I{µ} на перколяционном поро-
ге является инвариантным, но и плотность перколяционного кластера P
принимает приближенно одно и то же значение для всех моделей данного
класса, если они характеризуются одним значением I. Иными словами,
каждый класс характеризуется инвариантной функцией P (I). Таким об-
разом, согласно гипотезе глобальной симметрии, плотность бесконечного
кластера P является функцией одной переменной – инварианта I, при-
чем это утверждение справедливо не только в непосредственной близости
от порога перколяции, но во всей области параметров. Глобальная сим-
метрия выполняется приблизительно с той же точностью, что и локаль-
ная, так что представляется неразумным ограничиваться локальным ва-
риантом, не используя дополнительных возможностей, открывающихся
при использовании более широкой глобальной симметрии.
Необходимо подчеркнуть, что приближенная теория, использующая
глобальную симметрию задач перколяции, не приспособлена для выясне-
ния тонкостей универсального (или неуниверсального) поведения систем
вблизи перколяционного перехода – критических экспонент, и т.п. Силь-
ной стороной этой теории является способность описать довольно широ-
кий класс сложных систем, характеризуемых множеством параметров,
в рамках единых довольно простых (хотя и приближенных) представ-
лений и вывести универсальные приближенные формулы, описывающие
поведение этих систем в широком интервале параметров.

52
7.1 Локальные симметрии в стандартных задачах
перколяции
7.1.1 Задачи на регулярных решетках
Идея того, что мы называем локальной симметрией, была впервые вве-
дена Домом и Сайксом, которые заметили, что для всех перколяционных
“задач связей” (т.е., таких задач, в которых различные связи разрывают-
ся с некоторой фиксированной вероятностью независимо друг от друга)
на решетках с фиксированной пространственной размерностью d порог
перколяции pcr приближенно обратно пропорционален координационно-
му числу z. Другими словами, среднее число B = zp связей, соединя-
ющих данный узел с соседями является инвариантом, т.е. принимает в
точке перколяционного перехода приближенно одно и то же значение
Bcr для всех решеток фиксированной пространственной размерности d.
Более того, из анализа данных для d = 1, 2, 3, они заключили, что

Bcr (d) ≈ d/(d − 1). (104)

Позднее Шер и Заллен предложили другой инвариант – “объемную


долю” ϑ – для задачи узлов (в которой случайно выбранные “черные” уз-
лы с вероятностью 1−x перекрашиваются в белый цвет и отсоединяются
сразу ото всех своих соседей). Этот инвариант определяется следующим
образом: нарисуем сферы с центрами в каждом узле решетки и с ради-
усами, равными половине расстояния между ближайшими узлами (так
что соседние сферы касаются). Теперь сосчитаем плотность упаковки ρp
– отношение суммарного объема всех сфер к полному объему решетки.
Инвариант выберем в виде ϑ = ρp · x, где x – доля оставшихся в си-
стеме черных узлов. Иными словами, ϑ имеет смысл средней плотности
упаковки черных узлов. Величина ϑcr (значение ϑ в точке протекания)
также оказывается одинаковой для различных решеток одной и той же
размерности.
Приближенная инвариантность ϑcr и Bcr иллюстрируется рисунком
Рис.28.

7.1.2 Задачи перколяции на случайных узлах


Скал и Шкловский и, независимо, Пайк и Сигер предложили инвари-
ант для модели перколяции на случайных узлах (известной также, как
“модель швейцарского сыра”). В этой модели рассматривается сплошная
среда со случайно расположенными одинаковыми кавернами (случайны-
ми узлами) обычно (но не обязательно) имеющими сферическую форму

53
Рис. 28: Иллюстрация локальной симметрии для перколяционных мо-
делей на различных двумерных (2D) и трехмерных (3D) решетках. (a)
– значения ϑcr для задачи узлов, (b) – значения Bcr = zpcr для задачи
связей

54
(см. рис. 29). Перколяция возникает, когда образуется бесконечная си-
стема перекрывающихся каверн, так что возникает возможность путе-
шествовать по бесконечному лабиринту связанных между собой пещер,
пронизывающему все пространство. Эта модель играет важную роль
в теории прыжковой проводимости неупорядоченных полупроводников.
Условие перколяции может быть записано в виде

B ≡ nVex = Bcr , (105)

где n – концентрация узлов, а Vex – “исключенный объем” т.е., объем об-


ласти вблизи одной каверны, в которой не может располагаться центр
другой каверны, если им запрещено пересекаться. Интересно, что физи-
ческий смысл инварианта B для класса задач перколяции на случайных
узлах оказывается в точности таким же, как и для класса задач связей
на регулярной решетке: это среднее число каверн, перекрывающихся с
любой выделенной каверной. Свойство локальной симметрии для это-
го случая заключается в приближенной независимости величины Bcr от
формы каверн (см. задачу 7.3.1) для довольно широкого класса таких
форм: грубо говоря, Bcr = Bcr (d) зависит только от размерности про-
странства d. Например, для кубов и для правильных тетраэдров вели-
чина Bcr отличается от значения, полученного для шара, менее, чем на
5%. По-видимому, это справедливо и для всех выпуклых фигур. Вме-
сте с тем, нужно понимать, что для универсальности важны не столько
свойства самой каверны, сколько свойства фигуры, ограничивающей ис-
ключенный объем. Даже для каверн, имеющих весьма патологическую
форму, исключенный объем оказывается вполне компактным. Важно,
что не существует прямой связи между величиной объема самой кавер-
ны Vcav и исключенным объемом Vex : для невыпуклых каверн последний
может быть даже параметрически больше: Vex  Vcav (см. Рис.30). По-
этому попытки записать условие перколяции (105) в терминах объема
самой каверны, вообще говоря, обречены на неудачу, по крайней мере,
для каверн сложной невыпуклой формы.
Заметим еще, что величины Bcr (d = 2) ≈ 4 и Bcr (d = 3) ≈ 2.7
для случайных узлов заметно отличаются от соответствующих величин
Bcr (d = 2) ≈ 2 и Bcr (d = 3) ≈ 1.5 для задачи связей на регулярной
решетке.
Формула (105) справедлива в предположении, что каверны одинако-
вы и одинаково ориентированы в пространстве. На качественном уровне
ее можно, однако, обобщить и на случай хаотической ориентации каверн:

B ≡ nhVex i ∼ Bcr , (106)

55
(a)
(b)
(a) (a)
(b)

(c) (d)
Рис. 29: Перколяция по случайным узлам: (a) – случайно набросанные
на плоскость кружки; их радиусы слишком малы, поэтому, при данной
концентрации перколяция по перекрывающимся кружкам не возникает.
(b): радиусы кружков (при той же их концентрации) увеличены, пер-
коляция имеется. (c), (d) – то же, что и на рисунках (a), (b), но вместо
кружков – треугольники.

56
(a) (b)
2

2a 2b
a
1 1

Рис. 30: Построение “исключенного объема”: пунктиром показана об-


ласть, в которой не может находиться центр второй каверны, если мы
хотим, чтобы она не пересекалась с первой. (a) Круг, для которого
Vex = 4Vcav ; (b) “Крест” – пример плоской невыпуклой фигуры, для ко-
торой Vex  Vcav .

где усреднение проводится по всем возможным ориентациям двух каверн


относительно друг друга. Увы, в этой формуле величина Bcr уже доволь-
но сильно зависит от формы каверны: например, Bcr ≈ 2.7 для сфер, а
для вытянутых стержней Bcr ≈ 1.4. Вместе с тем, формула (106) очень
полезна: во всех известных случаях она дает зависимость от параметров
задачи, совпадающую с полученной в численном эксперименте.
Проллюстрируем приближенный результат (106) на примере эллипсо-
идов, для которых, в случае их одинаковой ориентации, универсальность
выполняется строго. Очевидно, что случайно ориентированные на плос-
кости очень узкие эллипсы с полуосями b  a перекрываются либо не
перекрываются независимо от величины b, так что для них hVex i ∼ a2 и
условие перколяции имеет вид na2 ∼ 1 (вместо nπab ∼ 1 для одинако-
вой ориентации). То же справедливо и для плоских дисков (сплюснутых
эллипсоидов вращения с полуосями (a, a, b), где b  a) в трехмерном
пространстве: здесь hVex i ∼ a3 и условие перколяции имеет вид na3 ∼ 1
(вместо na2 b ∼ 1 для одинаковой ориентации). Наконец, для случайно
ориентированных вытянутых эллипсоидов вращения (b  a) hVex i ∼ a2 b
(см. задачу 7.3.2) и условие перколяции имеет вид na2 b ∼ 1 (вместо
nab2 ∼ 1 для одинаковой ориентации).
Приведенные в этом разделе результаты важны для исследования
свойств искусственных “метаматериалов”, содержащих наноразмерные
включения, часто имеющие сильно анизотропную форму.

57
Рис. 31: Бинарная смесь: маленькие белые кружки – металлические ша-
рики, большие черные – диэлектрические.

7.1.3 Случайно упакованные сферы: бинарные смеси


Рассмотрим смесь шариков двух сортов: m (металлических) – с радиуса-
ми Rm , и i (диэлектрических) – с радиусами Ri (см. рис. 31). Поскольку
все металлические шарики в этой системе идентичны, к ней также мо-
гут быть применены идеи локальной симметрии. Согласно численным
наблюдениям и теоретическим аргументам, эта система принадлежит к
классу B-инвариантных, так что среднее число Bmm связей, соединяю-
щих данный металлическй шарик с другими металлическими шариками,
должно быть инвариантом. Было показано, что перколяция в системе
возникает приближенно при одном и том же значении Bmm = Bcr ≈ 2
для различных значений параметра асимметрии ρ = Rm /Ri в интерва-
ле 1/3 . ρ . 3. Вне этого интервала (т.е., при сильной асимметрии)
точность локальной симметрии становится низкой. Итак, бинарные сме-
си из шариков с не очень сильно различающимися размерами обладают
приближенной локальной симметрией с инвариантом Bmm .

58
7.1.4 Почему топологически неупорядоченные задачи узлов
обладают симметрией, характерной для задач связей на
регулярных решетках?
Все топологически неупорядоченные модели – как перколяция на слу-
чайных узлах, так и перколяция на случайных упаковках – рассмотрен-
ные в предыдущих подразделах, демонстрируют симметрию, описывае-
мую инвариантом B-типа. Почему эти системы, на первый взгляд явно
принадлежащие к классу моделей узлов, обладают симметрией, харак-
терной для задач связей на регулярных решетках?
Сосредоточимся только на проводящих гранулах и рассмотрим все
связи между ними. Из-за случайного окружения, обусловленного топо-
логическим беспорядком, можно приближенно считать, что все эти связи
устанавливаются или разрываются независимо друг от друга. Это обсто-
ятельство отличает задачи узлов на топологичесски неупорядоченных
сетках от стандартных задач узлов на регулярных решетках (где раз-
личные связи одного и того же узла сильно скоррелированы) и делает
их похожими скорее на задачи связей (где такая корреляция отсутствует
по определению).

7.2 Глобальная симметрия


Симметрия, рассмотренная в предыдущем разделе, касалась только по-
ложения поверхности перколяционных переходов и вероятности перко-
ляции в непосредственной близости от этой поверхности. Теперь мы пой-
дем дальше, и постараемся исследовать эти вероятности во всей области
параметров.
На Рис.32(a) мы построили плотности бесконечного кластера P для
стандартной задачи узлов на нескольких двумерных и трехмерных ре-
шетках не как функцию концентрации узлов x, а как функцию инвари-
анта ϑ. Легко видеть, что в этих координатах все кривые, отвечающие
различным решеткам одной и той же размерности, почти сливаются: по
крайней мере, они совпадают с той же точностью в несколько процентов,
что и соответствующие пороги перколяции (т.е., точки, в которых кри-
вые утыкаются в ось абсцисс). Это наблюдение позволяет, без понижения
точности аппроксимации, положить, что не только значения ϑcr прибли-
зительно одинаковы для всех решеток одной размерности, но, с той же
точностью, одинаковы соответствеющие функции P (ϑ) во всем интерва-
ле их изменения. Это (приближенное) свойство класса перколяционных
моделей мы называем глобальной симметрией, (в отличие от локаль-
ной симметрии, которая говорит только о совпадении соответствующих

59
порогов ϑcr ).
Для случая задачи связей (см. Рис.32(b), где мы перестроили соот-
ветствующие данные в координатах P – B) глобальная симметрия также
неплохо соблюдается для класса трехмерных моделей. Для двумерных
моделей она соблюдается значительно хуже (как, впрочем, и локальная).
Ярко выраженная глобальная симметрия наблюдается для бинарных
смесей случайно упакованных сфер. Если построить P (Bmm ) (как это
сделано на Рис.32(c)), то кривые для различных значений параметра
асимметрии ρ = Rm /Re в интервале 1/3 < ρ < 3 прекрасно совпада-
ют. Это, по-видимому, указывает на наличие глобальной симметрии и
в достаточно широком классе случайных распределений по размерам,
обладающих не слишком большим разбросом.

7.3 Задачи
7.3.1 Задача об эллипсоидах
Докажите, что для случая каверн, имеющих форму одинаково ориенти-
рованных эллипсоидов, величина Bcr в задаче перколяции на случайных
узлах в точности совпадает с той же величиной для случая шаров.

7.3.2 Исключенный объем в задаче о стержнях


Найдите усредненный по ориентациям исключенный объем hVex i для си-
стемы длинных стержней (длина 2a много больше диаметра 2b) в дву-
мерном и в трехмерном случаях.

