Universalidad: compartir comportamiento sin compartir todos los detalles

COMPLEXA · Ciencias de la Complejidad y Teoría del Caos
Módulo 17. Renormalización, universalidad y descripción multiescala

165.1. Sistemas distintos con comportamiento asintótico común

Fluidos, imanes y aleaciones difieren en constituyentes, energías y mecanismos microscópicos, pero pueden compartir leyes de escalamiento cerca de una transición continua. Universalidad es esa coincidencia macroscópica en el límite crítico, bajo observables y condiciones comparables; fundamenta modelos predictivos sin reproducir cada interacción.

Comparar exige traducir variables; la magnetización ferromagnética y la diferencia de densidades líquido-vapor son parámetros de orden análogos, igual que sus campos conjugados. Pueden requerirse mezclas de variables y sustracción de contribuciones regulares; curvas en unidades arbitrarias sin esa traducción no prueban equivalencia. La universalidad es asintótica, a distancias mayores que la escala microscópica y cerca del punto crítico, donde crece la longitud de correlación. En sistemas finitos, su tamaño limita correlaciones y redondea singularidades; importan el orden de los límites y las condiciones de contorno.

La coincidencia puede abarcar exponentes críticos y, con normalizaciones apropiadas, funciones de escalamiento comunes. Temperaturas críticas, amplitudes dimensionales y fondos analíticos pueden diferir; también varían las correcciones previas al régimen asintótico. La descripción conserva las relaciones relevantes para ciertos observables y escalas y deja de lado detalles secundarios.

El grupo de renormalización explica esta selección. Al sustituir grados de libertad microscópicos por variables colectivas y cambiar la escala, descripciones distintas se acercan al mismo punto fijo. Perturbaciones que se debilitan dejan de controlar las singularidades dominantes; direcciones que crecen determinan qué parámetros ajustar para permanecer cerca de la transición (Kadanoff 1966; Fisher 1974).

El capítulo desarrolla esta explicación, define los exponentes críticos y presenta el ejemplo exacto del modelo de Ising bidimensional; examina luego las propiedades que delimitan una clase, las condiciones de las relaciones de escalamiento, la universalidad estática y dinámica y la analogía estructural con la convergencia del teorema central del límite bajo cambios de escala.

Aplicar estas ideas exige distinguir clasificación, evidencia y mecanismo; una ley de potencias aislada no establece una clase ni garantiza efectos equivalentes de una intervención en sistemas distintos. El alcance del modelo depende de los observables comparados, el régimen accesible y las propiedades relevantes al cambiar de escala.

165.2. Flujo del grupo de renormalización y punto fijo común

La transformación de renormalización elimina fluctuaciones de pequeña escala y redefine longitudes y campos; al iterarla se obtiene una trayectoria de acoplamientos que describe bloques progresivamente mayores, según Kadanoff (1966). Sea $b>1$ el factor de escala, $\ell=\ln b$ su parámetro continuo y $g_i$ un acoplamiento adimensional. Su flujo lo define $\mathcal{B}_i$; el punto fijo $g^*$ satisface $\mathcal{B}_i(g^*)=0$. Cerca de él, los campos $u_a$, combinaciones de desviaciones de los acoplamientos, diagonalizan la evolución lineal

Aquí $i$ recorre acoplamientos, $a$ las direcciones propias y $y_a$ es su autovalor. Con $y_a>0$ la dirección es relevante y crece con la escala; con $y_a<0$, irrelevante y se contrae; con $y_a=0$ es marginal y su destino depende de términos no lineales. La clasificación depende del punto fijo y puede cambiar entre regímenes. Dos modelos llegan al mismo punto fijo si pertenecen a su cuenca de atracción y ajustan las direcciones relevantes. En una transición ferromagnética ordinaria, temperatura y campo son perturbaciones relevantes; acercarse a la temperatura crítica no compensa un campo conjugado no nulo. La variedad crítica reúne las condiciones que mantienen el flujo en el comportamiento crítico.

