跳转到内容

自旋玻璃与无序系统

凝聚态物理自旋玻璃阻挫无序帕里西复本对称破缺复杂系统优化问题神经网络

关键词

自旋玻璃; 阻挫; 无序; 爱德华兹-安德森模型; 谢林顿-柯克帕特里克模型; 帕里西; 复本对称破缺; 亚稳态; 能量地形; 自旋玻璃序参量; 优化问题

"自旋玻璃"里没有玻璃——是一种被阻挫永远冻住的磁态

标题："玻璃"在这里不是窗户上那块玻璃——是一种自旋永远"拿不定主意"的物质状态

听到"自旋玻璃"（spin glass），多数人会以为是某种含磁性的玻璃材料。其实"玻璃"在这里是个比喻：指一种像窗玻璃一样"被冻住在无序构型里"的状态。窗玻璃是液体在冷却时来不及结晶、被困在无序的原子排列中；自旋玻璃则是磁矩（自旋）在低温下被冻结在一种杂乱无章却又稳定的取向里——既不像铁磁体那样整齐对齐，也不像顺磁体那样自由翻转。

这种状态有两个缺一不可的成分：无序（disorder）和阻挫（frustration）。无序指自旋之间的相互作用强弱和符号是随机的——有的相邻自旋想同向（铁磁耦合），有的想反向（反铁磁耦合）。阻挫则是矛盾的后果：当三个自旋两两之间的"愿望"无法同时满足时，系统陷入"怎么排都得罪一对"的两难。

典型例子是三角格子上的三个反铁磁自旋：A 想和 B 反向、B 想和 C 反向，那 A 和 C 本应同向，可它俩也想反向——做不到。没有一个排列能让所有相互作用都满意。结果不是唯一的基态，而是指数级多的、能量几乎相等的亚稳态。系统像一个永远纠结、有无数个"次优解"却没有显然最优解的决策者。理解这种状态，意外地成了理解从神经网络到组合优化的钥匙。

稀磁合金磁化率里那个诡异的"尖峰"

标题：从稀磁合金的一个"尖峰"说起

自旋玻璃的实验源头很朴素：把少量磁性原子（如铁、锰）稀疏地掺进非磁性金属（如金、铜）里。1970年代，实验物理学家测量这类稀磁合金的磁化率时发现一个异常——磁化率在某个温度（冻结温度 TfT_f）出现一个尖锐的尖峰（cusp），低于这个温度，系统的磁性行为变得极其反常：它"记得"自己的历史（磁化依赖于你是先加场再冷却、还是先冷却再加场），弛豫极其缓慢，可以长达数小时甚至数天才接近平衡。

这种"记忆"和"超慢弛豫"，正是被困在复杂能量地形里的标志。系统在无数亚稳态之间被高高的能垒隔开，要从一个谷翻到另一个谷需要极长时间。

1975年，两个理论模型几乎同时奠基。萨姆·爱德华兹（Sam Edwards）和菲利普·安德森（Philip Anderson）提出了爱德华兹-安德森模型（EA 模型）：在格点上放自旋，相邻自旋的耦合强度是随机变量（有正有负）。同年，戴维·谢林顿（David Sherrington）和斯科特·柯克帕特里克（Scott Kirkpatrick）提出了它的"平均场版本"——谢林顿-柯克帕特里克模型（SK 模型），其中每个自旋与所有其他自旋随机耦合。SK 模型本以为是可解的简化，却给出了一个荒谬的结果：在低温下熵变成负值。负熵在物理上不可能，这说明他们的求解方法（一个叫"复本对称"的假设）出了根本性错误。这个矛盾困扰了理论界整整数年。

帕里西的复本对称破缺：给"无穷多个解"建立秩序

标题：帕里西的复本对称破缺——给"无穷多个解"建立秩序

破局者是乔治·帕里西（Giorgio Parisi）。1979—1980年，他提出了复本对称破缺（replica symmetry breaking, RSB）的解，化解了 SK 模型的负熵灾难，也彻底改写了人们对无序系统的理解。这项工作让他获得2021年诺贝尔物理学奖的一半，颁奖词是"发现从原子到行星尺度的物理系统中无序与涨落的相互作用"。

要理解 RSB，先理解"复本技巧"（replica trick）：为了对随机的无序做平均，物理学家想象同一个系统的 $n$ 个一模一样的"复本"，计算它们之间的关联，最后让 n→0n\to 0（一个数学上的巧妙极限）。SK 等人原本假设这些复本之间是"对称"的——任意两个复本地位等同。帕里西的洞见是：在自旋玻璃相里，这个对称性自发破缺了。

物理图像是这样的：自旋玻璃的基态不是一个，而是一整套层级嵌套的、彼此"距离"各不相同的纯态（pure states）。帕里西用一个叫overlap 分布 $P(q)$ 的量来刻画——它描述任意两个亚稳态有多"像"。在铁磁体里 $P(q)$ 是单个尖峰（只有一种序），在自旋玻璃里它是一个连续分布，反映出态空间被组织成一种超度量（ultrametric）的树状层级结构：态像家谱一样分支嵌套，任意三个态中总有两个互相更近。这是一种全新的、之前任何物理系统都没有出现过的序——它的"序参量"不是一个数，而是一整个函数。

帕里西的解最初被认为是个聪明却可疑的数学把戏。直到2000年代，数学家米歇尔·塔拉格朗（Michel Talagrand）等人才严格证明了它对 SK 模型确实正确——一个物理学家凭直觉构造的解，多年后被数学严格背书。