8 Лекция. “Цветные” перколяционные моде-


ли
Рассмотрим решетку, в которой каждый узел характеризуется случай-
ным “цветом” (т.е., параметром, или набором параметров) a, сP
априорны-
ми вероятностями na (естественно, нормированными, так что a na = 1).
Вероятность связывания paa0 – вероятность установления связи между
двумя соседним узлами, один из которых имеет цвет a, а другой – a0 , яв-
ляется, вообще говоря, произвольной функцией параметров a, a0 . В обоб-
щенной многоцветной задаче протекания имеется два сорта беспорядка:
узлы могут случайным образом приобретать тот или иной цвет, а связи
между узлами тоже устанавливаются случайным образом.

60
Рис. 32: Иллюстрация глобальной симметрии для различных перколя-
ционных систем. (a) – вероятности перколяции P для задачи узлов на
различных двумерных и трехмерных решетках, перестроенные в коор-
динатах ϑ; (b) – то же для задач связей (в координатах B); (c) – то же
для бинарной смеси металлических шариков радиуса Rm и диэлектри-
ческих – радиуса Ri , в координатах B = Bmm (среднее координационное
число в металлической подсистеме) для различных значений параметра
ρ ≡ Ri /Rm .
61
Класс многоцветных задач перколяции чрезвычайно широк, доста-
точно сказать, что он включает в себя в качестве подклассов как зада-
чу связей, так и задачу узлов. Следовательно, обобщенный инвариант
I для многоцветной перколяции (если только он существует), должен
в предельных случаях сводиться, соответственно, к B и к ϑ. Характер
локальных корреляций в этих двух предельных случаях, однако, чрез-
вычайно различен, поэтому придумать разумную интерполяцию между
B и ϑ очень трудно: насколько нам известно, никто до сих пор этого не
сделал.

8.1 Цветная перколяция на дереве Кейли: точное ре-


шение
Введем парциальную плотность бесконечного кластера Pa – вероятность
того, что некоторый фиксированный узел i имеет цвет a и при этом при-
надлежит бесконечному кластеру. В случае дерева Кейли удается по-
строить замкнутые уравнения для величин Pa . Для построения такого
уравнения мы обобщим метод, использованный в задаче 6.3.2. Выберем
опять наш узел i в качестве центра и зафиксируем какие-нибудь z − 1
узлов из его первой оболочки (всего в ней z узлов). Обозначим через Qb
вероятность того, что центральный узел имеет цвет b, и что существу-
ет путь, ведущий из центрального узла на бесконечность и проходящий
через какой-нибудь из этих z − 1 зафиксированных узлов. Очевидно,
( !z )
X
P a = na 1 − 1 − pab Qb . (107)
b

Для величин Qa выведем замкнутое уравнение. Вероятность того, что


фиксированный узел из первой оболочки будет иметь цвет a и при этом
через него будет проходить путь, ведущий на бесконечность, есть про-
изведение na на вероятность того, что хотя бы через один из его z − 1
потомков (принадлежащих ко 2-ой оболочке) тоже проходил путь, веду-
щий на бесконечность. Следовательно,
 !z−1 
 X 
Qa = na 1 − 1 − pab Qb . (108)
 
b

Вблизи порога перколяции все Qa очень малы, поэтому выражение в


правой части (108) можно разложить до второго порядка:
!2
X (z − 1)(z − 2) X
Qa = (z − 1)na pab Qb − na pab Qb , (109)
b
2 b

62
Удобнее иметь дело с симметричными матрицами, поэтому введем

qa ≡ n−1/2
a Qa , (110)

так что уравнение (109) перепишется в виде


!2
X (z − 1)(z − 2) X
qa = (z − 1) p̃ab qb − (na )−1/2 p̃ab qb , (111)
b
2 b

где

p̃ab = (na nb )1/2 pab , (112)

симметричная матрица. Обозначим собственные числа этой матрицы че-


(α)
рез λα , а ортонормированные собственные векторы – через ψa , при этом
для максимального собственного числа зарезервируем большую букву Λ,
а для соответствующего собственного вектора – Ψa :
X (α)
X
p̃ab ψb = λα ψa(α) , p̃ab Ψb = ΛΨa ,
b b
X
ψa(α) ψa(β) = δαβ . (113)
a

Раскладывая qa по собственным векторам


X
qa = U Ψa + uα ψa(α) , (114)
α

и подставляя в (111), получим


!2
(z − 1)(z − 2) X −1/2 X
(1 − (z − 1)Λ)U = − na Ψa ΛΨa U + λα ψα uα (115)
,
2 a α
!2
(z − 1)(z − 2) X −1/2 α X
(1 − (z − 1)λα )uα = − na ψa ΛΨa U + λα ψα uα ,(116)
.
2 a α

Если Λ < 1/(z − 1) (а, следовательно и все λα < 1/(z − 1)), то уравнения
(115,116) не имеют нетривиального положительного решения, а при Λ =
1/(z − 1) такое решение впервые возникает. Значит, условие перколяции
для нашей задачи имеет вид
1
Λ{p̂, ~u} > . (117)
z−1

63
Чуть выше порога перколяции, где Λ > 1/(z−1), но все еще λα < 1/(z−1),
в нетривиальном решении доминирует критическая мода Ψa . Действи-
тельно, из (115,116) следует, что
" #−1 
2(z − 1)2 X −1/2 3

1
U= na Ψa Λ− , (118)
z−2 a
z−1
P −1/2 1
2
(z − 12)3 a na ψaα Ψ2a Λ − z−1
uα = . (119)
8(z − 1)6 P −1/2 3 2 z−11
− λ
h i
α
a na Ψa
Таким образом, если амплитуда критической моды U пропорционадьна
первой степени малого параметра Λ − z−1 1
, то амплитуды некритических
мод uα – второй степени, и в главном приближении ими можно прене-
бречь.
Раскладывая (107) вблизи порога перколяции по малому Q, получим
X X z
Pa ≈ n a z pab Qb = na1/2 z p̃ab qb ≈ na1/2 Ψa U =
b b
z−1
" #−1    
2z(z − 1) X −1/2 3 1 1
= nb Ψb 1/2
na Ψa Λ − θ Λ− . (120)
z−2 b
z − 1 z − 1
Таким образом, как и в “бесцветном” случае, индекс β = 1 совпадает со
среднеполевым, а “цветовая композиция” бесконечного кластера вблизи
1/2
порога перколяции определяется множителем na Ψa 6= na . Представи-
тельство данного цвета в бесконечном кластере определяется не только
априорной его вероятностью na , но и тем, насколько охотно узлы этого
цвета образуют связи: “активно связывающиеся” цвета имеют повышен-
ное представительство в бесконечном кластере, а пассивные, наоборот,
подвергаются дискриминации. Продемонстрируем это на примере моде-
ли с факторизующейся матрицей pab :
pab = Aa Ab , так что p̃ab = (na nb )1/2 Aa Ab , (121)
где величину Aa можно назвать “активностью” цвета a. В этом случае
X
Λ= A2b nb , Ψa = Λ−1/2 n1/2
a Aa , λα = 0, (122)
b

условие перколяции преобретает простой вид:


X 1
A2b nb > , (123)
b
z−1
и мы убеждаемся в том, что
Pa ∝ na Aa . (124)

64
8.2 Обобщение на другие системы: приближенная
глобальная симметрия для цветной перколяции.
Изучая локальную симметрию задач связей, мы видели, что инвариант
B = zp приводит к приближенной зависимости
d
pperc ≈ (125)
z(d − 1)

порога перколяции от координационного числа при фиксированной раз-


мерности пространства. С другой стороны, для дерева Кейли pperc =
1/(z − 1), что совпадает с условием (125) только при z  1. Этого можно
было ожидать: при увеличении размерности системы d, с одной стороны,
уменьшается относительная роль циклов (т.е., система становится все
более похожей на дерево), а, с другой стороны, растет координационное
число. С эмпирической точки зрения, можно думать, что результаты,
основанные на приближенной локальной симметрии есть просто распро-
странение на другие случаи ответов, полученных для дерева Кейли при
z  1.
Попробуем распространить эту идею и на цветную перколяцию. При
z  1 можно положить z − 1 ≈ z, Pa ≈ Qa , так что вместо двух урав-
нений (107,108) мы получим одно замкнутое уравнение для определения
парциальной плотности бесконечного кластера:
( !z )
X
Pa = n a 1 − 1 − pab Pb . (126)
b

Во всей интересной области (где Pa заметно отличается от na ) его можно


переписать в виде
Pa  n o X
= WCayley (B̃a ) ≡ 1 − exp −B̃a , B̃a = Bab Pb , (127)
na b

где мы ввели "матрицу связывания"

Bab = zpab , (128)

имеющую смысл среднего числа узлов цвета b, соседствующих с данным


узлом цвета a и непосредственно с ним связанных. Величина B̃a также
имеет ясный физический смысл: это среднее число узлов бесконечного
кластера, непосредственно связанных с данным узлом цвета a (правда,
вычисленное без учета корреляций).

65
В обычной одноцветной задаче связей Bab = B и уравнение (127)
сводится к

P = WCayley (BP ), (129)

следовательно, вид функции WCayley (x) однозначно связан с видом зави-


симости P (p) в одноцветном случае.
Итак, уравнение (127) можно проинтерпретировать следующим обра-
зом: Вероятность Pa /na того, что данный узел цвета a принадлежит бес-
конечному кластеру, есть универсальная функция одного-единственного
параметра B̃a . Это верно для всего класса цветных задач перколяции на
дереве Кейли с произвольным распределением цветов na , произвольны-
ми матрицами связывания pab и произвольным z  1.
Можно ожидать, что приближенно это свойство будет выполняться
и внутри некоторых других классов цветных систем (уже конечной раз-
мерности), подобно тому, как глобальная симметрия приближенно спра-
ведлива в одноцветных классах.
Pa
= WClass (B̃a ), (130)
na
где функция WClass (x) может быть восстановлена по зависимости P (B)
для какой-нибудь простой одноцветной модели, принадлежащей этому
классу, через функциональное уравнение

P = WClass (BP ). (131)

Разложение функции WClass (B̃) при малых B̃ начинается с линейного


члена:

WClass (B̃) = (Class) − CClass · B̃ 2 + . . . , (132)
Bcr
(Class)
где Bcr и CClass – некоторые константы, специфичные для данного
(Class)
класса систем. Коэффициент Bcr , который, как мы сейчас убедим-
ся, только и нужен для определения критерия перколяции, может быть
найден из сравнения результата с численными данными (если таковые
имеются хотя бы для одной модели из исследуемого класса моделей). За-
метим, что никаких симметрийных ограничений, которые могли бы при-
вести к отсутствию каких-то членов в этом разложении, в нашей задаче
не имеется. Коэффициент перед квадратичным членом в разложении
обязан быть отрицательным (т.е., CClass > 0), для того, чтобы перко-
(Class)
ляция возникала при B̃ > Bcr , а не наоборот. Критерий перколяции

66
может быть сформулирован, как требование существования нетривиаль-
ного решения уравнения (130). В результате получаем этот критерий в
виде
(Class)
B{~n, b̂} > Bcr , (133)
где самосогласованный инвариант B{~n, b̂} представляет собой макси-
мальное собственное число симметричной вещественной матрицы

B̃ab = na nb Bab . (134)

Уравнение (133) определяет гиперповерхность перколяционных перехо-


дов в пространстве параметров ~n (априорное распределение узлов по
цветам) и B̂ (элементы матрицы связывания). Каждая точка в этом про-
странстве представляет определенную систему, принадлежащую к клас-
су, в котором мы постулировали наличие локальной симметрии.
Этот обобщенный критерий перколяции оказался довольно точным
в применении к некоторым системам. Не следует, однако, забывать о
приближенном характере этого критерия. Физическая теория, основан-
ная на нем, может оказаться неточной, или даже грубо неверной, если
исходный класс систем, который мы хотим описать, не обладает сим-
метрией: то есть – если в этот класс насильственно включены системы,
слишком различающиеся по характеру корреляций.

8.3 Задачи
8.3.1 “Модель A − B перколяции”
Это двухцветная решеточная модель (с цветами, обозначаемыми, как A
и B), в которой связываются (с вероятностью p) только соседние узлы
противоположного цвета: pAB = pBA = p, pAA = pBB = 0. Предполагая,
что эта модель находится в одном классе приближенной симметрии с
обычной задачей связей, найдите критерий перколяции

8.3.2 “Швейцарский сыр с дырками случайного размера”


В этом случае роль (непрерывного) цвета играет размер дырки. Предпо-
ложим, что плотность вероятности иметь дырку с радиусом r есть n(r), а
центры дырок распределены по Пуассону с плотностью N . Найдите кри-
терий перколяции, предполагая, что эта модель принадлежит к тому же
классу симметрии, что и стандартная (с дырками одинакового размера).