La contracción de interacciones irrelevantes borra muchos detalles de las singularidades dominantes, aunque deja correcciones observables a escala finita; por eso, materiales distintos pueden aproximarse de modo distinto al mismo exponente. Como expone Fisher (1974), los exponentes dependen de propiedades del punto fijo, pero la traducción entre variables físicas y campos de escalamiento conserva información microscópica.

Las amplitudes también dependen del sistema; el factor dimensional de una longitud de correlación divergente varía generalmente con el material y la unidad de longitud. Algunos cocientes de amplitudes son universales al comparar observables y ramas de transición definidos consistentemente; las funciones de escalamiento requieren fijar factores métricos. Esto presupone convenciones compatibles, geometría adecuada y pertenencia a la misma clase.

La eliminación simple tiene excepciones. Una variable irrelevante peligrosa decrece durante el flujo, pero ciertos observables dependen singularmente de ella; las variables marginales pueden producir correcciones logarítmicas o familias de puntos fijos. Por ello, aunque el flujo converja a un punto fijo, algunos detalles pequeños de la descripción inicial pueden seguir siendo necesarios.

165.3. Definición de los exponentes críticos

Los exponentes críticos describen la singularidad dominante de observables cuando se aproxima una transición continua. Para una transición térmica se introduce la temperatura reducida $t=(T-T_c)/T_c$, donde $T$ es la temperatura y $T_c$ su valor crítico. El campo $h$ es conjugado al parámetro de orden $m$. Toda definición debe indicar la trayectoria de aproximación, porque variar la temperatura a campo nulo y variar el campo a temperatura crítica son límites diferentes.

En la fase ordenada, la magnetización espontánea se obtiene tomando primero el límite termodinámico y después haciendo tender el campo a cero desde una rama elegida. Su magnitud satisface $m\sim B(-t)^\beta$ para $t<0$. Aquí $B$ es una amplitud y $\beta$ es el exponente del parámetro de orden, que no debe confundirse con el inverso de la temperatura, denotado a menudo igual en mecánica estadística.

La susceptibilidad $\chi=(\partial m/\partial h)_T$ mide la respuesta lineal del parámetro de orden al campo. Cerca de la transición, a campo nulo, se escribe $\chi\sim C_\pm |t|^{-\gamma}$. Las amplitudes $C_+$ y $C_-$ corresponden respectivamente a temperaturas superiores e inferiores a $T_c$. El exponente $\gamma$ caracteriza la divergencia, mientras que las amplitudes recogen normalizaciones y propiedades particulares. Si el orden tiene varios componentes, debe especificarse también qué respuesta se mide.

La longitud de correlación $\xi$ caracteriza el alcance espacial de las fluctuaciones conectadas. Su comportamiento dominante es $\xi\sim\xi_{0,\pm}|t|^{-\nu}$, donde $\xi_{0,\pm}$ son amplitudes de longitud y $\nu$ es el exponente correspondiente. Hay varias definiciones de longitud de correlación, como la exponencial y la de segundo momento. Para comparar hay que mantener una definición común, especialmente al estudiar cocientes de amplitudes y sistemas con anisotropía espacial.

La función conectada $G(r)=\langle m(r)m(0)\rangle-\langle m\rangle^2$ mide correlaciones a separación $r$. En el punto crítico, dentro del régimen de escala, $G(r)\sim r^{-(d-2+\eta)}$. La dimensión espacial es $d$ y $\eta$ es la dimensión anómala del campo. Esta ley se aplica a distancias grandes respecto de la escala microscópica y pequeñas respecto del tamaño del sistema; lejos del punto crítico aparece además un corte a distancias del orden de $\xi$.

El calor específico por unidad de volumen, $c=c_{\mathrm{reg}}+c_s$, tiene una contribución regular y otra singular. Habitualmente se escribe $c_s\sim A_\pm |t|^{-\alpha}$, con amplitudes $A_\pm$. Un exponente negativo permite una singularidad tipo cúspide sin divergencia del propio calor específico. Cuando $\alpha=0$ pueden aparecer logaritmos; con ese valor hay que examinar la función para saber si es analítica o diverge lentamente.

