2.4 Processus de contact
2.4.3 Pression topologique
Dans la limite thermodynamique (n et N grands, ρ = n/N fix´e) les taux de transi- tion (2.96) dans l’espace du nombre total de particules prennent la forme
W−= N ρ (2.101)
W+= N (1− ρ)(λρ + h) (2.102)
La pression topologique ψ+(s) est donn´ee d’apr`es l’´egalit´e (2.32), traduite dans le langage des
particules (au lieu des spins) `a l’ordre dominant en N par N1ψ+(s) =− minρF+(ρ, s) avec
F+(ρ, s) = ρ + (1− ρ)(λρ + h) − 2ρ(1− ρ)(λρ + h)1/2ρ + (1− ρ)(λρ + h)s (2.103)
2.4. PROCESSUS DE CONTACT 53 (i) Pour une faible valeur h > 0 du champ : l’´etat stationnaire est actif, de densit´e ρeq =
ρ+(0) non nulle, donn´ee par la solution (2.100) (qui correspond ´egalement au minimum
et au z´ero de F+(ρ, s), figure 2.15a). Pour s > 0, les histoires ont une plus grande
complexit´e dynamique (donn´ee −N t1 hQ+is = ψ+′ (s), figure 2.18a) que dans l’´etat sta-
tionnaire et les ´etats explor´es ont une densit´e de particules ρ+(s) > ρeq (figure 2.16a).
Une plus grande densit´e autorise en effet plus d’´ev´enements par unit´e de temps. Dans la r´egion s < 0, qui explore des histoires de complexit´e dynamique plus faible que dans l’´etat stationnaire, on observe une transition de phase dynamique du premier ordre, la d´eriv´ee ψ′+(s) de la pression topologique ´etant discontinue en un point singulier sc < 0
(figures2.17a,2.18a). La complexit´e moyenne diminue brutalement (figure2.18a) : pour s < sc, les histoires sont beaucoup moins actives. La transition se refl`ete aussi dans la
densit´e moyenne ρ+(s) des configurations explor´ees, qui est plus faible dans la phase
inactive.
(ii) Dans la limite de champ nul (h→ 0) : le sc´enario pr´ec´edent est conserv´e, le point sin- gulier sctendant vers 0 (figures2.15b-2.18b). Dans la phase inactive (s < sc), la densit´e
de particules devient nulle (le syst`eme tombe dans l’´etat absorbant).
2.4.4 Thermodynamique des histoires associ´ee `a K
Comme pour le mod`ele d’Ising ´etudi´e pr´ec´edemment, les r´esultats sur ψK(s) sont en
0.2 0.4 0.6 0.8 1 -0.1 -0.05 0.05 0.1 0.15 0.2 0.25
F
+(m, s)
ρ
s = 0
s < s
cs > 0
s = s
c 0.2 0.4 0.6 0.8 1 -0.1 -0.05 0.05 0.1 0.15 0.2 0.25F
+(m, s)
ρ
s < 0
s < 0
s = 0
s > 0
Fig.2.15 – ´Energie libre `a la Landau F+(ρ, s) pour le processus de contact, pour diff´erentes
valeurs de s, `a λ = 2.5. Les valeurs m+(s) auxquelles F+(m, s) atteint son minimum sont
repr´esent´ees en figure2.16. [(a), gauche] En champ non nul (h = 0.1). [(b), droite] Dans la limite de champ nul (h→ 0).
-0.75 -0.5 -0.25 0.25 0.5 0.75 1 0.1 0.2 0.3 0.4 0.5 0.6
s
ρ
+(s)
-1 -0.5 0.5 1 0.1 0.2 0.3 0.4 0.5 0.6 0.7s
ρ
+(s)
Fig. 2.16 – Densit´e de particules moyenne dans l’´etat-s ρ+(s) pour le processus de contact
(λ = 2.5). [(a), gauche] En champ non nul (h = 0.1), la densit´e moyenne ρ+(s) indique la
transition du premier ordre en sc < 0. La densit´e de particules dans l’´etat inactif (s < sc) est
plus faible que dans l’´etat actif (s > sc), mais n’est pas nulle. [(b), droite] Dans la limite de
champ nul (h→ 0), la transition a lieu en sc= 0. La densit´e de particules dans l’´etat inactif
(s < sc) tend vers 0 avec h. Pour h = 0, on retrouve l’´etat absorbant compl`etement vide de
2.4. PROCESSUS DE CONTACT 55 -0.75 -0.5 -0.25 0.25 0.5 0.75 1 0.2 0.4 0.6 0.8 1 1.2
s
1 Nψ
+(s)
-1 -0.5 0.5 1 0.2 0.4 0.6 0.8 1 1.2s
1 Nψ
+(s)
Fig. 2.17 – Pression topologique N1ψ+(s) pour le processus de contact (λ = 2.5).