67
9 Лекция. Перколяционные модели пори-
стых металлов
9.1 Введение
Стандартные модели теории перколяции часто применяются для описа-
ния процессов, протекающих в пористых средах – по сути дела, теория
перколяции и была придумана как раз для этой цели. Стандартные мо-
дели, однако, обладают одним существенным недостатком, делающим их
непригодными для использования во многих физически важных случа-
ях. Именно, в этих моделях всегда присутствуют конечные кластеры, ни-
как не связанные с остальной системой; более того, сам перколяционный
переход как раз в том и заключается, что в системе ничего, кроме этих
конечных кластеров, не остается. В ряде случаев (скажем, когда речь
идет о какой-либо пористой двумерной системе, расположенной на под-
ложке; или о трехмерной смеси двух разнородных, но твердых, веществ)
в этом нет ничего противоестественного, и стандартные перколяционные
модели вполне могут адекватно описывать ситуацию. В других же случа-
ях существование свободных кластеров противоречит здравому смыслу.
Это, в частности, относится к пористому трехмерному веществу, внутри
которого, очевидно, отдельные кластеры всегда механически неустойчи-
вы: они должны немедленно “упасть” под действием силы тяжести (или
какой-нибудь другой силы) и прилипнуть к внутренним стенкам окру-
жающего их пористого тела, так что связность системы будет восстанов-
лена.
Рассмотрим один из распространенных способов изготовления пори-
стого металла: приготовляется и прессуется однородная смесь из частиц
металла и частиц порообразователя (чаще всего – угля), после этого си-
стема нагревается, так что уголь выгорает, а на его месте остаются по-
ры. Очевидно, что в ходе этого процесса образуются конечные кластеры,
которые, из-за возникающих в процессе отжига сильных внутренних на-
пряжений, скорее всего, должны не падать под действием силы тяжести,
а “отскакивать” в случайном направлении и прилипать к стенкам. В лю-
бом случае, все частицы системы вновь оказываются принадлежащими к
одному бесконечному кластеру. В альтернативном методе вместо угля в
качестве порообразователя используются полимерные частицы, которые
затем удаляются с помощью растворителя.
Другим примером процесса, в котором нарушение связности запре-
щено, может, в некоторых случаях, служить процесс деградации поли-
мерного материала. Под действием случайных внешних факторов (на-

68
пример, ультрафиолетового облучения) межмолекулярные связи в таком
материале могут разрываться. Притяжение между молекулами стремит-
ся восстановить эти связи, однако, как правило, такое восстановление
оказывается невозможным благодаря сильным внутренним напряжени-
ям. Эти напряжения немедленно смещают “берега” разрыва друг отно-
сительно друга, что не позволяет связи восстановиться. Очевидным ис-
ключением является случай, когда разрыв связи приводит к полному
отсоединению некоторого фрагмента от остальной системы: в этом слу-
чае напряжения на разорванной связи отсутствуют и силы межмолеку-
лярного притяжения получают возможность восстановить связь. Таким
образом, несмотря на постепенное разрушение межмолекулярных связей
в таком материале, можно ожидать, что связность его будет сохраняться,
по крайней мере на ранних этапах деградации.
Итак, существует множество важных физических процессов, в ко-
торых образование конечных кластеров сопровождается немедленным
залечиванием системы, так что связность ее восстанавливается и перко-
ляционный переход невозможен. К каким физическим свойствам обра-
зующейся пористой системы приводит такой процесс? Возможно ли – и
каким образом – образование очень разряженной, но при этом связной
системы (например, аэрогеля)?
Для теоретического ответа на эти вопросы необходимо придумать
и исследовать достаточно простую модель, описывающую такую ситу-
ацию. Здесь мы подробно рассмотрим только одну из них – простейшую.
Уже в этой модели становится ясным, что свойства бесконечного кла-
стера (а только он и имеется в системе на всех этапах ее образования)
весьма необычны. В частности, при увеличении концентрации пор до
некоторой критической в системе происходит топологический фазовый
переход, ниже которого пористая система, оставаясь связной, становится
“древовидной” – чрезвычайно хрупкой и непроводящей.

9.2 Модель с самозалечивающимся связями: Поста-


новка задачи
Эта модель (SRBP – Self Repairing Bond Percolation) устроена следую-
щим образом: Из системы случайным образом удаляются связи согласно
следующему алгоритму (см. Рис.33):

1. Начинаем с целой решетки (все связи присутствуют).

2. Каждый шаг процесса состоит из двух частей:

69
?

1 (Start=Lattice) 2

3 4 (Finish=Tree)

Рис. 33: Иллюстрация к алгоритму модели SRBP.

• Случайным образом выбираем одну из оставшихся в системе


связей и удаляем ее;
• После этого проверяем: не возникли ли в системе конечные
кластеры? Если нет – то переходим к следующему шагу, если
возникли – то восстанавливаем только что разорванную связь
и переходим к следующему шагу.

3. Процесс можно формально продолжать до бесконечности, но, как


мы увидим, начиная с некоторого шага он выродится: все вновь
разорванные связи придется восстанавливать.

Итак, предлагаемая система обладает свойством самозалечивания: в


ходе ее постепенного разрушения допускается возникновение только та-
ких “некатастрофических” дефектов, которые не приводят к нарушению
связности, катастрофические же дефекты мгновенно залечиваются.
Мы будем интересоваться свойствами нашей системы в зависимости
от доли p связей, оставшихся неразрушенными (сюда включаются и те,
которые были некогда разорваны, но восстановлены). В частности, мы
исследуем проводимость σ(p) и “минимальное химическое расстояние”
(minimal chemical path) `(R, p) – усредненную по ансамблю длину крат-
чайшего пути по уцелевшим связям, соединяющего две точки, находя-
щиеся на расстоянии R друг от друга.

70
9.3 Топологический фазовый переход: сетевидная и
древовидная фазы
Первое простое наблюдение относительно нашей модели заключается в
том, что, как уже отмечалось выше, существует некоторая минимальная
концентрация
2
ptree ≡ , (135)
z
(z -координационное число решетки), такое, что при p = ptree дальней-
шее удаление связей становится невозможным: система может оставать-
ся связной только при p ≥ ptree (см. задачу 9.7.1). При p = ptree она
представляет собой накрывающий древесный граф (Spanning Tree – ST),
т.е. – связный граф, не имеющий циклов и содержащий все узлы нашей
решетки в качестве вершин. Существует целое множество графов, удо-
влетворяющих этим условиям, и все они с определенной вероятностью
могут оказаться конечным результатом нашего процесса. Известно, что
в нашем случае эти вероятности должны быть точно такими же, как
и для подробно исследованного в математике “ансамбля минимальных
деревьев” – MST (Minimal Spanning Tree). Свойства этого ансамбля до-
вольно хорошо изучены: в частности, минимальный химический путь
является фракталом:
(MST)
`(R, p = ptree ) ∝ Rdmin , (136)
(MST)
где dmin > 1. Кроме того, проводимость древесного графа очевидно
равна нулю σ(p = ptree ) = 0.
Ниже мы покажем, что на самом деле минимальный химический путь
фрактален и проводимость системы равна нулю не только при одной –
минимально возможной – концентрации p = ptree , но в целом интервале
концентраций ptree ≤ p ≤ pc . Возникающее при этом фазовое состоя-
ние вещества мы будем называть “древовидным”, в отличие от обычного
“сетевидного”, возникающего при pc ≤ p < 1.

9.3.1 “Серые связи”. Установление частичного соответствия со


стандартной задачей связей
Для того чтобы доказать сфомулированное выше утверждение, мы ис-
пользуем следующую конструкцию, позволяющую частично свести нашу
задачу к обычной задаче перколяции.
Пусть все связи в системе сначала были черными. Если на некото-
ром шаге определенная связь была разорвана, но восстановлена, то мы

71
Рис. 34: Типичная конфигурация черных и серых связей на квадратной
решетке

договоримся перекрашивать такую связь в серый цвет (см. Рис.34). То-


гда все остающиеся к некоторому моменту связи (доля p от начального
числа) разобьются на две группы: черные (доля b = b(p)) и серые (доля
g = p − b(p)). Легко показать, что функция b(p) монотонно возрастает и
имеет следующие асимптотики:
(
p, для 1 − p  1, (почти все связи – черные),
b(p) ≈ (137)
0, для p → ptree , (почти все связи – серые).

Очевидно, что никакая серая связь никогда не будет уничтожена, а так-


же, что при p = ptree все оставшиеся в системе связи будут серыми.
Покажем теперь, что “скелет” (backbone) полной (содержащей как
черные, так и серые связи) системы совпадает со скелетом черной под-
системы. Действительно, никакая серая связь не может принадлежать к
скелету, так как ее разрезание приводит к отделению конечного кластера
и, таким образом, она по определению принадлежит к “мертвому концу”
(dangling end), а не к скелету.
Заметим, что черные связи удаляются из системы совершенно слу-
чайным образом, поэтому поведение черной подсистемы идентично стан-
дартной перколяционной задаче связей. В частности, скелет ее (вместе
с бесконечным кластером) исчезает на пороге перколяции, где b = pperc .
Таким образом, мы приходим к заключению, что существует крити-
ческая концентрация связей pc , такая, что при p < pc все остающиеся

72
в системе связи принадлежат к одному бесконечному кластеру, причем
этот бесконечный кластер (имеющий конечную плотность!) совсем не
имеет скелета и весь состоит исключительно из мертвых концов. Крити-
ческая концентрация определяется условием
b(pc ) = pperc , (138)
где pperc – порог перколяции для стандартной задачи связей на той же
решетке. С другой стороны, нетрудно сообразить (см. Рис.34), что чис-
ло серых связей равно числу конечных кластеров в черной подсистеме:
g = ncl . Поэтому критическая концентрация может быть выражена ис-
ключительно через характеристики стандартной перколяционной моде-
ли:
pc = pperc + n∗cl , (139)
где n∗cl – число конечных кластеров (на одну связь полной решетки) на
пороге перколяции. Последняя величина известна
√ для многих решеток;
в частности, для квадратной решетки n∗cl = (3 3 − 5)/4 и pperc = 1/2, так
что √
3 3−3
pc = ≈ 0.54904. (140)
4

9.4 Блочная структура и критическое поведение


вблизи перехода
В скейлинговой теории перколяции соотношения между различными
критическими показателями выводятся из рассуждений, использующих
функцию распределения конечных кластеров. В нашей модели конеч-
ных кластеров не существует вовсе, но, к счастью, можно ввести другие
объекты – блоки, выполняющие здесь похожую роль и делающие воз-
можным развитие скейлинговой теории. По определению, принятому в
теории графов, блок – это максимальный подграф, который не распада-
ется на части при удалении любой (одной) из его вершин. Легко пока-
зать, что либо блок состоит из одной единственной связи и двух вершин
на ее концах (будем называть такие блоки тривиальными), либо любые
две связи из одного блока непременно лежат на одном цикле. Два раз-
ных блока могут иметь не более одной общей вершины; такая вершина
называется соединительной точкой (articulation point), ее удаление обя-
зательно разъединяет блоки.
По любому заданному графу можно построить соответствующий ему
“блочный граф”, вершинами которого являются все блоки и все соедини-
тельные точки исходного графа, причем две вершины считаются связан-
ными, если одна из них – блок, а вторая – принадлежащая этому блоку

73
соединительная точка. Любой блочный граф является деревом (т.е., свя-
зен и не содержит циклов). Примеры построения блочных графов даны
на Рис.35.
Оказывается, что различие между сетевидной и древовидной фазами
наиболее ярко проявляется именно в их блочной структуре.
Скелет, существующий в сетевидной фазе, представляет собой еди-
ный (бесконечный) блок. Скелет содержит бесконечные циклы и имеет
конечную плотность. К нему присоединяется бесконечное число ветвей –
мертвых концов, каждая из которых представляет собой конечное дерево
из конечных блоков. При приближении к точке перехода в древовидную
фазу скелет становится все менее и менее плотным: доля принадлежа-
щих к нему связей стремится к нулю по закону
PB (p) ∝ (p − pc )βB , (141)
где βB – индекс плотности скелета в стандартной теории перколяции (в
частности, βB ≈ 0.48 для d = 2. Для вывода формулы (141) нам понадо-
бился только тот факт, что скелеты для всей системы и для ее черной
подсистемы совпадают, а также соображение о гладкости функции b(p)
в точке pc .
В древовидной фазе скелет вовсе исчезает, так что в системе остаются
только конечные блоки (и конечные циклы). Соответствующие конфи-
гурации связей мы будем называть квазидеревьями.
В то время, как полное число мертвых концов при p → pc уменьша-
ется, характерное число блоков в мертвом конце и характерное число
связей в блоке – растут. Полезно ввести функцию распределения nl (p)
конечных блоков по числу l связей в них. По аналогии с функцией рас-
пределения конечных кластеров в стандартной задаче перколяции, близи
перехода функцию nl (p) можно представить в скейлинговом виде:
nl (p) ∼ l−τ f± l(p − pc )1/σ , (142)
 

где f± (x) – универсальные функции, экспоненциально спадающие при


x  1. Знак (+) отвечает случаю p > pc , знак (−) – p < pc ; функции
f+ (x) и f− (x), вообще говоря, могут немного отличаться друг от дру-
га. Перенесение стандартной аргументации теории скейлинга с конеч-
ных кластеров на блоки приводит к следующим соотношениям между
критическими показателями:
τ −1
ν= , ξ(p) ∼ (p − pc )−ν (143)
σd
Корреляционная длина ξ(p) характеризует, среди прочего, и корреляции
в скелете, и, поскольку скелет в нашей задаче совпадает со скелетом стан-

74
“Solid” Corresponding Tree of blocks

“Quasi-tree” Corresponding Tree of blocks

Рис. 35: Типичные конфигурации связей в сетевидной и древовидной


фазах и соответствующие им блочные графы. Большой черный квадрат
– бесконечный блок, совпадающий со скелетом бесконечного кластера.
Большие черные круги – нетривиальные конечные блоки; маленькие чер-
ные круги – тривиальные (состоящие из одной связи) блоки; маленькие
светлые круги – соединительные точки.

75
дартной перколяции, мы заключаем, что показатель ν для модели SRBP
совпадает со стандартным (это подтверждается и численным счетом).
Показатель γ, характеризующий поведение среднего размера конеч-
ных блоков S(p) вблизи pc , есть
P 2
3−τ l nl (p)
γ= , S(p) ≡ l ∝ (p − pc )−γ . (144)
σ p − PB (p)
Наконец,
τ −2 d
βB = , dB = , (145)
σ τ −1
где dB – фрактальная размерность скелета при p = pc .
Так как процесс проводимости на постоянном токе протекает исклю-
чительно в скелете (токи в мертвых концах равны нулю), проводимость в
модели SRBP тривиально выражается через проводимость стандартной
модели связей:

σSRBP (p) ≡ σperc [b(p)] ∝ (p − pc )µ , (146)

в частности, критический показатель µ имеет стандартное значение. Для


длины минимального химического пути в сетевидной фазе получаем
R
`(R) = ,
v(p) (147)
(perc) (perc)
1−dmin −ν+νdmin
v(p) ∼ ξ(p) ∼ (p − pc ) ,
(perc)
где dmin – размерность минимального химического пути на критическом
кластере, опять-таки, для стандартной задачи перколяции. Как обычно,
формула (147) справедлива только при R  ξ(p); в обратном предельном
случае R  ξ(p) она должна быть заменена на критический закон
(perc)
`(R) ∝ Rdmin . (148)

При R ∼ ξ(p) выражения (147) и (148) совпадают по порядку величины.