Finalmente, la isoterma crítica define $\delta$ mediante $m\sim D\,\operatorname{sgn}(h)|h|^{1/\delta}$ a $t=0$, donde $D$ es otra amplitud. El símbolo de equivalencia asintótica indica el término dominante bajo las convenciones adoptadas. Fondos regulares, correcciones de escala y efectos de tamaño finito deben separarse antes de interpretar una pendiente experimental como cualquiera de estos exponentes.

165.4. El modelo de Ising bidimensional como ejemplo exacto

El modelo de Ising bidimensional tiene exponentes críticos conocidos exactamente. Consideremos una red cuadrada infinita con espines $s_i=\pm1$, interacción ferromagnética uniforme entre vecinos próximos y campo externo nulo. Su energía es $H=-J\sum_{\langle ij\rangle}s_i s_j$, con $J>0$ y una suma que recorre cada par vecino una vez. La temperatura regula la competencia entre alineamiento energético y fluctuaciones térmicas.

El parámetro de orden es la magnetización por espín, definida al seleccionar una fase en el límite termodinámico. Por debajo de la temperatura crítica hay dos ramas espontáneas relacionadas por inversión global de espines. Al aproximarse a la transición, la magnetización desaparece con exponente $\beta=1/8$. La simetría discreta entre ramas será decisiva al comparar este modelo con otros sistemas.

En esta red concreta, la temperatura crítica y la magnetización espontánea, que permiten comprobar la ley directamente, son (Onsager, 1944; Yang, 1952)

El corchete se anula linealmente al aproximarse a $T_c$ desde abajo; elevarlo a $1/8$ da el exponente indicado. La fórmula selecciona la rama positiva; la negativa se obtiene invirtiendo todos los espines. Al disminuir la temperatura hacia cero, la expresión tiende a uno. Estas dos comprobaciones fijan tanto el límite crítico como la normalización por espín. La temperatura crítica depende de la red y del acoplamiento, mientras que el exponente puede mantenerse al modificar detalles microscópicos dentro de la misma clase.

La susceptibilidad diverge con $\gamma=7/4$ y la longitud de correlación con $\nu=1$. Son respuestas complementarias, porque la magnetización mide orden espontáneo, la susceptibilidad sensibilidad al campo y la longitud de correlación extensión espacial. Que estas cantidades, obtenidas independientemente, concuerden con una descripción común de escalamiento refuerza la comprobación de universalidad.

En el punto crítico, la correlación conectada decae con $\eta=1/4$; como $d=2$, $d-2+\eta=1/4$. Aunque el modelo se plantea sin campo, la respuesta no lineal a un campo pequeño sobre la isoterma crítica tiene exponente $\delta=15$.

El calor específico tiene exponente $\alpha=0$, pero su parte singular diverge logarítmicamente. Si $t$ es la temperatura reducida y $A_\pm$ las amplitudes a cada lado, el término dominante es $c_s\sim-A_\pm\ln|t|$. Crece más lentamente que cualquier potencia inversa positiva; de ahí que $\alpha=0$ no implique ausencia de singularidad y que haya que especificar el logaritmo.

Los valores exactos satisfacen $(2-\eta)\nu=7/4=\gamma$ y $d\nu=2=2-\alpha$. Las igualdades relacionan singularidades y limitan los exponentes independientes; el logaritmo sigue siendo compatible con $\alpha=0$. Verificar una identidad entre exponentes y establecer la forma funcional completa de un observable son comprobaciones distintas, aunque relacionadas.

La exactitud de los exponentes no convierte al modelo en una reproducción microscópica de todo material con simetría semejante. Temperaturas críticas, amplitudes y propiedades fuera de la región crítica dependen de cada realización física. Interacciones de mayor alcance, desorden relevante o acoplamientos adicionales pueden cambiar la clase. El modelo es una referencia rigurosa para distinguir qué sobrevive a variaciones microscópicas y qué exige una descripción específica.

165.5. Qué define una clase de universalidad

Una clase de universalidad reúne sistemas cuyo comportamiento crítico comparte un punto fijo y variables relevantes. Dimensión espacial, simetría del parámetro de orden y alcance de las interacciones orientan la clasificación porque organizan las fluctuaciones y perturbaciones permitidas; la coincidencia inicial, sin embargo, exige comprobar la estabilidad frente a otros acoplamientos.