有限维里真的也有层级无穷多纯态吗？以及它如何溢出物理边界

标题：有限维真的也这样吗？以及它意外地"无所不在"

自旋玻璃理论最持久的争论，是帕里西的图像（基于平均场 SK 模型，相当于无穷维）是否适用于真实的三维材料。两派对立多年：

  • RSB 派认为，真实自旋玻璃也有帕里西式的层级化、无穷多纯态结构。
  • droplet（液滴）派（D. Fisher、D. Huse 等）认为，有限维自旋玻璃本质上只有两个相关的基态（一个加它的整体翻转），低温物理由低能"液滴"激发主导，远比 RSB 简单。

这场争论至今没有完全定论。大规模数值模拟和实验都难以一锤定音，因为自旋玻璃的弛豫太慢、达到平衡极其困难。它是统计物理中少数几个"理论框架很美、却很难被实验彻底验证"的领域之一。

而真正让自旋玻璃名声远播的，是它的概念溢出物理之外。帕里西发展的无序系统数学，意外地成了描述"复杂优化"和"复杂涨落"的通用语言：

  • 组合优化：旅行商问题、可满足性问题（SAT）这类 NP 难问题，其"解的空间"在结构上与自旋玻璃的能量地形惊人相似——也有指数级多的局部最优、也有相变式的"难解阈值"。
  • 机器学习：深层神经网络的损失函数曲面，被认为具有自旋玻璃式的多极小结构；理解训练为何能找到好的极小，借用了大量自旋玻璃工具。
  • 模拟退火算法（Kirkpatrick 等，1983）正是直接从自旋玻璃缓慢冷却的物理类比中诞生的优化方法。

无序与阻挫，是从蛋白质折叠到深度学习的共同语法

标题：无序与阻挫，是从蛋白质到大脑的共同语法

自旋玻璃之所以重要，远不止因为几种稀磁合金。它提供了一套描述"在矛盾约束下涌现复杂行为"的普适框架，把物理学连向生命与信息科学：

  • 蛋白质折叠：一条氨基酸链如何在天文数字般多的可能构型中迅速找到正确的折叠？这正是一个能量地形上的搜索问题，借用了自旋玻璃的"漏斗形地形"概念来解释折叠为何不会陷入歧途（见《蛋白质折叠》）。
  • 神经网络与记忆：Hopfield 网络（一种联想记忆模型）在数学上就是一个自旋玻璃——记忆被存储为能量地形上的吸引子（见《伊辛模型》）。理解记忆容量、回忆错误，都用到自旋玻璃理论。这条线索也是2024年诺贝尔物理学奖表彰"物理学奠基人工神经网络"的核心脉络之一。
  • 进化地形：生物适应度地形（fitness landscape）上的"崎岖性"，与阻挫系统的能量地形数学相通。
  • 凝聚态内部：自旋玻璃与安德森局域化同属"无序系统物理"，两者都由安德森奠基——前者关注无序+阻挫如何冻结自旋，后者关注无序如何冻结输运（见《安德森局域化》）。

帕里西的工作之所以配得上诺奖颁词里"从原子到行星尺度"的评价，正因为他揭示的不是某种材料的脾气，而是无序与涨落如何在所有尺度上塑造复杂世界的一条普遍法则。

跨域连接

  • 伊辛模型：自旋玻璃是伊辛模型加上两味药——无序（耦合强度随机）与阻挫（相互作用互相矛盾），缺一不可：只有无序是顺磁，只有阻挫还能找到妥协解。推论：三角格子上三个反铁磁自旋就是最小阻挫单元——基态简并度随体系指数增长，"怎么排都得罪一对"是新物态的根源。
  • 最优化：阻挫系统的能量地形是数学上非凸难景观的物理化身：指数级局部最优之间隔着高能垒，贪心的局部搜索必然被困。推论：NP 难组合问题的"难易"应有类似相变的阈值行为——可满足性问题在特定约束密度附近突然变难，正是计算实验中观测到的现象。
  • 模拟退火：这个算法直接翻译自自旋玻璃的物理：高温下允许接受劣解以翻山越岭，随"温度"下降逐渐只收优解。推论：降温太快（淬火）必然困在亚稳谷——冷却节奏的设计决定解的质量，这是从冶金到算法都成立的同一个教训。
  • 蛋白质折叠：莱文塔尔悖论与自旋玻璃共享同一个问题结构——天文数字的构型空间如何快速搜索；差别在于天然蛋白质的能量地形被进化塑成漏斗，随机序列的地形则是阻挫的。推论：随机氨基酸序列不应表现出快速折叠，折叠速度本身携带"地形被选择过"的信息。
  • 神经网络：霍普菲尔德网络在数学上就是一个自旋玻璃，记忆容量与回忆错误都能用无序系统理论计算。推论：存储模式超过临界比例时，吸引子应整体失效而非逐个退化——这条来自自旋玻璃的容量上限预言，是统计物理给机器学习的早期礼物。

参考文献

延伸阅读

  • Mézard, M., Parisi, G., & Virasoro, M. A. Spin Glass Theory and Beyond. World Scientific, 1987.

正文中引用本条 · 7 · 其中 5 条来自其他领域

计算机科学近似算法理论遗传算法SAT 求解
数学人工智能的数学什么是复杂系统？