9.5 Фрактальные свойства древовидной фазы


Как уже говорилось, при p = ptree наша система сводится к MST-
ансамблю. В высоких размерностях d > dc такие деревья на бесконечной
решетке могут иметь несколько компонент: это означает, что минималь-
ный путь между двумя точками на графе, расположенными на конеч-
ном евклидовом расстоянии друг от друга, может оказаться бесконечно

76
длинным, если эти точки принадлежат к разным компонентам. Однако
имеются аргументы в пользу того, что dc = 8, так что при d < 8 между
любыми двумя точками A и B существует единственный путь P(A, B) с
конечной длиной. Этот путь представляет собой некоторое несамопересе-
кающееся случайное блуждание с фрактальной размерностью df = dmin .
Эта размерность в двумерном случае вычислена аналитически для так
называемого однородного ансамбля деревьев (UST-ансамбль), где все до-
пустимые конфигурации имеют одинаковую вероятность возникновения.
Для интересующего нас MST-ансамбля точное решение неизвестно, име-
ются только численные оценки: dmin ≈ 1.22 для d = 2, dmin ≈ 1.42 для
d = 3, и dmin ≈ 1.59 for d = 4.
Ниже мы продемонстрируем, что фрактальная размерность мини-
мального пути одинакова (и совпадает со значением для MST-ансамбля)
во всем интервале концентраций, где осуществляется древовидная фаза:
(MST)
dmin (p) = dmin . (149)

Более точно, при R  ξ


(MST)
Rdmin
`(R, p) = ,
v(p) (150)
(MST) (perc) (MST) (perc)
dmin −dmin −νdmin +νdmin
v(p) ∼ ξ(p) ∼ (pc − p) ,

Для доказательства рассмотрим некоторое квазидерево Q и множе-


(Q)
ство деревьев Ti , которые могут впоследствии образоваться из этого
квазидерева в процессе дальнейшего разрушения связей согласно алго-
ритму модели. Очевидно, что Q есть не что иное, как объединение всех
(Q)
Ti :
(Q)
Q = ∪i Ti . (151)

Введем граф

P(A, B)(Q) = ∪i Pi (A, B)(Q) , (152)


(Q)
являющийся объединением всех путей Pi , ведущих из точки A в точку
(Q)
B во всех деревьях Ti . Легко убедиться в том, что граф P(A, B)(Q) есть
в точности путь, ведущий из A в B на блочном графе, соответствующем
Q (см. Рис. 36).
Кратчайший (по всему квазидереву Q) путь P(A, B)(Q) между точка-
ми A и B, очевидно, совпадает с кратчайшим путем по графу P(A, B)(Q) .

77
A

Shortest Path

B Typical MST Path

Рис. 36: Путь, соединяющий точки A и B на блочном графе; нетривиаль-


ные блоки показаны, как заштрихованные области. Внутренняя струк-
тура типичного блока показана на врезках: типичный MST-путь, пересе-
кающий блок (нижняя врезка) и кратчайший путь через блок (верхняя
врезка).

78
В тех его частях, которые проходят по нетривиальным блокам, он сов-
падает с кратчайшим путем, пересекающим соответствующий блок. По-
следний может быть существенно короче, чем любой индивидуальный
MST-путь (см. врезки на Рис.36).
Это рассуждение позволяет оценить типичное отношение длин кус-
ка истинного минимального пути P(A, B)(Q) и соответствующего кус-
ка кратчайшего MST-пути. Мы проведем такую оценку для случая,
когда p < pc , но pc − p  1 (т.е., в окрестности прехода, со сторо-
ны древообразной фазы). Имея в виду, что типичный размер блока –
ξ(p)  1, для типичной длины MST-пути, пересекающего блок, мы по-
(MST)
лучаем `MST (ξ) ∼ ξ dmin , в то время как длина истинно кратчайшего
пути через блок – такая же, как в случае критической перколяции:
(perc)
`short (ξ) ∼ ξ dmin . В результате, мы приходим к оценке (150), которая,
кстати сказать, согласуется с формулой (148), справедливой для крити-
ческого случая (R  ξ) с обеих сторон от точки фазового перехода.
Так как приведенные выше рассуждения носят, скорее, качествен-
ный характер и не могут претендовать на математическую строгость,
мы предприняли численную проверку соотношения (149). Симуляции не
выявили никаких вариаций величины dmin при изменении p в интервале
ptree < p < pc (см. Рис.37).

9.6 Заключение
На примере модели с самозалечивающимися связями мы убедились в
том, что, желая сделать трехмерный материал все более и более пори-
стым, мы можем столкнуться с проблемой: при некоторой критической
степени пористости произойдет что-то вроде “растрескивания” образец,
оставаясь связным, окажется при этом настолько “изъеденным”, что его
механические и электрические свойства совершенно испортятся. Мате-
матически это выражается в исчезновении “скелета” – той внутренней
структуры, которая как раз и ответственна за перенос постоянного то-
ка и за упругость системы. Возникающее при “закритической” степени
пористости древовидное состояние должно обладать необычными фрак-
тальными свойствами.
Возникают вопросы:

1. Насколько общим является вышеописанное явление – не является


ли оно выделенным свойством одной специальной модели?

2. Не приведут ли неучтенные нами физические эффеты к размытию


перехода?

79
1000

1: p1=0.56000
2: p2=0.54904
3: p3=0.54000 1 2 3 4
4: p4=0.50000
<r>

100

10
20 200 2000
L

Рис. 37: Среднеквадратичное смещение, как функция химического рас-


стояния для различных значений p, полученное в результате усреднения
по 1600 реализациям на квадратной решетке 2048 × 2048 с периодически-
ми граничными условиями. Асимптотические наклоны соответствуют
dmin (pc ) = 1.13(1) – кривая 2; и dmin (pc −0.01 = 0.54) = dmin (ptree ) = 1.22(1)
– кривые 3,4. Численные значения находятся в согласии с известными
результатами.

80
3. Наблюдалось ли что-нибудь подобное экспериментально?

Исследование этих вопросов в настоящий момент далеко от заверше-


ния, однако я выскажу здесь некоторые правдоподобные предположения,
основанные на предварительных результатах.
Для ответа на первый вопрос можно исследовать модель с самоза-
лечивающимися узлами (Self Repairing Site Percolation – SRSP), отлича-
ющуюся от описанной выше модели SRBP только тем, что в ней уни-
чтожаются и восстанавливаются не связи, а узлы решетки. Можно рас-
смотреть также и гибриды SRBP и SRSP, в которых на каждом шаге с
вероятностью q удаляется узел, а с вероятностью 1−q – связь. В отличие
от чистого SRBP, все эти модели не допускают аналитического решения
– по крайней мере до сих пор никому не удалось найти такого решения.
Численное моделирование показало, что фазовый переход между се-
тевидной и древовидной фазами имеется во всех моделях этого класса,
однако он не является универсальным: критические индексы неунивер-
сальны и непрерывным образом зависят от параметра гибридизации q.
Кроме этих моделей, рассмотрена “модель прилипающих кластеров”
(Burning and Sticking Model – BSM), в которой также удаляются узлы,
но, в случае отрыва конечного кластера уничтоженный узел не восста-
навливается, а, вместо этого, образовавшийся кластер сдвигается вдоль
одной из осей симметрии решетки до тех пор, пока связность не будет
восстановлена (см. Рис.38). Эта модель кажется более близкой к реаль-
ности, чем упомянутые выше (но, при этом, и более сложной).
По предварительным расчетам, фазовый переход в этой модели про-
исходит только при нулевой плотности, т.е., система остается, строго го-
воря, в сетевидной фазе при произвольно низкой плотности, хотя, как
показывают расчеты, плотность скелета убывает при p → 0 значительно
быстрее, чем p. Причина вырожденного характера этого перехода, как
мы думаем, заключается во множественном восстановлении связей в про-
цессе прилипания оторвавшегося кластера к стенке каверны (backbone
reenforcement effect), этот эффект, по-видимому, существенно использует
соизмеримость решетки и может отсутствовать в реальной непрерывной
системе.
В том, что касается второго вопроса, здравый смысл подсказыва-
ет нам, что древовидная фаза в чистом виде не может существовать в
природе, в частности, из-за своей бесконечной хрупкости. Если подойти
очень близко к переходу, то образующиеся при этом громадные мертвые
концы за счет неучтенных нами внешних воздействий начнут обламы-
ваться и смыкаться, вновь образуя циклы. При этом, строго говоря, дре-
вовидная фаза не возникнет вовсе, но – если упомянутые выше внешние

81
1(START) 2 3 (unstable)

3a (stable) 4 5

6 7 8

FINISH
Рис. 38: Иллюстрация к модели BSM. Серые узлы – металл, черные
– уголь. Черные узлы один за другим (в случайной последовательно-
сти) удаляются. На Рис.(3) видно образование конечного кластера; на
Рис.(3a) стрелкой показано, как этот кластер сдвигается направо и при-
липает к стенке.

82
эффекты относительно слабы – на ее месте образуется квазидревовидная
фаза, в которой циклы присутствуют, но в малом количестве. Соответ-
ственно, можно ожидать, что жесткость и проводимость этой фазы будут
малы, но конечны, а соответствующий фазовый переход – размыт.
Экспериментальным исследованием и численным моделированием
пористых систем до сих пор занимались в основном инженеры. Хотя
здесь накоплено много интересных результатов, они трудно поддаются
интерпретации, так как и по своим методам, и по представлению о том,
что важно и интересно, они кардинально отличаются от принятого в фи-
зике. Прямых – “сознательных” – экспериментальных наблюдений таких
переходов, насколько нам известно, пока не было, хотя во многих инже-
нерных работах имеются указания на “плохие образцы” – легко разру-
шающиеся, обладающие низкими механическими и электрическими ха-
рактеристиками. Такими образцами никто особенно не интересовался –
их просто отбрасывали, хотя, возможно как раз они-то и являлись дре-
вовидными (или квазидревовидными). Нам представляется очень важ-
ным заинтересовать этой проблемой экспериментаторов-физиков, кото-
рые могли бы должным образом исследовать такие плохие образцы.

9.7 Задачи
9.7.1
Докажите, что для любого достаточно большого накрывающего дерева
ptree = 2/z.

10 Лекция. Диффузия и проводимость в


перколяционных моделях
10.1 Статистика кондактансов конечных образцов
Рассмотрим бесконечную систему с концентрацией связей p и будем счи-
тать образец, что каждая связь имеет кондактанс g. Нарежем из этой
системы конечных образцов с размером L (например, в трехмерном слу-
чае, это будут кубики L × L × L), Какова будет функция распределения
FL (G) кондактансов G получившегося ансамбля образцов? В частности,
каковы будут среднее значение G(L) и дисперсия ∆G(L)? Ответ на эти
вопросы, очевидно, зависит от соотношения между L и ξ. Повторяя рас-
суждения, уже многократно использованные нами в предыдущих лекци-

83
ях (см. формулы (36,37,38,39)), мы получим для среднего кондактанса
(
gL−ζ̃ , L  ξ,
Gtot (L) ≈ (153)
σ(p)Ld−2 , L  ξ.
где макроскопическая проводимость системы

σ(p) ∼ g(p − pperc )µ θ(p − pperc ), (154)

а критический индекс

ζ̃(d=2) ≈ 0.974, ζ̃(d=3) = 1.3 (155)

связан с индексом проводимости

µ(d=2) ≈ 1.30, µ(d=3) = 2.14 (156)

соотношением
ζ̃ = 2 − d + µ/ν, (157)
вытекающим из условия приблизительной сшивки двух асимптоти-
ческих результатов при L ∼ ξ. Дисперсия кондактансов ∆tot =
h i1/2
(Gtot − Gtot )2 описывается формулой (см. задачу 10.3.1)
(
G(L), L  ξ,
∆tot (L) ≈ (158)
σ(p)ξ d/2 L−(4−d)/2 , L  ξ.

Эти результаты можно суммировать формулой


(
∆tot (L) 1, L  ξ,
≈ d/2
(159)
G(L) (ξ/L) , L  ξ.

10.2 Диффузия частиц в перколяционных системах


В этом разделе мы рассмотрим различные постановке задачи о частице,
совершающей случайное блуждание по связям перколяционной системы.