La dimensión determina cómo se acumulan las fluctuaciones; una película, una red tridimensional y una estructura de conectividad irregular pueden diferir aunque compartan reglas locales. Conviene distinguir dimensión geométrica de efectiva. Tamaño finito, anisotropía y crossover pueden ocultar cuál controla el régimen observado.

La simetría define el espacio de estados ordenados. El escalar con inversión $m\mapsto-m$ tiene simetría $Z_2$ y dos orientaciones equivalentes; el vector de dos componentes con $O(2)$ admite orientaciones continuas. El número de componentes y la continuidad de las transformaciones cambian los modos de fluctuación y la teoría efectiva, incluso si la magnitud del parámetro desaparece al subir la temperatura.

Si se cumplen las condiciones para el orden, la ruptura espontánea de una simetría continua puede producir modos de Goldstone, fluctuaciones suaves de orientación cuya energía es pequeña a grandes longitudes de onda. En dos dimensiones, los vórtices añaden grados de libertad topológicos decisivos, de modo que los modelos escalares $Z_2$ y vectoriales $O(2)$ no se vuelven intercambiables redefiniendo el parámetro.

El alcance fija el peso de los acoplamientos distantes. Interacciones suficientemente cortas suelen permitir una expansión local de la energía efectiva; una cola de caída lenta puede añadir términos relevantes y cambiar exponentes. Hay que especificar cuantitativamente su decaimiento y su relación con la dimensión, porque la mera presencia de interacciones débiles a gran distancia no implica otra clase.

El desorden, las restricciones y la topología también pueden intervenir. Las impurezas congeladas alteran el flujo si sus fluctuaciones son relevantes; las restricciones termodinámicas cambian el recorrido de las variables de escalamiento y los exponentes observados; la frustración o la topología generan excitaciones adicionales. Esta lista orienta las hipótesis; para clasificar hay que identificar los grados lentos, las simetrías exactas o emergentes y las perturbaciones que sobreviven al coarse graining. Etiquetas parecidas pueden seguir flujos distintos; apoyan una clase la concordancia de exponentes, funciones de escalamiento y respuestas a perturbaciones bajo condiciones comparables.

165.6. Relaciones de escalamiento e hiperescalamiento

Las relaciones de escalamiento vinculan singularidades mediante una estructura de homogeneidad. Sean $f_s$ la densidad de energía libre singular, en unidades térmicas y microscópicas consistentes, $t$ la temperatura reducida, $h$ el campo conjugado, $b>1$ un factor de escala y $u_a$ los campos irrelevantes. La forma habitual es

Aquí $d$ es la dimensión espacial y $y_t,y_h,y_a$ son autovalores de escalamiento. Al despreciar los campos irrelevantes y elegir $b=|t|^{-1/y_t}$, la dependencia térmica se vuelve una potencia. La longitud de correlación da $\nu=1/y_t$. Las derivadas respecto de $h$ producen magnetización y susceptibilidad; las térmicas, calor específico. Así se relacionan exponentes de distintos observables, siempre que derivadas y límites respeten el régimen supuesto (Fisher 1974).

La relación de Fisher parte de que la susceptibilidad es proporcional a la integral de la correlación conectada, salvo factores termodinámicos regulares. Si $G(r)$ decae como $r^{-(d-2+\eta)}$ y su alcance se corta en $\xi$, la integral escala como $\xi^{2-\eta}$. Con la divergencia térmica de $\xi$ resulta $\gamma=(2-\eta)\nu$. Se requiere que domine la parte singular y que no haya otras escalas relevantes.

El hiperescalamiento interpreta espacialmente la energía libre singular. Si cada volumen correlacionado contribuye con una cantidad de orden unidad en unidades térmicas, $f_s\sim\xi^{-d}$. Comparando con $f_s\sim|t|^{2-\alpha}$ resulta $2-\alpha=d\nu$, con factores logarítmicos cuando corresponda. Se supone que $\xi$ controla el volumen relevante y que ninguna otra variable introduce dependencia singular.