[(a), gauche] En champ non nul (h = 0.1), ψ+(s) est non analytique en sc < 0 (la deuxi`eme
d´eriv´ee est discontinue, cf. figure 2.18a). [(b), droite] Dans la limite de champ nul (h→ 0), le point singulier sc tend vers 0.
-0.75 -0.5 -0.25 0.25 0.5 0.75 1 0.25 0.5 0.75 1 1.25 1.5 1.75 1 N
ψ
+′(s)
s
-0.4 -0.2 0.2 0.4 0.2 0.4 0.6 0.8 1 1.2 1 Nψ
′+(s)
s
Fig.2.18 – D´eriv´ee de la pression topologique N1ψ′+(s) pour le processus de contact (λ = 2.5). En champ non nul [(a), gauche, h = 0.1] comme dans la limite de champ nul [(b), droite, h → 0], la singularit´e de ψ+(s) traduit une discontinuit´e dans la moyenne de la complexit´edynamique dans l’´etat-s 1
Chapitre 3
Grandes d´eviations en temps
continu : m´ethode num´erique
Nous pr´esentons une proc´edure num´erique pour ´etudier les propri´etes physiques d’un sys- t`eme dans l’ensemble-s, d´evelopp´ee en collaboration avec Julien Tailleur. Les r´esultats corre- spondent `a la publication P5.
3.1
Description de la m´ethode
3.1.1 Motivations
L’´etude des fluctuations d’observables extensives en temps du type A (comme K, Q+, ou
QS) est `a la base de la thermodynamique des histoires expos´ee au chapitre 1. Quantitative-
ment, il s’agit d’´etudier la fonction de grandes d´eviations π(a) associ´ee `a la probabilit´e de mesurer une valeur a t de l’observable A sur un temps long :
Prob A/t = a , t ∼ etπ(a) avec t→ ∞ (3.1) Comme on l’a vu, il est plus facile de consid´erer la fonction de grandes d´eviations ψA(s)
associ´ee `a la fonction g´en´eratrice des moments de A :
ZA(s, t) =
X
A
e−sAP (A, t) = e−sA ∼ etψA(s) avec t→ ∞ (3.2)
Ces fonctions et leur interpr´etation ont ´et´e introduites au paragraphe 1.4.2.
La d´efinition mˆeme de ces fonctions de grandes d´eviations rend leur d´etermination difficile, car la probabilit´e d’observer une valeur de A/t loin de sa moyenne d´ecroˆıt exponentiellement en temps. D´eterminer directement π(a) pose donc un probl`eme d’´echantillonnage – il faut observer un grand nombre de trajectoires pour obtenir des valeurs rares de A. Pour les syst`emes ´evoluant avec une dynamique de Markov en temps discret, Giardin`a, Kurchan et Peliti ont propos´e [67] une m´ethode num´erique du type Monte Carlo qui s’affranchit de cette difficult´e, la fonction de grandes d´eviations ´etant obtenue par la mesure de la valeur
moyenne d’une observable. Toutefois, les syst`emes physiques ´evoluent continˆument en temps : l’application de cet algorithme `a des mod`eles continus en temps passe donc par le choix d’un pas de temps arbitraire dt pour discr´etiser la dynamique. La valeur optimale de dt est d´etermin´ee par un ´equilibre entre l’efficacit´e de l’algorithme et l’erreur due `a la discr´etisation. Dans l’id´eal, dt doit ˆetre plus petit que toute ´echelle de temps dans le syst`eme, mais des valeurs de dt trop petites ne font qu’allonger inutilement la dur´ee de simulation, la plupart des pas de temps ´etant perdus `a rejeter des ´ev´enements. Cette difficult´e est d´ej`a pr´esente dans les algorithmes de Monte Carlo standard, et devient in´evitable lorsqu’on ´etudie une fonction de grandes d´eviations. En effet, mˆeme un syst`eme qui poss`ede une seule ´echelle de temps dans l’´etat stationnaire pr´esentera en g´en´eral des ´echelles de temps assez diff´erentes dans ses grandes d´eviations, suivant la nature des histoires rares qui les g´en`erent – ce qui rend le choix de dt ardu. Un exemple simple de cette situation est donn´e par les mod`eles de trafic routier : dans l’´etat stationnaire, l’´echelle de temps est globalement fixe, mais peut varier d’un facteur N ´egal au nombre de voitures pr´esentes dans le syst`eme, si l’on compare les histoires embouteill´ees (un nombre fini de voitures peut bouger) et les histoires fluides (o`u un nombre extensif de voitures peut bouger).
Dans ce chapitre, nous pr´esentons une proc´edure inspir´ee de [67] o`u les difficult´es de la discr´etisation en temps sont ´elimin´ees en se pla¸cant directement en temps continu. Pour les ph´enom`enes d´ecrits dans le cadre des syst`emes dynamiques, la d´etermination de fonctions de grandes d´eviations fait ´egalement appel `a des m´ethodes de clonage (voir [125,126] pour des exemples de syst`emes `a grand nombre de degr´e de libert´e).