10.2.1 Диффузия на бесконечном кластере


Предположим, что в момент t = 0 некая частица помещена на произволь-
но выбранный узел бесконечного кластера. К моменту времени t = 1 · ∆t
частица совершает переход на один из узлов, ближайших к тому, на ко-
тором она находилась (выбор между всеми такими узлами совершается

84
случайно). К моменту t = 2∆t снова происходит переход на один из бли-
жайших узлов и так далее. Спрашивается, какова вероятность P (R, t)
того, что за время t (т.е., за t/∆t шагов) частица удалится от начального
узла на расстояние R? В частности, каково будет среднеквадратичное
расстояние R2 (t), на которое она удалится? Мы знаем, что обычное слу-
чайное блуждание в более или менее однородной среде характеризуется
известным законом Фика
R2 (t) ∝ Dt, (160)
где D – эффективный коэффициент диффузии. Например, в идеальной
гиперкубической (размерности d) решетке с шагом a D = D0 ≡ a2 /d∆t.
Для сокращения записи в дальнейшем мы будем использовать такие еди-
ницы измерения длины и времени, что D0 = 1. В неидеальной решетке
(с дефектами, дырками и т.д.) диффузия может протекать значительно
медленнее, чем в идеальной, так что D может оказаться гораздо меньше,
чем 1. Однако закон Фика всегда должен выполняться на больших вре-
менах, когда частица успевает уйти на расстояние, превышающее харак-
терный размер неоднородности в среде. Поэтому мы должны ожидать,
что в поставленной нами задаче он будет выполняться при t  tξ , где
tξ ∼ ξ 2 /D. Остается выяснить: а) Чему равно D и б) Во что переходит
закон Фика при t  tξ . Последний вопрос особенно интересен вблизи
порога перколяции, когда можно ожидать, что D = Dinf  1 и поэтому
tξ  ∆t
Применяя в очередной раз гипотезу скейлинга, мы можем написать
( (inf)
t2/dw , t  tinf , (inf)
2
R (t) ≈ tinf ∼ ξ 2 /Dinf ∼ ξ dw . (161)
Dinf t, t  tinf .
При этом, как всегда, из условия сшивки результатов при t ∼ tinf полу-
чаем
(inf)
Dinf ∼ (p − pperc )ν(dw −2)
 1. (162)
Итак, диффузия на бесконечном кластере вблизи порога перколя-
ции происходит гораздо медленнее, чем в однородной системе. Причи-
на такого драматического замедления в том, что блуждающая частица
постояно попадает в тупики и ловушки (например, мертвые концы) от-
куда потом вынуждена долго выбираться, чтобы продолжить свой путь.
Диффузионный критический индекс dw (иногда его называют фракталь-
ной размерностью случайного блуждания) можно выразить через индекс
проводимости µ, воспользовавшись соотношением Эйнштейна
σ = e2 nD/T, (163)

85
связывающим проводимость σ c коэффициентом диффузии D и кон-
центрацией частиц n. В нашем случае в роли концентрации выступает
плотность бесконечного кластера: n → ninf = P (p) ∝ (p − pperc )β , а в роли
коэффициента диффузии – Dinf . Действительно, частица, оказавшись на
случайно выбранном узле, попадает на бесконечный кластер и преобре-
тает возможность уйти на неограниченно большое расстояние с вероят-
ностью P (p), причем этот уход описывается законом Фика с D = Dinf . В
результате получаем σ ∝ P (p)Deff , откуда, сравнивая степени p − pperc в
обеих частях равенства, приходим к соотношению
µ−β
d(inf)
w =2+ > 2, (164)
ν
связывающему фрактальную размерность случайного блуждания с кри-
тическим индексом проводимости.

10.2.2 “Усредненная” диффузия по всей системе


Можно поставить задачу о случайном блуждании во всей перколиру-
ющей системе следующим образом: Посадим частицу на произвольный
узел и начнем процесс блуждания. Если частица изначально попала на
бесконечный кластер, то процесс ее блуждания будет описываться фор-
мулой (161). Если же начальный узел принадлежал конечному кластеру
C размера l(C) < ξ , то частица будет диффундировать по этому класте-
ру, но никогда с него не уйдет. На начальном этапе блуждания частица
еще не будет знать о том, что она попала в ловушку и будет спокойно
распространяться, следуя тем же законам, что и в бесконечном класте-
ре. Только достигнув границы, она постепенно осознает, что дальше пути
нет, при этом ее среднее смещение перестанет расти:
( (inf)
t2/dw , t  tC , (inf)
2
R (t)C ≈ 2
tC ∼ lCdw (165)
lC , t  tC ,

где tC – время, за которое блуждающая частица успевает пересечь кла-


стер. Если теперь усреднить по всем возможным начальным положени-
ям, то
X
R2 (t)av = P (p)R2 (t)inf + ns (p)sR2 (t)C(s) , (166)
s

где в качестве C(s) следует взять характерный кластер, содержащий s


узлов. Для такого кластера lC ∼ s1/df . Оценивая различные вклады в

86
формулу (166) (см. задачу 10.3.2), можно получить
 (av)

 t2/dw , t  tξ ,
R2 (t)av ≈ Dav t, t  tξ и p > pperc , (167)

(pperc − p)β ξ 2 , t  tξ и p < pperc .

где “средний” коэффициент диффузии

Dav = Dinf P (p) ∼ (p − pperc )β Dinf  Dinf , (168)

а “средняя” размерность случайного блуждания


 −1
d (τ − 2)
(av)
dw = dw (inf)
1− > d(inf)
w . (169)
2 (τ − 1)

10.2.3 Диффузия на скелете бесконечного кластера


Поучительно также рассмотреть и диффузию на скелете бесконечного
кластера. Давайте сначала оборвем с бесконечного кластера все мерт-
вые концы, которые только тормозили диффузию, и посмотрим, с какой
скоростью происходит случайное блуждание на оставшемся скелете. По-
вторяя все предыдущие рассуждения и замечая, что проводимость ске-
лета совпадает с проводимостью исходной системы (т.к. мертвые концы
в проводимость вклада не дают), мы получим
( (B)
t2/dw , t  tB , (B)
2
R (t) ≈ tB ∼ ξ 2 /DB ∼ ξ dw , (170)
DB t, t  tB .

µ − βB
d(B)
w = 2+ > 2, 2 < d(B) (inf)
w < dw , (171)
ν
где βB – критический индекс плотности скелета (см. Лекцию 4). Так как
βB > β, диффузия на скелете происходит быстрее, чем на всем беско-
нечном кластере. Этого легко было ожидать: удаленные нами мертвые
концы только замедляли диффузию. Интереснее другое: так как βB < µ,
диффузия на скелете происходит все-таки медленнее, чем в однородной
среде. Несмотря на отсутствие мертвых концов, остаточное “застрева-
ние” происходит в “клубках” (blobs), где частица бессмысленно толчется,
вместо того, чтобы сразу же решительно направиться к “связи” (link) ко-
торая только и может вывести ее на дорогу, ведущую в бесконечность...
Итак, мы рассмотрели три различных процесса диффузии. Самый
быстрый из них – диффузия по скелету бесконечного кластера, затем

87
идет диффузия по всему бесконечному кластеру, и, наконец, самый мед-
ленный процесс – “усредненная” диффузия по всей системе, включающей
как конечные, так и бесконечный кластер:
Dav  Dinf  DB  1, (B)
2 < dw < d(inf)
w < d(av)
w . (172)
Подчеркнем еще раз, что даже самый быстрый из этих процессов все
равно медленнее, чем обычная диффузия на регулярной решетке, для
которой dw = 2, D = 1.

10.3 Задачи
10.3.1
Оцените среднеквадратичные флуктуации кондактанса конечного “ку-
бического” d-мерного образца размера L.

10.3.2
Выведите формулу (167), рассматривая по отдельности вклад бесконеч-
ного кластера, вклад больших конечных кластеров (которые частица не
успевает пересечь за время t) и, наконец, вклад маленьких кластеров.

11 Лекция. Проводимость и диэлектриче-


ская проницаемость двухкомпонентных
систем
В самой первой лекции мы приближенно рассматривали проводимость
сетки из случайных кондактансов. В частности, мы исследовали случай,
когда в системе встречаются лишь два типа кондактансов: G (с концен-
трацией p) и g (с концентрацией 1 − p). Как мы убедились, при g  G
свойства системы резко изменяются, когда p проходит через некоторое
критическое значение pperc (порог перколяции). Вблизи порога рассмот-
ренный нами приближенный метод (метод эффективной среды) рабо-
тал плохо. Поэтому в последующих лекциях мы подробно исследовали
окрестность порога перколяции и возникающие там критические явле-
ния. Все это было сделано, однако, в предельном случае, когда g = 0.
В этой главе мы постараемся выяснить, как модифицируется поведение
системы в критической области при малых, но конечных g. Естественно
ожидать, что при этом возникнет некоторая узкая (шириной ∆  1) об-
ласть значений p вблизи pperc , где переход будет размыт, в то время как

88
вне этой области поведение системы практически не будет отличаться
от случая g = 0. Заметим, что, таким образом, при конечном g/G все
физические характеристики системы являются, строго говоря, аналити-
ческими функциями p во всей области 0 < p < 1.

11.1 Смесь хорошего и плохого металлов: размытие


перколяционного перехода
Итак, мы ожидаем, что при p − pperc  ∆ можно просто положить g = 0,
т.е., считать все “слабые” связи (с кондактансами g) разомкнутыми. В
этой области ток в системе протекает только по бесконечному кластеру
из сильных связей, избегая слабых, величина которых, таким образом,
не может влиять на величину макроскопической проводимости:

σ (+) = Gf (+) (p), где f (+) (p) ∼ (p − pperc )µ при ∆  p − pperc  1.(173)

Коэффициент f (+) (p) обращается в нуль при p → pperc (см. рис. 39a).
Аналогично, с другой стороны переходной области, при pperc − p  ∆,
можно считать все сильные связи – бесконечно сильными (сверхпрово-
дящими) и положить G = ∞. Это означает, что кондактансы конечных
кластеров из узлов, связанных сильными связями, велики, и падением
напряжения на таких кластерах можно пренебречь. Вместе с тем, при
p < pperc бесконечного кластера из таких узлов не существует, и система
не “закорачивается”, ее проводимость остается конечной, пропорциональ-
ной g. Коэффициент пропорциональности возрастает при приближении
к порогу перколяции (см. рис. 39a), так как сверхпроводящие связи за-
нимают все большую часть системы:

σ (−) = gf (−) (p), где f (−) (p) ∼ (pperc − p)−s при ∆  pperc − p  1.(174)

Новый критический индекс s, вообще говоря, не выражается через уже


известные (исключение представляет собой двумерный случай, где s = µ,
см. задачу 11.4.1).
Что происходит при приближении к переходной области |pperc − p| ∼
∆? При движении к pperc из области большой проводимости, бесконечный
кластер из сильных связей становится все более тонким и извилистым.
Для того, чтобы пройти по такому кластеру из одной точки системы в
другую, частице приходится много блуждать, обходя препятствия. Часто
у нее должно возникать искушение “срезать путь”: не делать большой
петли по хорошо проводящему бесконечному кластеру, а вместо этого
перемахнуть через плохопроводящий, но узкий перешеек (см. рис.40a).

89
s
D G
(-)
(a) Gf (+)(p)
f (p)
f (+)(p)
1
(b)
gf (-) (p)
g
pperc 1 p pperc 1 p
Рис. 39: (a) Вид функций f (±) (p), (b) Зависимость проводимости от p.

(a) (b)

Рис. 40: (a) Область p > pperc . Черным показан бесконечный кластер из
“хороших” кондактансов, желтым выделена петля на нем, которую мож-
но “срезать”, пройдя по плохому кондактансу, показанному красным. (b)
Область p < pperc . Черным показаны большие (но конечные!) класте-
ры из хороших кондактансов, красным – связывающие их перемычки
из плохих кондактансов. Важно, что сопротивление кластеров растет с
увеличением их размеров.

90
Наконец, при p − pperc ∼ ∆, петли становятся настолько длинными, что
срезание пути становится делом действительно выгодным.
При приближении к pperc из области низкой проводимости проводи-
мости, размеры l “сверхпроводящих” конечных кластеров становятся все
больше, а их кондактансы Gcl (l) ∼ Gl−ζ̃ (см. формулу (153)) – все мень-
ше. При pperc − p  ∆, частица “промахивает” все встречающиеся на
ее пути кластеры, практически их не замечая, но, начиная с некоторого
момента (именно, при pperc − p ∼ ∆) падение напряжения на “сверх-
проводящих” кластерах становится сравнимым с его падением на плохо
проводящих частях пути (см. рис.40b).
Ширину области размытия перколяционного перехода ∆ и характер-
ное значение проводимости в области размытия σ0 (pperc ) можно опреде-
лить из условия сшивки двух предельных законов (173) и (174):
σ (+) (pperc + ∆) ∼ σ (−) (pperc − ∆) ∼ σ0 (pperc ). (175)
Подставляя (173) и (174) в (175), мы получим
∆ ∼ (g/G)1/(µ+s) , σ0 (pperc ) ∼ g µ/(µ+s) Gs/(µ+s) . (176)
Итак, при |p − pperc |  ∆ проводимость описывается асимптотическими
формулами (173,174), а в области |p − pperc | . ∆ между ними происходит
плавный кроссовер (рис. 39b).

11.2 Смесь металла с диэлектриком: диэлектриче-


ская проницаемость вблизи перехода
До сих пор мы интересовались только статической проводимостью пер-
колирующих систем, однако интерес представляет также их поведение
на низких, но конечных частотах. Для исследования такого поведения
как правило, бывает достаточно учесть следующий член в разложении
кондактансов по частоте ω:
gij → yij = gij − iωCij . (177)
Величина Cij имеет смысл емкости контакта между узлами случайной
сети, моделирующей физическую неупорядоченную систему. При этом
комплексным становится и кондактанс всей системы
Gtot → Ytot ≡ Gtot − iωCtot , (178)
где Ctot – емкость всего образца. Она, очевидно, представляет собой
некую взвешенную сумму Cij . Величину Ytot часто называют адмит-
тансом системы. Она связана с импедансом Ztot соотношением Ytot =

91
[Ztot ]−1 / Если образец достаточно велик (его размеры больше характер-
ного размера неоднородностей ξ), то можно ввести эффективную ком-
плексную проводимость σ̃ и эффективную диэлектрическую проницае-
мость εeff среды

Ytot = Ld−2 σ̃, σ̃ = σ − iωεeff /4π, (179)

Заметим, что эта формула буквально справедлива только в случае (ги-


пер)кубического d-мерного образца L×L×· · ·×L. В случае произвольной
геометрии в правой части формулы (179) появляется дополнительный
геометрический фактор.
Спектр физических явлений, которые можно изучать в этой модели,
очень широк, мы здесь ограничимся только одной задачей.
Рассмотрим решетку с двумя типами контактов: омическими yij =
y1 = G (их доля p) и чисто емкостными – диэлектрическими yij = y2 =
−iCω (доля 1−p). Будем исследовать область концентраций p < pperc (где
омическая проводимость равна нулю), и низких частот (где Cω  G).
Найдем эффективную диэлектрическую проницаемость. Она, очевидно,
• Будет пропорциональна C,
• Не будет зависеть от величины G.
Итак, мы ожидаем, что εeff должно быть произведением C на некоторую
фукцию p:

εeff = 4πCf (−) (p). (180)

Самое важное в этой формуле – то, что функция f (−) (p) – та же самая,
что в выражении для проводимости (174). Чтобы доказать это, заметим,
что комплексная проводимость системы σ̃(y1 , y2 , p) при p < pperc явля-
ется аналитической функцией комплексного y1 в точке y1 = 0, причем
разложение начинается с линейного члена (что, собственно, и демон-
стрируется формулой (174)). Значит, для того, чтобы найти величину
−iωCtot L2−d , мы можем просто подставить −iωC вместо g в формуле
(174), что и приводит к результату (180). Вблизи порога перколяции,
при 0 < pperc − p  1,

εeff ≈ ε0 (pperc − p)−s , (181)

где ε0 = 4πC – диэлектрическая проницаемость в чистом диэлектрике


(при p = 0).
В чем причина расходимости диэлектрической проницаемости при
p → pperc ? Электрическая поляризуемость конечных хорошо проводящих

92
(a) (b)
R3

R R2
R1
x x

Рис. 41: (a) Случай когда расстояние R между пробным зарядом (крас-
ный кружок) и точкой измерения потенциала (зеленый кружок) много
больше радиуса корреляции ξ. Все кластеры – от самых маленьких до са-
мых больших вносят вклад в проницаемость εeff , происходит самоусред-
нение. (b) Случай R < ξ. Только кластеры с размерами < R участвуют
в экранировании.