La identidad tiene alcance limitado. Para la transición ordinaria de Ising con interacciones cortas, la dimensión crítica superior es $d_c=4$. Por encima, los exponentes dominantes son de campo medio, incluidos $\nu=1/2$ y $\alpha=0$. El hiperescalamiento exigiría $2=d/2$, que falla si $d>4$. No hay contradicción, porque sus hipótesis dejan de cumplirse.

La interacción cuártica de la teoría efectiva es una variable irrelevante peligrosa; aunque decrece bajo renormalización, ciertas magnitudes dependen singularmente de ella y suprimirla antes de calcularlas elimina información indispensable. En la dimensión crítica superior también aparecen correcciones logarítmicas. El hiperescalamiento ingenuo omite estos efectos e induce inferencias erróneas sobre dimensión, tamaño finito o exponentes independientes.

Toda identidad entre exponentes exige explicitar el tipo de transición, la dimensión, el alcance, la ausencia de variables peligrosas y una definición coherente de los observables. Estas identidades conectan mediciones independientes y detectan incompatibilidades, aunque una identidad aislada pesa menos como evidencia que una descripción conjunta de singularidades y correcciones esperadas.

165.7. Universalidad dinámica

La universalidad estática describe distribuciones de equilibrio y singularidades termodinámicas; la dinámica añade cómo evolucionan las fluctuaciones y cuánto tardan en relajarse. Cerca de una transición continua, el crecimiento de las correlaciones espaciales suele acompañarse de ralentización crítica, porque regiones mayores deben reorganizarse de manera coordinada. El escalamiento habitual es $\tau_{\mathrm{corr}}\sim\tau_0(\xi/a)^z$, donde $\tau_{\mathrm{corr}}$ es un tiempo característico de correlación, $\xi$ la longitud de correlación, $a$ una longitud microscópica, $\tau_0$ una amplitud temporal y $z$ el exponente dinámico. Debe especificarse cómo se define el tiempo, ya que distintos observables pueden acoplarse a modos lentos diferentes y mostrar transitorios muy distintos.

Las leyes de conservación condicionan la dinámica. Si el parámetro de orden no se conserva localmente, una región puede relajarse hacia su entorno; si se conserva, el cambio requiere transporte y corrientes. Ambas dinámicas pueden muestrear el mismo equilibrio, pero sus mecanismos a grandes distancias difieren y la conservación puede cambiar el exponente dinámico sin alterar los exponentes estáticos.

Hohenberg y Halperin (1977) clasifican las dinámicas según el parámetro de orden, sus conservaciones y sus acoplamientos a otros modos lentos. El modelo A describe la relajación puramente disipativa de un parámetro escalar no conservado; el modelo B, la de uno conservado. Usar estos modelos efectivos requiere comprobar que los demás modos relevantes pueden eliminarse o tratarse consistentemente.

Energía, densidad y momento pueden ser variables lentas adicionales. En fluidos, el transporte y los modos hidrodinámicos afectan la relajación crítica; en sistemas magnéticos pueden intervenir acoplamientos reversibles y precesión. La separación de escalas puede deteriorarse cerca de la transición, por lo que la clase dinámica depende de algo más que la simetría estática.

La diferencia entre conservación y relajación local se ve ya en la aproximación gaussiana. Sea una energía libre cuadrática con coeficiente de masa $r$ y rigidez espacial $\kappa>0$. Para un modo de número de onda $q$, la parte determinista de las dos dinámicas tiene la forma

con movilidades positivas $\Gamma$ y $M$. Los ruidos térmicos correspondientes deben elegirse de forma consistente con el mismo equilibrio. En el punto crítico gaussiano, $r=0$, los tiempos de los modos no uniformes crecen como $q^{-2}$ y $q^{-4}$, de modo que en esta aproximación $z=2$ y $z=4$. El factor adicional $q^2$ del modelo B expresa que el cambio requiere transporte. Su modo uniforme permanece constante por conservación. Las interacciones y otros modos lentos pueden modificar estos resultados, así que los valores gaussianos solo ilustran el mecanismo.

