We show that entropy is globally concave with respect to energy for a rich class of mean field interactions, including regularizations of the the point-vortex model in the plane, plasmas and self-gravitating matter in 2D, as well as the higher dimensional logarithmic interactions appearing in conformal geometry and power laws. The proofs are based on a corresponding "microscopic" concavity result at finite N, shown by leveraging an unexpected link to Kahler geometry and plurisubharmonic functions. Under more restrictive homogeneity assumptions strict concavity is obtained using a uniqueness result for free energy minimizers, established in a companion paper. The results imply that thermodynamic equivalence of ensembles holds for this class of mean field models. As an application it is shown that the critical inverse negative temperatures - in the macroscopic as well as the microscopic setting - coincide with the asymptotic slope of the corresponding microcanonical entropies. Along the way we also extend previous results on the thermodynamic equivalence of ensembles for continuous weakly positive definite interactions, concerning positive temperature states, to the general non-continuous case. In particular, singular situations are exhibited where, somewhat surprisingly, thermodynamic equivalence of ensembles fails at energy levels sufficiently close to the minimum energy level.


翻译:我们显示,在能量方面,温度与大量中度实地相互作用的能量是全球性的,包括平面的点旋模型、等离子体和自重物质在 2D 中的正规化,以及符合的几何和功率法中出现的更高维对数互动。这些证据是基于一个相对的“微缩”混凝土结果,在有限N 上显示的是利用与Kahler 几何学和多元相交功能的意外联系。在更具限制性的同质假设下,利用一个配套文件中建立的免费能源最小化器的独特性结果来获得严格的共融。其结果表明,这一类中度模型的热力等同性存在于高维度的对等关系中。作为应用,它表明临界的反温-在宏观和微分层中,与相应的微温共振动共振动的斜度一致。我们还将以往关于自由能量最小化的热力等值结果扩大到一个不固定的普通温度水平,在连续的微弱等同度上,在最接近的等同度上,最接近的能量水平上是相当的正的正的。

0
下载
关闭预览

相关内容

【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
因果图,Causal Graphs,52页ppt
专知会员服务
247+阅读 · 2020年4月19日
专知会员服务
161+阅读 · 2020年1月16日
强化学习最新教程,17页pdf
专知会员服务
176+阅读 · 2019年10月11日
MIT新书《强化学习与最优控制》
专知会员服务
276+阅读 · 2019年10月9日
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图与推荐
10+阅读 · 2020年3月28日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
【推荐】Kaggle机器学习数据集推荐
机器学习研究会
8+阅读 · 2017年11月19日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【推荐】GAN架构入门综述(资源汇总)
机器学习研究会
10+阅读 · 2017年9月3日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
人工神经网络
平均机器
15+阅读 · 2017年7月17日
Arxiv
0+阅读 · 2021年4月29日
VIP会员
相关资讯
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图与推荐
10+阅读 · 2020年3月28日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
【推荐】Kaggle机器学习数据集推荐
机器学习研究会
8+阅读 · 2017年11月19日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【推荐】GAN架构入门综述(资源汇总)
机器学习研究会
10+阅读 · 2017年9月3日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
人工神经网络
平均机器
15+阅读 · 2017年7月17日
Top
微信扫码咨询专知VIP会员