кластеров быстро возрастает с их размером, а размер, в свою очередь,


растет при приближении к порогу перколяции. Именно поляризуемость
самых больших, критических кластеров с размером ∼ ξ дает главный
вклад в эффективную диэлектрическую проницаемость (см. рис. 41a).
Вблизи порога диэлектрическая проницаемость ε должна обладать
сильной пространственной дисперсией. Выражение (180) справедливо
только на больших масштабах R > ξ. Вклад в поляризуемость на рас-
стояниях R  ξ, очевидно, могут давать только кластеры с размерами
l ∼ R  ξ (см. рис. 41b), поэтому и диэлектрическая проницаемость на
таких расстояниях сильно меньше, чем даваемая формулой (180). Сред-
нее ее значение дается формулой
(
ε0 Rs/ν , R  ξ,
ε(R) ∼ (182)
εeff , R  ξ,

На расстояниях r ∼ 1 никакой дополнительной экранировки за счет кла-


стеров, как и следовало ожидать, не возникает. В области 1  r  ξ
экранировка постепенно нарастает, и при R ∼ ξ величина ε(r) насыща-
ется, достигая значения εeff .
Из формулы (182), в частности, следует, что среднее значение потен-
циала U (r), создаваемого в точке r пробным зарядом q, помещенным в

93
точке r = 0,
 q
 , R  ξ,
ε0 R1+s/ν

U (R) ∼ q (183)

 , R  ξ.
εeff R
Мы видим, что на малых расстояниях средний потенциал спадает быст-
рее, чем по закону Кулона, который начинает работать только при
R  ξ.
Как и все другие величины, ε(R) сильно флуктуирует при R  ξ.
Характерную величину ∆ε(R) флуктуаций диэлектрической проницае-
мости можно найти точно так же, как мы находили флуктуации прово-
димости (см. задачу 11.4.2).

11.3 Смесь металла с диэлектриком: туннельная


проводимость ниже перехода
Выше мы считали, что омическая проводимость смеси металлических и
диэлектрических частиц равна нулю, если перколяция по металлическим
частицам отсутствует (т.е.. если x < xperc ). Строго говоря, это не совсем
так: если диэлектрические частицы достаточно малы, то электроны мо-
гут туннелировать через них и, таким образом, перепрыгивать с одного
конечного металлического кластера на другой.

11.3.1 Выделенная роль коротких диэлектрических мостиков


Вероятность прыжка экспоненциально зависит от того расстояния, кото-
рое электрон должен пройти по изолятору, поэтому, в частности, перехо-
ды между двумя металлическими кластерами по коротким мостикам из
одной диэлектрической гранулы экспоненциально более вероятны, чем
переходы по более длинным мостикам из двух или более шариков. Дей-
(met)
ствительно, кондактанс gn мостика из n последовательно соединенных
(ins)
проводящих гранул убывает, как 1/n, туннельный кондактанс gn та-
кого же мостика из диэлектрических гранул убывает экспоненциально:
(met)
gn(met) ≈ g1 /n, (184)
h in
(ins)
gn(ins) ∝ g1 . (185)

(1)
Пусть xperc – порог перколяции в такой задаче узлов, где связанными
считаются не только металлические узлы, находящиеся в непосредствен-
ном контакте друг с другом, но и те, переход между которыми возможен

94
Рис. 42: Смесь металлических (показаны серым) и диэлектрических (по-
казаны черным) гранул ниже порога перколяции по металлу. На правом
рисунке оставлен только бесконечный NNN-кластер,состоящий из конеч-
ных металлических NN-кластеров, связанных короткими мостиками из
одной диэлектрической гранулы.

95
через один (но не более!) диэлектрический узел. В литературе такую
задачу протекания называют обычно NNN (next nearest neighbor) перко-
ляцией (см. рис.42), в отличие от обычной, NN (nearest neighbors) перко-
(1) (1)
ляции. Очевидно, 0 < xperc < xperc . В тех образцах, где xperc < x < xperc ,
проводимость на постоянном токе будет контролироваться процессами, в
которых электроны переходят между металлическими кластерами по ко-
ротким диэлектрическим мостикам из одной диэлектрической гранулы.
Какой будет макроскопическая проводимость такой системы вблизи по-
рога xperc ? Если бы длинные диэлектрические мостики не были исключе-
ны из рассмотрения, то мы могли бы сразу воспользоваться результатом
(174) и записать
(ins) (−)
σ = g1 f (x), где f (−) (x) ∼ (xperc − x)−s при ∆  xperc − x  1.(186)
Ясно, что исключение длинных мостиков должно привести к некоторо-
му уменьшению функции f (−) (x). Однако, как показывают численные
эксперименты, это уменьшение выражается лишь в появлении дополни-
тельного численного фактора, но не приводит к изменению показателя
s. Незначительность эффекта исключения длинных мостиков связана с
тем, что, даже если все мостики одинаково доступны (т.е., их сопротив-
ления подчиняются стандартному закону последовательного соединения
(184)), ток все равно предпочитает течь по относительно коротким мо-
стикам с n ∼ 1. Итак, проводимость нашей системы описывается фор-
мулой (186), где функция f (−) отличается от входящей в формулу (174)
только незначительным численным фактором.

11.3.2 Низкие температуры: кулоновская блокада малых кла-


стеров
При x < xperc все металлические гранулы разделены на конечные NN-
кластеры, причем подавляющее большинство гранул принадлежит к ма-
леньким кластерам, число частиц в которых m ∼ 1. При малых размерах
гранул и при низких температурах начинает проявляться так называе-
мый эффект кулоновской блокады. Его суть в том, что дополнительный
электрон, попадая на небольшой (а значит, обладающий небольшой ем-
костью C) металлический объект, заряжает его, что увеличивает элек-
тростатическую (кулоновскую) энергию системы на заметную величину
EC ∼ e2 /2C. Если EC  T , то необходимую энергию взять неоткуда,
следовательно электрон просто не сможет перейти на этот объект – ток
через него будет заблокирован. В нашей ситуации это будет означать, что
с понижением температуры все большие и большие металлические кла-
стеры окажутся исключенными из процесса проводимости (см. рис.43).

96
Какова типичная энергия заряжения EC (m) для металлического класте-
ра, содержащего 1  m  sc частиц? Типичный размер такого кластера
l(m) ∼ m1/df , а энергию можно связать с размером по формуле (183):

EC (m) ∼ EC (1)[l(m)]−(1+s/ν) ∼ EC (1)m−(1+s/ν)/df , (187)

где EC (1) ∼ e2 /a – энергия заряжения одной гранулы, a – размер грану-


лы. Итак, энергии кластеров имеют широкий спектр значений, прости-
рающийся от EC (1) до EC (sc ) ∼ EC (1)(xperc −x)s+ν . При умеренно низкой
температуре EC (sc )  T  EC (1) заблокированы будут все кластеры с
m < m(T ), где граничное значение

m(T ) ∼ (EC (1)/T )df /(1+s/ν) . (188)

При еще более низкой T  EC (sc ) будут заблоктрованы вообще все кла-
стеры, и для осуществления процесса проводимости нкжно будет преодо-
левать кулоновскую блокаду критических кластеров. Но это уже совсем
другая физика, которой мы здесь касаться не будем.

11.3.3 NNN-перколяция и проводимость “прореженной” систе-


мы, из которой удалены все малые кластеры.
Мы выяснили, что при умеренно низких температурах эффект кулонов-
ской блокады сводится к тому, что система должна быть “прорежена”
– из нее должны быть удалены все маленькие кластеры с m < m(T ).
Спрашивается, до каких пор при этом в системе не нарушается NNN-
перколяция (и, значит, проводимость остается пропорциональной первой
(ins)
степени g1 ) и по какому закону при этом уменьшается проводимость?
Для начала выясним, как ведет себя плотность “прореженного” бес-
конечного NNN-кластера PN N N (m, x), если из системы удалить все ко-
нечные NN-кластеры, содержащие менее, чем m узлов. Сейчас мы при-
ведем аргументы в пользу того, что пороговое значение m0 (такое, что
PN N N (m, x) ≡ 0 при m > m0 ) по порядку величины совпадает с sc – чис-
лом частиц в критическом кластере (см. раздел 5.1). Действительно, не
вызывает сомнений, что m0 не может существенно превышать sc : число
кластеров с m  sc экспоненциально мало, поэтому экспоненциально ве-
лики расстояния между такими кластерами, и они никак не могут обра-
зовывать бесконечную NNN-связанную сеть. С другой стороны, как мы
сейчас покажем, характерное расстояние Rc между критическими кла-
стерами имеет тот же порядок величины, что и их размеры: Rc ∼ ξ. Для
этого рассмотрим полную концентрацию N (Λ) всех кластеров с числом

97
Рис. 43: “Прореживание” бесконечного NNN-кластера. Красным показа-
ны самые маленькие NN- кластеры (из одной металлической гранулы),
желтым – NN-кластеры из двух гранул. (a) Исходная система (b) Уда-
лены все красные кластеры. (c) Удалены и красные и желтые кластеры.

98
частиц m > (1 − Λ)sc :
Z ∞ Z sc
N (Λ) = nm (x)dm ≈ m−τ dm ∼ f (Λ)ξ −d , (189)
(1−Λ)sc (1−Λ)sc

где мы воспользовались соотношениями sc = ξ df и τ − 1 = d/df . Функ-


ция f (Λ) линейным образом обращается в нуль при Λ → 0. Из (189)
непосредственно следует, что

Rc (Λ) ∼ N (Λ)−1/d ∼ f (Λ)−1/d ξ. (190)

Интуитивно ясно, что NN-кластеры перестают образовывать бесконеч-


ный NNN-кластер, когда они перестают взаимно перекрываться, т.е., ко-
гда Rc (Λ)/ξ становится больше некоторого фиксированного числа поряд-
ка единицы. Это условие достигается при некотором Λ = Λ0 ∼ 1, откуда
следует искомая оценка m0 ∼ sc . Итак

m−(τ −2) , 1  m  m0 ,



PN N N (m, x) ∼ m0−(β+τ −2) (m0 − m)β , m0 − m  m0 (191)


0, m > m0 ,

где, напомним, m0 ∼ sc ∼ (xperc − x)−1/σ . Важно, что NNN-перколяция


сохраняется даже тогда, когда подавляющая часть металлических гра-
нул уже оказывается заблокированной, так что доступной остается толь-
ко доля (xperc − x)β  1. Оказывается, что для осуществления NNN-
перколяции достаточно уже одних только критических NN-кластеров,
так как последние очень эффективно покрывают все пространство.
Заметим, что приведенные выше рассуждения носят качественный
характер, поэтому, для подкрепления доверия к ним, полезно иметь в
виду, что они подтверждаются прямым численным экспериментом.
Ясно, что NNN-проводимость σ(m, x) прореженной системы равна ну-
лю при m > m0 . А как она зависит от m в области 1  m  m0 ? Чтобы
ответить на этот вопрос, оценим сначала величину σ(m, x) при m . m0 ,
когда в игре участвуют только критические кластеры. Обозначим через
Nlinks типичное число коротких мостиков, связывающих два соседних
критических кластера. Зная эту величину, мы можем оценить искомую
проводимость, как
(ins)
σ(m ∼ m0 , x) ∼ g1 Nlinks ξ 2−d . (192)