En Monte Carlo, algoritmos con la misma distribución estacionaria pueden tener tiempos de autocorrelación muy diferentes. Las actualizaciones locales y colectivas siguen reglas distintas; el tiempo en barridos mide eficiencia y correlaciones computacionales. Interpretarlo como tiempo físico exige justificar la correspondencia entre transiciones simuladas, conservaciones reales y dinámica microscópica. Por ello, compartir exponentes estáticos no determina el mismo $z$. Una comparación debe declarar el observable temporal, el mecanismo de transporte, las variables conservadas y la conversión de unidades; también debe examinar el tamaño finito y los posibles tiempos múltiples. Acelerar el muestreo puede ser eficaz para estimar el equilibrio y, a la vez, inadecuado para predecir la relajación física o la respuesta temporal a una perturbación.

165.8. El teorema central del límite como ilustración

El teorema central del límite es un ejemplo probabilístico de convergencia hacia una forma común bajo agregación y cambio de escala. Sean $X_1,X_2,\ldots$ variables independientes e idénticamente distribuidas, con media cero y varianza finita positiva $\sigma^2$. Sus distribuciones individuales pueden diferir mucho de una gaussiana. Sin embargo, la suma normalizada converge en distribución a una normal estándar cuando aumenta el número de términos.

Definamos $S_N=\sum_{i=1}^{N}X_i$, donde $N$ es el número de variables sumadas. La independencia hace que su varianza sea $N\sigma^2$. Para mantener una escala de fluctuación constante se divide por $\sigma\sqrt{N}$. Si $Z_N$ denota el resultado, la afirmación precisa es

La flecha indica convergencia en distribución y $\mathcal{N}(0,1)$ es la ley normal de media cero y varianza unidad. Esta convergencia concierne a la distribución límite y no garantiza que todas las propiedades de las colas o todos los momentos converjan de igual manera. La velocidad de convergencia y la calidad de la aproximación para un tamaño finito dependen de propiedades adicionales de la distribución inicial.

Los cumulantes muestran qué información se atenúa durante la agregación. Sea $\kappa_r(X)$ el cumulante de orden $r$ de una variable representativa, siempre que exista. Los cumulantes de variables independientes se suman y responden homogéneamente a la multiplicación por una constante. En consecuencia, $\kappa_r(Z_N)=N^{1-r/2}\kappa_r(X)/\sigma^r$. El primero permanece nulo y el segundo vale uno. Para cada orden $r>2$ con cumulante finito, el factor de escala tiende a cero.

Esta pérdida de cumulantes superiores recuerda la contracción de direcciones irrelevantes cerca de un punto fijo. La distribución gaussiana permanece estable al sumar copias independientes y normalizar adecuadamente. Asimetrías y otras desviaciones con momentos suficientes se debilitan bajo iteración. El argumento con cumulantes es ilustrativo y requiere su existencia; la versión ordinaria del teorema solo exige varianza finita. Si se emplea la hipótesis más fuerte, hay que explicitar la diferencia.

Las condiciones delimitan la conclusión. Una distribución con colas suficientemente pesadas puede tener varianza infinita y quedar fuera de esta normalización. En determinados dominios de atracción aparecen leyes estables distintas de la gaussiana y otras potencias de normalización. La dependencia de largo alcance también puede alterar el límite o su escala. Hay teoremas para variables dependientes, pero necesitan hipótesis propias sobre correlaciones, mezcla u otras formas de control de la dependencia.

La analogía con el grupo de renormalización consiste en agregar, reescalar y observar qué rasgos persisten. El teorema central del límite no identifica automáticamente el punto fijo de una transición crítica, porque las fluctuaciones críticas están correlacionadas y pueden producir estructuras no gaussianas. La comparación muestra cómo distribuciones distintas comparten un límite sin conservar todos sus detalles iniciales; también obliga a declarar el dominio de atracción y la operación concreta de cambio de escala.