Для того, чтобы определить зависимость Nlinks от близости к перехо-


ду xperc − x, проделаем следующий мысленный эксперимент. Пометим

99
долю 2(xperc − x)/(1 − xperc ) случайно выбранных диэлектрических гра-
нул и заменим их на металлические. При этом наша система окажется
на том же расстоянии от NN-перколяционного перехода, что и раньше,
но с металлической стороны; “старые” критические кластеры, бывшие
раньше соседями, связанными друг с другом только NNN-образом, но
NN-разделенные, с вероятностью порядка единицы станут теперь NN-
связанными и образуют бесконечный NN-кластер. Каким образом мог-
ла бы установиться такая NN-связь между парой соседних критических
кластеров? Наиболее вероятный сценарий – замещение одной из диэлек-
трических гранул, образующих короткие мостики между этими клстера-
ми, на металлическую. Ясно, что вероятность такого замещения стано-
вится порядка единицы, когда (xperc − x) · Nlinks ∼ 1. Отсюда получается
оценка Nlinks ∼ (xperc − x)−1 и, следовательно,
(ins) (ins)
σ(m ∼ m0 , x) ∼ g1 (xperc − x)−1 ξ 2−d ∼ g1 (xperc − x)−1+(d−2)ν . (193)
Сравнивая (193) с (186) и замечая, что индекс s > 1 − (d − 2)ν, мы
приходим к выводу, что σ(m ∼ m0 , x)  σ(m = 0, x). Это неравенство
означает, что, несмотря на то, что прореживание системы не нарушает
NNN-связности бесконечного кластера, его проводимость сильно страда-
ет от прореживания. В согласии с общей идеологией скейлинга, в области
1  m  m0 зависимость σ от m должна быть степенной; показатель
этой степери можно найти из условия сшивки с результатом (193) при
m ∼ m0 . В результате получим выражение
(ins) (d − 2)ν + s − 1
σ(m, x) ∼ g1 (xperc − x)−s m−θ , θ= , (194)
νdf
интерполирующее между формулами (193) и (186).
Сильная зависимость σ(m, x) от m свидетельствует о том, что в
непрореженной системе электроны переходят с одного критического кла-
стера на другой, как правило, не непосредственно, а по цепочкам из
NNN-связанных маленьких кластеров. Когда самые маленькие кластеры
выходят из игры, их роль переходит к самым маленьким из оставшихся
и так далее.
Результат (194) позволяет описать температурную зависимость про-
водимости в интервале EC (sc )  T  EC (1):
 Θ
σ(T ) T df νθ (d − 2)ν + s − 1
= , Θ= = . (195)
σ(T ∼ EC (1)) EC (1) ν+s ν+s
В заключение приведем численные значения показателей θ и Θ:
θd=2 = 0.123, θd=3 = 0.28, (196)
Θd=2 = 0.14, Θd=3 = 0.38. (197)

100
11.4 Задачи
11.4.1 Задача Дыхне
Рассмотрите квадратную решетку, кондактансы в которой с равными ве-
роятностями принимают значения g и √ G. Докажите, что макроскопиче-
ская проводимость такой системы σ = gG. Сопоставляя этот результат
с формулой (176) и имея в виду, что критические индексы перколяцион-
ных задач универсальны (т.е., зависят только от размерности простран-
ства), мы заключаем, что в двумерных системах s = µ.

11.4.2
Определите дисперсию потенциала U (r), создаваемого пробным зарядом
q, помещенным в диэлектрик с металлическими вкраплениями (доля ме-
талла p < pperc , так что система в целом находится в диэлетрической
фазе – ее макроскопическая проводимость равна нулю).

12 “Динамическая” перколяция
Во многих системах (например, химических) случайная конфигурация
связей или узлов не является статической: она “плывет” со временем –
какие-то поры в системе затягиваются, вместо них возникают другие.
Таким образом, система постепенно перебирает все возможные конфи-
гурации. Каким образом нестатичность конфигурации должна влиять
на диффузию частиц?
Рассмотрим задачу связей, в которой частица может переходить меж-
ду соседними узлами по имеющимся на данный момент связям (их доля
равна p), совершая один прыжок в случайном направлении за время ∆t.
Пусть конфигурация связей существенно изменяется за время τ  ∆t.
Какова будет проводимость σdyn (p) такой системы?
Пусть сначала система находится чуть выше порога перколяции: 0 <
p−pperc  1. Ясно, что за время τ , пока конфигурация системы не успеет
измениться, частица уйдет на расстояние
Rτ ∼ (Dav τ )1/2 ∼ (τ /∆t)1/2 (p − pperc )µ/2 , (198)
Если Rτ  ξ, то нестационарность системы связей никакой роли не игра-
ет: за время τ окружение частицы и так совершенно изменится – за счет
ее собственного движения. Поэтому, если система не слишком близка к
порогу перколяции,
∆dyn  p − pperc  1, ∆dyn ∼ (∆t/τ )1/(ν+µ/2) , (199)

101
то ее проводимость описывается стандартной формулой

σdyn (p) ≈ σstat (p) ∼ g0 (p − pperc )µ . (200)

Напротив, заметно ниже порога перколяции, при ∆dyn  pperc −p  1


проводимость в системе оказывается возможной исключительно из-за
ее динамического характера. За время τ частица успевает многократно
обежать тот конечный кластер, на котором ей случилось оказаться, и
ее дальнейшее движение осуществляется только благодаря постепенной
деформации самого кластера, обусловленной динамикой перколирующей
системы.

13 Системы с экспоненциально сильными


флуктуациями
Во многих физических задачах возникает проблема нахождения про-
водимости сети, индивидуальные кондактансы связей в которой экспо-
ненциально зависят от случайных параметров, так что разброс кондак-
тансов оказывается гигантским. Хрестоматийным примером является
прыжковая проводимость легированных полупроводников, где прыжки
электронов между различными примесями описываются с помощью сет-
ки сопротивлений, узлами которой являются сами примеси, случайно
расположенные в пространстве с плотностью N , а кондактансы связей
gij ∝ exp(−2rij /a), пропорциональные интегралам перекрытия волновых
функций локализованных электронных состояний на примесях i и j, экс-
поненциально убывают с расстоянием rij . Если характерное расстояние
между узлами N −1/d много больше, чем обратный декремент затухания
a, то разброс кондактансов оказывается экспоненциально большим по
параметру Λ = (N ad )−1/d  1. Другой пример – гранулированные ме-
таллы, где кондактансы межгранульных контактов экспоненциально за-
висят от толщины пленки окисла, разделяющей гранулы, а эта величина
сильно флуктуирует от контакта к контакту.
Очень сильные флуктуации кондактансов делают неприменимыми
обычные методы (например, метод эффективной среды), однако наличие
большого параметра дает возможность построения специальной проце-
дуры, применимой именно в случае сильных флуктуаций. Мы увидим,
что эта процедура также опирается на многие идеи теории перколяции.

102
13.1 Критическая подсетка кондактансов
Мы рассмотрим следующую модель: Пусть имеется регулярная d-мерная
решетка, ближайшие соседи в которой связаны кондактансами gij =
g0 exp(−Λhij ), где Λ  1 – некоторый большой параметр, hij – неза-
висимые случайные переменные с функцией распределения F (h) (см.
рис. 45a). Выбор величины g0 может быть сделан произвольно, мы, для
определенности, выберем ее так, чтобы область допустимых значений h
определялся условием h > 0. Масштабный параметр Λ выбирается так,
чтобы выполнялись условия h ∼ 1 и h2 ∼ 1. Вид зависимости макроско-
пической проводимости системы σ(Λ) от параметра Λ может зависеть от
структуры распределения F (h) и от типа решетки. Главная наша задача
как раз и будет состоять в определении асимптотики σ(Λ) при Λ  1.
Удобно привести задачу к универсальному виду, введя новые случай-
ные переменные pij , связанные с hij соотношением
Z h
p= F (h0 )dh0 . (201)
0
Переменные p равномерно распределены в интервале 0 < p < 1, а кондак-
тансы могут быть представлены в виде
gij = g0 exp{−Λh(pij )}, (202)
где h(p) – некоторая функция, возникающая в результате решения урав-
нения (201) (см. рис.44).
Опишем теперь процедуру редукции, играющую центральную роль
в последующих рассуждениях. Выберем некоторое значение p(+) > 0 и
разорвем все связи ij, для которых pij > p(+) . Как ведет себя проводи-
(+)
мость σred (Λ|p(+) ) такой редуцированной системы при изменении пара-
(+)
метра p(+) ? Во-первых, очевидно, что σred (Λ|p(+) ) → σ(Λ) при p(+) → ∞.
С другой стороны, при уменьшении p(+) количество оставленных свя-
зей рано или поздно станет столь малым, что исчезнет перколяция и
(+)
σred (Λ|p(+) ) обратится в ноль (см. рис.45b). Ясно, что это произойдет при
p(+) = pperc , где pperc – порог перколяции для задачи связей на данной
решетке. Величина “критического кондактанса”
gc = g0 exp{−Λh(pperc )}, (203)
многократно встретится нам в дальнейшем. Как мы увидим, именно ею
определяется главная – экспоненциальная – зависимость проводимости
σ(Λ) ∝ gc . При p(+) → pperc со стороны больших p(+) редуцированная
проводимость непрерывно обращается в ноль по степенному закону
(+)
σred (Λ|p(+) ) ∝ gc [Λ(p(+) − pperc )]µ θ(p(+) − pperc ), (204)

103
(a) (b)
F(h) h

h0 h 1 p
Рис. 44: (a) Функция распределения логарифмов кондактансов F (h). (b)
Соответствующая ей зависимость h(p), определяемая из уравнения (201).

sred
(+)
(L |p(+)) (a) sred
(-)
(L |p(-)) (b)
-1
L
s(L) s(L)
L-1

pperc p(+) pperc p(-)


Рис. 45: Зависимость проводимости редуцированной системы от парамет-
ра обрезания: (a) Для системы с разорванными подкритическими связя-
ми, (b) Для системы с коротко замкнутыми надкритическими связями.

где µ – стандартный индекс проводимости. Выход на противоположную


(+)
асимптотику σred (Λ|p(+) ) ≈ σ(Λ) происходит уже при p(+) −pperc ∼ Λ−1 
1 (см. рис.45a). Действительно, связи с pij − pperc . Λ−1 отвечают “крити-
ческим” кондактансам gij ∼ gc , в то время как связи с p(+) − pperc  Λ−1
сответствуют экспоненциально меньшим “подкритическим” кондактан-
сам gij  gc . В исходной (нередуцированной) системе ток всегда имеет
возможность так распределиться в пространстве, чтобы избежать под-
критических кондактансов, поэтому их удаление не должно приводить к
заметным последствиям.
Выше мы определили редукцию маленьких кондактансов, теперь, на-
оборот, сделаем редукцию больших. Выберем некоторое значение p(−) >
0 и коротко замкнем все такие связи ij, для которых pij < p(−) . Про-
(−)
водимость такой редуцированной системы σred (Λ|p(−) ) расходится при
p(−) → pperc со стороны малых p(−) по закону
(−)
σred (Λ|p(−) ) ∝ gc [Λ(pperc − p(−) )]−s , (205)

104
(−)
а при pperc − p(−)  Λ−1 выходит на асимптотику σred (Λ|p(−) ) ≈ σ(Λ) (см.
рис.45b). В нередуцированной системе связи с pperc − pij  ∆ отвечают
экспоненциально большим надкритическим кондактансам gij  gc , па-
дение напряжения на таких кондактансах пренебрежимо мало, поэтому
их замыкание практически ничего не меняет.
Итак, мы пришли к выводу, что макроскопические свойства исходной
системы в основном контролируются “критической подсеткой” N (∆), ко-
торая определяется следующим образом (см. также рис. 46a):
1. Оставим неизменными кондактансы gij ∼ gc критических связей с
|pij − pperc | < ∆.
2. Подкритические связи разорвем (gij → 0, если pij − pperc > ∆).
3. Надкритические связи замкнем (gij → ∞, если pperc − pij > ∆).
Для изображения критической подсетки удобно “склеить” те узлы
исходной решетки, которые связаны надкритическими кондактансами,
заменяя соответствующие кластеры из склеенных узлов некоторыми но-
выми “сверхузлами”. Образующаяся неупорядоченная структура из со-
единенных критическими связями сверхузлов, в свою очередь, распада-
ется на несвязанные между собой кластеры, среди которых, по постро-
ению, обязательно присутствует и бесконечный кластер. Отметим, что
координационные числа сверхузлов могут быть различны, а два различ-
ных сверхузла могут быть связаны между собой не одной, а нескольки-
ми критическими связями. Как обычно, в бесконечном кластере можно
выделить скелет и мертвые концы (см. Лекцию 4), причем макроскопи-
ческая проводимость определяется исключительно свойствами скелета.
Типичный фрагмент скелета критической подсетки показан на рис. 46b.
При ∆  1 свойства критической подсетки универсальны: они зави-
сят только от размерности пространства и не зависят ни от типа решетки,
ни от конкретного вида функции F (h). Величина ∆ при этом играет ту
же роль, что и надкритичность p − pperc в обычной задаче перколяции.
В частности, корреляционный радиус критической подсетки
ξ ∼ ∆−ν ∼ Λν  1, (206)
Проводимость критической подсетки σred (Λ|∆) быстро сходится к
проводимости σ(Λ) исходной системы при ∆ > Λ−1 . Итак, мы определили
главную – экспоненциальную – зависимость проводимости от параметра
Λ
σ = g0 A(Λ) exp{−Λh(pperc )}. (207)
В следующем разделе мы оценим предэкспоненциальный фактор A(Λ).

105
Critical bonds: (b)
untouched (a)

Supercritical bonds: Undercritical bonds:


adridged destroyed
D
pperc 1 p

Рис. 46: (a) Схема разделения связей на сверхкритические, критические


и подкритические. (b)Фрагмент скелета бесконечного кластера критиче-
ской подсетки с ∆ = 1.7Λ−1 , полученной из квадратной решетки. Точка-
ми показаны “суперузлы” – кластеры узлов исходной решетки, связан-
ные между собой надкритическими кондактансами; линиями – критиче-
ские кондактансы (толщина линии соответствует количеству индивиду-
альных критических связей, связывающих данную пару узлов). Подкри-
тические кондактансы разорваны.

13.2 Предэкспоненциальный множитель в проводи-


мости
Для оценки предэкспоненциального множителя можно воспользовать-
ся следующими аргументами. Рассмотрим сделанный из нашей решетки
конечный гиперкубический образец C с линейными размерами L. При
L  ξ кондактанс такого образца самоусредняется: Gtot (C) ≈ G˜tot (L),
однако при L  ξ флуктуации экспоненциально сильны. Чтобы лучше
представить себе структуру проводимости в конечном образце, продела-
ем следующий мысленный процесс: Сначала разорвем все кондактансы,
а затем начнем постепенно их включать, начиная с самого большого g‘ ,
потом ко все меньшим: g2 , g3 , . . .. В начале этого процесса в образце не
будет перколяции и ток через него не потечет. В некоторый момент впер-
вые образуется перколяционный путь, при этом весь ток протечет через
тот кондактанс
gn = gc (C) = g0 exp{−Λh(pperc (C)} ≈ gc exp {−Λh0 (pperc )[pperc (C) − pperc ]}(208)
,
который включился последним. Можно себе представить две ситуации
1. Все падение напряжения будет сосредоточено на этом последнем
кондактансе, тогда Gtot = gc (C). Включение последующих кондак-
тансов gn+1 , gn+2 , . . . не приведет к изменению Gtot , так как уже
gn+1  gn .

106
2. Падение напряжения будет распределено по большому числу
кондактансов gi . gc , рассеянных по всему образцу

Первый сценарий реализуется при L  ξ, второй – при L  ξ. Действи-


тельно, разброс ∆pperc порогов перколяции pperc (C) по ансамблю конеч-
ных образцов размера L определяется из условия ξ(∆pperc ) ∼ L, откуда
∆pperc ∼ L−1/ν . С другой стороны, согласно (208), относительный разброс
величин gc (C) связан с ∆pperc соотношением ∆gc /gc ∼ Λ∆pperc . Переход
от сценария (1) к сценарию (2), очевидно, должен происходить, когда
относительные флуктуации величины gc (C) перестают быть большими,
т.е., при Λ∆pperc ∼ 1. Последнее условие эквивалентно L ∼ ξ.
Итак, мы пришли к выводу, что
(
gc (C), L  ξ,
Gtot ≈ (209)
A(∆)Ld−2 gc . L  ξ.

Требуя, чтобы оба этих предельных закона сшивались при L ∼ ξ, мы


приходим к условию A(∆) ∼ ξ d−2 . Итак, окончательный результат для
макроскопической проводимости

σ(Λ) ∼ g0 Λν(d−2) exp{−Λh(pperc )}, (210)

13.3 Кондактанс точечного контакта


В эксперименте часто используются не массивные, а точечные контак-
ты. Например, ток можно снимать через иглу сканирующего туннель-
ного микроскопа, при этом пространственное разрешение может быть
лучше одного нанометра. Как описать такую физическую ситуацию в
терминах нашей модели? Нужно просто считать, что один из контак-
тов расположен прямо на одном из узлов решетки (i0 ). Другой контакт
может быть либо также локализован на каком-то другом узле (i1 см.
рис. 47a), или, наоборот, быть массивным (рис. 47b). Ясно, что сопро-
тивление такой схемы сильно зависит от локального окружения узлов,
где расположены точечные контакты, поэтому сильно флуктуирует от
точки к точке. Мы начнем наше рассмотрение со случая, когда геомет-
рические размеры схемы малы по сравнению с радиусом корреляции в
критической подсетке

L  ξnet ∼ Λν . (211)

107
(a) (b)

L i1 i0 L
i0
I D
I
V V
Рис. 47: (a) Схема с двумя точечными контактами. (b) Схема с одним
точечным и одним массивным контактом.

13.3.1 Случай близких контактов: “дерево лидеров”


Для определенности мы рассмотрим схему с двумя точечными контак-
тами на расстоянии 1  L  ξnet друг от друга. На этих малых рас-
стояниях можно считать, что суммарное сопротивление всякого пути по
связям определяется вкладом одного, самого большого, сопротивления.
По этой же причине кондактанс Gij между любыми двумя узлами i и j
(opt)
определяется единственным оптимальным путем Γij , по которому те-
чет практически весь ток, а сопротивление этого пути, в свою очередь,
определяется самым большим сопротивлением на нем:

G−1 −1 −1 −1
ij ≈ min max {gα } ≈ max {gα } = gαij . (212)
Γij α∈Γij (opt)
α∈Γij

Заметим, что все эти свойства могут быть получены из “грубого пра-
вила сложения” a + b ≈ max{a, b}, приближенно выполняющегося при
суммировании сильно флуктуирующих величин.
Итак, каждой паре (не обязательно ближайших) узлов ij соответ-
ствует вполне определенная связь αij , на которой расположено то самое
сопротивление, на котором падает почти все напряжение, приложенное
между этими узлами. В частности, если в качестве такой пары взять па-
ру ближайших соседей, образующих связь β то ей будет соответствовать
связь α = Φ(β). Функция Φ осуществляет отображение множества связей
на решетке в себя. Легко убедиться в том, что Φ2 (β) = Φ(β) для любого
β, следовательно, отображение Φ приводит в неподвижную точку не бо-

108
Рис. 48: (a) Дерево лидеров. Жирным показан тот единственный путь Γ,
который ведет из точки i0 в точку i1 , красным на нем выделена домини-
рующая связь αi0 i1 . (b) Приблизительный вид функции распределения
f2 (p|L).

109
лее чем за один шаг. Такие неподвижные точки мы будем называть “ли-
дерами”. Граф, связями которого являются лидеры, представляет собой
накрывающее дерево (Spanning Tree) над нашей решеткой (см. задачу
13.4.1). В частности, существует единственный путь по дереву лидеров,
ведущий из узла i0 в узел i1 (рис. 48a). Именно по этому пути и устрем-
ляется ток. Где-то на этом пути ему встретится та самая доминантная
связь αi0 i1 , на которой упадет почти все напряжение. Поэтому
Gi0 i1 = g0 exp{−Λh(pi0 i1 )}, (213)
где величина pi0 i1 , характеризует кондактанс этой связи. Фукция распре-
деления f2 (p|L) для pi0 i1 , показанная на рисунке 48b найдена в задаче
13.4.2:
dG̃corr (L, p)
f2 (p|L) = , (214)
dp
где G̃corr (L, p) – полная корреляционная функция в перколяционной за-
даче связей – вероятность того, что два узла на расстоянии L друг от
друга принадлежат одному и тому же кластеру из связаннях узлов. Ее
определение отличается от данного в разделе 5.2 определения обычной
корреляционной функции Gcorr (L, p) тем, что узлам разрешается принад-
лежать не только конечному, но и бесконечному кластеру, поэтому
G̃corr (L, p) = P (p)2 + Gcorr (L, p) ≈
(
P 2 (p), L  ξ(p), p > pperc ,
≈ −2β/ν
(215)
L exp{−L/ξ(p)}, L  ξ(p), p < pperc .

где, напомним, P (p) – плотность бесконечного кластера, расчитанная


по количеству связей (см. раздел 3.1), а Gcorr (L|p) и ξ(p) ∼ |p − pperc |−ν
соответственно, корреляционная функция и корреляционный радиус (см.
раздел 5.2).
Итак, функция f2 (p|L) ∼ (p − pperc )−(1−2β) степенным возрастает при
уменьшении p от значения 1, достигает максимума при p ≈ pperc и экс-
поненциально падает в области p < pperc . Хотя максимум узкий (его
ширина ∼ L−1/ν ), главный вклад в нормировочный интеграл дает дале-
кая подкритическая область p − pperc ∼ 1, и, таким образом, типичные
значения Gi0 i1 экспоненциально малы по сравнению с gc .

13.3.2 Случай далеких контактов


Теперь мы переходим к случаю, когда L  ξnet . На расстояниях r  ξnet
от точечного контакта ток будет течь по скелету критической подсетки,

110
который, на этих больших расстояниях, можно рассматривать, как са-
моусредняющуюся непрерывную среду с проводимостью σ, описываемой
формулой (210). Если учитывать только вклад в сопротивление, возника-
ющий на больших расстояниях, то кондактанс Gi0 i1 системы описывается
решением классической задачи о растекании тока в однородной среде

Ghomo = G̃geom gc , (216)

где G̃geom – численный фактор, определяемый геометрией системы. Пол-


ное сопротивление складывается из G−1 homo и сильно флуктуирующей до-
бавки ∆Gi0 i1 , возникающей за счет локального окружения узлов i0 и i1
−1

G−1 −1 −1
i0 i1 = Ghomo + ∆Gi0 i1 , (217)

В типичном случае главный вклад в сопротивление вносят именно кон-


цевые участки пути электрона, где он “по бездорожью” вынужден доби-
раться от своего места рождения (точечного контакта) до “ближайшей
станции” (т.е. до наиболее доступной точки из бесконечного кластера
критической подсетки). Этот вклад описывается формулой

∆Gi0 i1 ≈ g0 exp{−Λh(pi0 i1 )}, (218)

где случайная величина pi0 i1 описывается функцией распределения


f2 (p|ξnet ) (см. задачу 13.4.2).
Окончательно,

G−1 (219)
 −1
i0 i1 = gc Ggeom + exp{Λ[h(pi0 i1 ) − h(pperc )]} ,

В типичном случае pi0 − pperc ∼ 1, поэтому локальный флуктуирующий


вклад в сопротивление экспоненциально превышает регулярный само-
усредняющийся вклад.

13.4 Задачи
13.4.1 Дерево лидеров
Докажите, что граф, ребрами которого являются лидеры, представляет
(opt)
собой накрывающее дерево, причем пути протекания тока Γij проходят
только по лидерам.

13.4.2
Выведите формулы (214), (215) для распределения f2 (p|L).

111
13.4.3
Найдите функцию распределения для кондактанса между точечным и
массивным электродами. Расстояние между электродами L и размер
массивного электрода Lm считайте большими: L, Lm  ξnet .

13.5 Продольная проводимость пленок


Рассмотрим продольную проводимость σ2 (Λ, l) плоского слоя толщиной
l, вырезанного из трехмерной решетки, описываемой моделью, исследо-
ванной в предыдущем разделе. Ясно, что, если толщина пленки больше,
чем корреляционная длина в трехмерном материале: l  ξ3 ∼ Λν3 , то та
часть бесконечного кластера трехмерной критической подсетки, которая
попадает в вырезаемый слой, сохранит свою связность. То есть, конеч-
но, от него наверняка отвалятся какие-то куски, но оставшаяся часть
останется бесконечной. При этом
σ2 (Λ, l  ξ3 ) = lσ3 (Λ) ∝ exp{−Λh(p(3)
perc )}, (220)
(3)
где pperc – порог перколяции в трехмерной решетке. С другой стороны,
при l = 1, когда в пленке останется всего один слой “атомов”, мы будем
иметь дело со строго двумерной системой, для которой
σ2 (Λ, l = 1) = σ2 (Λ) ∝ exp{−Λh(p(2)
perc )}, (221)
(2) (3)
где порог перколяции в двумерной решетке pperc > pperc . Таким образом,
мы приходим к выводу, что проводимость очень тонкой пленки экспо-
ненциально меньше, чем толстой. Это означает, что в области толщин
1 < l < ξ3 проводимость должна экспоненциально зависеть от толщины
пленки l
σ2 (Λ, l) ∝ exp{−Λh[pperc (l)]}, (222)
(2)
где функция pperc (l) интерполирует между pperc (1) = pperc и pperc (l 
(3)
ξ3 ) = pperc .
Как описывать проводимость пленки при l < ξ? Если попробовать
построить критическую подсетку по стандартному рецепту, а потом вы-
резать из нее слой толщиной l  ξ, то в руках у нас останутся только
отдельные кусочки, никакого бесконечного кластера не получится. Ясно,
что вместо обычной критической подсетки N нужно построить какую-то
другую, специальную критическую подсетку Ñ (l), основным требовани-
ем к которой является условие
ξ˜3 (l) ∼ l. (223)

112
(a) (b)

Рис. 49: Части бесконечного кластера критической подсетки, оказавши-


еся внутри пленки толщиной l, вырезанной из трехмерного образца. (a)
Толстая пленка (L  ξ): вырезанная часть сама по себе имеет беско-
нечный квазидвумерный кластер: протекание (теперь двумерное) сохра-
нилось. (b) Тонкая пленка (L  ξ): из бесконечного кластера удалось
вырезать лишь конечные фрагменты, протекания нет.

Только при этом условии можно надеяться сохранить бесконечный кла-


стер после вырезания слоя из трехмерного образца. Увеличить корре-
ляционный радиус можно, сдвигая “центр” подсетки в подкритичекую
(3) (3)
область: pperc → pperc (l) > pperc . Величина pperc (l) находится из условия

ξ3 (l) ∼ [pperc (l) − p(3)


perc ]
−ν3
∼ l. (224)

При выводе этого соотношения мы предположили, что Λ−1  pperc (l) −


(3)
pperc  1. Как следует из приведенного ниже результата, это условие
выполняется при 1  l  ξ1. Итак, из (224) следует, что:

pperc (l) − p(3)


perc ∼ l
−1/ν3
, (225)

и, окончательно,

σ2 (Λ, l) ∝ σ3 (Λ) exp{−ΛCl−1/ν3 }, (226)

где C ∼ 1 некоторая (неуниверсальная) константа.


Квазидвумерный бесконечный кластер, получающийся при выреза-
нии слоя толщиной l из критической подсетки Ñ (l) характеризуется
(eff)
некоторой двумерной корреляционной длиной ξ2 . При l & ξ3 эта длина
должна совпадать с ξ3 ∼ Λν3 , а при l ∼ 1 – с ξ2 ∼ Λν2 . В промежуточ-
(eff)
ной области ξ2 должна быть некоторой степенной функцией толщины

113
(eff)
пленки: ξ2 ∼ lα1 Λα2 . Показатели α1 , α2 легко определить из двух вы-
шеуказанных условий, в результате
(eff)
ξ2 (l) ∼ l(ξ3 /l)ν2 /ν3 . (227)

Отсюда, в частности, следует, что при l  ξ3 эффективный корреляци-


онный радиус много больше толщины пленки. Это означает, что крупно-
масштабная структура квазидвумерного бесконечного кластера – строго
двумерна и его критическое поведение относится к двумерному классу
универсальности.

114