Una corrección explícita a la distribución límite

Consideremos variables independientes que toman los valores menos uno y uno con la misma probabilidad. Cada variable tiene media cero, varianza uno y cuarto momento uno. Su cuarto cumulante, obtenido al restar tres veces el cuadrado de la varianza al cuarto momento, vale menos dos. Para la suma normalizada por la raíz del número de términos, el cuarto cumulante se divide por ese número y se tiene

La distribución normal tiene cuarto momento tres. La diferencia calculada muestra que el cuarto momento de la suma normalizada se aproxima a ese valor límite con una corrección que depende del tamaño. Dos distribuciones microscópicas con igual media y varianza pueden tener distintos cuartos cumulantes y, por tanto, acercarse al mismo límite con correcciones diferentes.

Para comprobar la fórmula basta expandir la cuarta potencia de la suma. Los términos con índices que aparecen un número impar de veces tienen esperanza cero por simetría e independencia. Sobreviven los términos con cuatro índices iguales y los que contienen dos parejas. Al contar ambas clases y dividir por el cuadrado del tamaño se obtiene la expresión anterior. El cálculo indica qué hipótesis elimina cada contribución, algo que una semejanza visual entre histogramas no muestra.

El soporte de la suma normalizada sigue siendo discreto para cualquier tamaño finito y está acotado entre menos y más la raíz del tamaño, mientras que una variable normal puede tomar valores arbitrariamente grandes. La convergencia en distribución no afirma una coincidencia uniforme de probabilidades relativas en todos los extremos. Un umbral que crece con el tamaño puede explorar una región distinta de la que describe la aproximación central.

Este límite se relaciona de manera precisa con la pérdida de detalles microscópicos, ya que al sumar y normalizar disminuyen ciertos cumulantes. La comparación con un flujo de renormalización ayuda a organizar la explicación, pero no identifica automáticamente el teorema central del límite con una transición crítica. En un sistema con correlaciones de largo alcance, la normalización por la raíz del tamaño puede dejar de ser adecuada. Antes de trasladar la conclusión gaussiana deben comprobarse las hipótesis que controlan las dependencias y la varianza de la suma.

165.9. Evidencia de universalidad y sus riesgos

Una recta aproximada en coordenadas logarítmicas es una evidencia limitada de escalamiento y aún más limitada de universalidad. Un intervalo estrecho admite varias familias de ajuste y la selección del rango, la transformación de errores y la dependencia entre observaciones afectan las pendientes. La evaluación debe comparar predicciones y condiciones, explicitar incertidumbres y considerar alternativas distinguibles con los datos. El rango debe corresponder a escalas físicas, porque lejos del punto crítico dominan las contribuciones regulares y, demasiado cerca, el tamaño finito o la resolución limitada cortan la divergencia. La ventana de escalamiento debe demostrarse; desplazar sus límites pone a prueba la estabilidad. Cambios sistemáticos de pendiente pueden indicar correcciones, crossover o una variable de control inadecuada.

Las correcciones producen exponentes efectivos distintos del asintótico. Un observable $Q$ puede obedecer $Q(t)=A|t|^{-p}[1+a|t|^\Delta+\cdots]$, donde $t$ es la distancia reducida a la transición, $A$ una amplitud, $p$ el exponente dominante, $a$ una amplitud correctiva y $\Delta>0$ un exponente de corrección. Omitir ese término sesga el ajuste incluso si la teoría asintótica es correcta; también hay fondos analíticos y correcciones logarítmicas.

El crossover conecta regímenes con escalas o puntos fijos distintos. Una interacción débil puede ser invisible en sistemas pequeños y dominar a grandes distancias; el espesor puede cambiar la dimensionalidad efectiva; otro régimen crítico cercano puede generar pendientes transitorias. Variar tamaño, parámetros o geometría permite localizar dónde ocurre el cambio.

El colapso de datos de varios tamaños es más informativo si reúne varios observables y parámetros compartidos, pero ajustar temperaturas críticas, exponentes, amplitudes y fondos puede fabricar coincidencias. Hay que distinguir los parámetros estimados independientemente de los optimizados para el colapso. La concordancia entre susceptibilidad, correlaciones, parámetro de orden y relaciones de escalamiento restringe más la hipótesis que una curva normalizada.

Los sesgos de muestreo debidos al umbral de detección, la agregación temporal, el submuestreo espacial o la definición de eventos alteran las distribuciones aparentes de tamaños, duraciones y correlaciones. En registros neurales, una ley de potencias aislada no establece criticalidad ni una clase concreta; hay que examinar mecanismos alternativos, no estacionariedad, procesamiento y predicciones conjuntas de la hipótesis crítica.

Para transferir una explicación entre sistemas hay que contrastarla. Asociar un patrón estadístico con un estado crítico, identificar su mecanismo y demostrar el efecto de una intervención son problemas distintos que exigen, cada uno, evidencia propia. Los ejemplos numéricos de ajustes o colapsos deben identificarse expresamente como didácticos. Una evaluación de universalidad es sólida cuando muestra qué observaciones la sostienen, cuáles podrían refutarla y qué conclusiones quedan fuera de su alcance.

165.10. Uso de la universalidad en modelos

La universalidad permite elegir modelos reducidos para preguntas en un régimen de escala definido, ya que reproducir simetría, dimensionalidad y perturbaciones relevantes puede bastar para describir exponentes críticos y funciones de escalamiento. Esa economía obliga a delimitar el alcance del modelo, que puede representar bien una singularidad y predecir mal temperaturas críticas, amplitudes, tiempos microscópicos o respuestas fuera del equilibrio. Compartir un exponente es una coincidencia parcial de comportamientos asintóticos, compatible con muchas realizaciones microscópicas; además, una pendiente en un intervalo finito puede tener explicaciones ajenas al punto fijo. Inferir mecanismos requiere evidencia adicional sobre constituyentes, acoplamientos y causalidad, porque la clase restringe las descripciones colectivas posibles pero deja abiertos muchos mecanismos.

Un modelo bien construido especifica los observables, relaciona variables físicas con campos efectivos, identifica escalas de corte y justifica qué grados de libertad elimina. Debe separar predicciones universales de parámetros calibrados localmente; así puede comparar sistemas sin exigir amplitudes idénticas y distinguir una discrepancia de clase de un problema de traducción entre modelo y realización.

Transferir intervenciones exige cautela. Cambiar interacciones, imponer restricciones o modificar leyes de conservación puede mantener el sistema en una clase, alejarlo de la región crítica o llevarlo a otro flujo; la clasificación inicial no decide cuál ocurre. Hay que establecer cómo actúa el cambio sobre las variables relevantes y qué mecanismos median sus efectos.

Sistemas con singularidades estáticas comunes pueden diferir en transporte de energía, conservación del parámetro de orden, tiempos de respuesta y trayectorias tras perturbaciones. Un algoritmo puede acelerar la exploración y preservar el equilibrio, pero alterar la interpretación temporal; la validación debe corresponder al uso previsto.

Siguen siendo específicos los valores de muchos parámetros, las condiciones de contorno reales, los acoplamientos al entorno y la accesibilidad experimental del límite asintótico. Las correcciones de escalamiento y el crossover limitan lo observable en tamaños y tiempos finitos, por lo que documentarlos expone incertidumbres relevantes para aplicaciones y comparaciones. La universalidad explica regularidades que sobreviven a cambios microscópicos y organiza pruebas conjuntas. El punto fijo determina el comportamiento límite; su cuenca de atracción, las condiciones de pertenencia. Cada aplicación sigue requiriendo evidencia de escalamiento, evaluación de perturbaciones y justificación de inferencias causales. Una coincidencia universal no demuestra que un mecanismo detallado sea compartido ni que una intervención sea transferible.

Referencias

Fisher, M. E. (1974). The renormalization group in the theory of critical behavior. Reviews of Modern Physics, 46, 597–616. DOI.

Kadanoff, L. P. (1966). Scaling laws for Ising models near Tc. Physics Physique Fizika, 2, 263–272. DOI.

Hohenberg, P. C. y Halperin, B. I. (1977). Theory of dynamic critical phenomena. Reviews of Modern Physics, 49, 435–479. DOI.

Onsager, L. (1944). Crystal statistics. I. A two-dimensional model with an order-disorder transition. Physical Review, 65, 117–149. DOI.

Yang, C. N. (1952). The spontaneous magnetization of a two-dimensional Ising model. Physical Review, 85, 808–816. DOI.