P. 1
Dinamika Fluida

Dinamika Fluida

|Views: 1,171|Likes:
Published by GƱsdj Matsuyama

More info:

Published by: GƱsdj Matsuyama on Feb 26, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/13/2013

pdf

text

original

Sections

  • Pendahuluan
  • 1.1 Latar Belakang
  • 1.2 Perumusan Masalah
  • 1.3 Metode Penelitian
  • 1.4 Tujuan Penelitian
  • Dinamika Fluida Berbasis Teori
  • 2.1 Dinamika Fluida
  • 2.2 Teori Medan Gauge untuk Dinamika Fluida
  • 2.3 Sistem Multi Fluida
  • Teori Medan Gauge pada Lattice
  • 3.1 Path Integral pada Mekanika Kuantum
  • 3.2 Teori Medan Kuantum dengan Path Inte-
  • 3.3 Diskritisasi
  • 3.4 Transformasi Gauge pada Lattice
  • Hasil dan Pembahasan
  • Gambar 4.1: Grafik ∆E terhadap kecepatan fluida vuntuk g = 1
  • Gambar 4.2: Grafik ∆E terhadap kecepatan fluida v untuk g = 0.01
  • Gambar 4.3: Grafik ∆E terhadap kecepatan fluida beberapa nilai Ncf
  • tanpa bootstrap
  • Gambar 4.5: Grafik ∆E terhadap kecepatan fluida untuk beberapa nilai a
  • tanpa bootstrap sampling
  • Kesimpulan

Perhitungan Dinamika Fluida Berbasis Teori

Medan dengan Lattice Gauge Theory
Tugas Akhir
Diajukan sebagai salah satu syarat untuk meraih gelar Sarjana Sains
Heribertus Bayu Hartanto
0302027016
Departemen Fisika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Indonesia
Depok
2006
Lembar Persetujuan
Judul Skripsi : Perhitungan Dinamika Fluida Berbasis Teori Medan dengan
Lattice Gauge Theory
Nama : Heribertus Bayu Hartanto
NPM : 0302027016
Skripsi ini telah diperiksa dan disetujui
Depok, Mei 2006
Mengesahkan
Pembimbing I Pembimbing II
Dr. L. T. Handoko Dr. Terry Mart
Penguji I Penguji II
Dr. Imam Fachrudin Dr. Anto Sulaksono
Kata Pengantar
Puji syukur kepada Tuhan Yang Maha Pengasih karena berkat dan penyertaan-
Nya penulis dapat menyelesaikan tugas akhir ini. Terima kasih yang tak ter-
hingga penulis sampaikan kepada kedua orangtua tercinta dan segenap keluar-
ga atas dukungan yang diberikan selama penyelesaian tugas akhir ini. Topik
yang di-kerjakan pada tugas akhir ini menurut penulis sangat menarik, karena
merupakan suatu pendekatan yang baru dalam dinamika fluida. Dinamika fluida
yang biasanya diselesaikan dengan mekanika klasik, diformulasikan dengan teori
medan gauge dan untuk menghitung energi dilakukan dengan menggunakan Lat-
tice Gauge Theory, tool yang biasa dipakai dalam fisika partikel. Penulis secara
khusus mengucapkan terima kasih kepada semua pihak yang telah membantu
penyelasaian tugas akhir ini baik secara langsung maupun tidak langsung, antara
lain:
1. Dr. L.T. Handoko selaku pembimbing I yang telah membimbing penulis
mulai dari awal diskusi hingga penyelesaian tugas akhir ini serta atas ide-
ide, dukungan dan saran yang diberikan.
2. Dr. Terry Mart selaku pembimbing II dan ketua peminatan Fisika Nuklir
dan Partikel atas bimbingan dan dukungan yang diberikan baik itu selama
kuliah maupun pengerjaan tugas akhir ini.
3. Rekan-rekan di Lab Teori, khususnya grup diskusi Lattice: Nowo dan Juju,
Beriya, Popo, Handhika, Arum, Ardy, Nita, Harykin, Chandi, Pak Ayung,
Pak Sulaiman, Mas Parada.
4. Semua teman-teman fisika angkatan 2002, ”rekan-rekan kerja” di Lab Fisi-
ka Dasar, teman-teman di KMK MIPA dan KMK UI yang tidak dapat
disebutkan satu persatu.
iii
5. Special gift from God, Melvi, untuk dukungan dalam setiap langkah penulis,
dalam senang maupun sedih.
6. Juga semua pihak yang tidak dapat disebutkan di sini atas dukungan dan
doa kepada penulis selama penyelesaian tugas akhir ini.
Penulis menyadari bahwa karya tulis ini masih jauh dari sempurna, maka dari itu
penulis mengharapkan kritik dan saran dari para pembaca demi perkembangan
riset di Fisika UI.
Depok, Mei 2006
Heribertus Bayu
iv
Abstrak
Dinamika fluida berbasis teori medan diformulasikan dalam kisi ruang waktu
diskrit. Dengan formulasi tersebut dihitung selisih energi eksitasi (∆E) dari in-
teraksi antara materi dengan fluida dengan menggunakan simulasi Metropolis
Monte Carlo. Berdasarkan simulasi tersebut, diperoleh bahwa hubungan ∆E de-
ngan kecepatan fluida dari interaksi materi dengan fluida tidak bergantung pada
besarnya konstanta kopling interaksi g. Formulasi ini memberikan pemahaman
dasar untuk perhitungan bermacam-macam observable dari fenomena yang di-
modelkan dengan Lagrangian dinamika fluida dimana tidak ada jaminan teori
perturbasi berlaku.
Kata kunci: lagrangian Navier Stokes, lattice gauge theory
viii+34 hlm.; lamp.
Daftar Acuan: 10(1996-2006)
Abstract
Fluid dynamics based on the gauge field theory is formulated on a discrete space-
time lattice. Using this formulation, the difference of excitation energy (∆E)
from the interaction of fluids and matter is calculated using Metropolis Monte
Carlo simulation. From the simulation, it is found that relation between ∆E
with the velocity of fluid from the interaction of fluid and matter is not depend
on the interaction coupling constant g. This formulation provides basic knowledge
to calculate some observables for phenomenon modeled with the fluid dynamics
Lagrangian where the pertubation theory cannot be guaranteed.
Keywords: Navier Stokes lagrangian, lattice gauge theory
viii+34 pp.; appendices.
References: 10(1996-2006)
v
Daftar Isi
Kata Pengantar iii
Abstrak v
Daftar Isi vi
Daftar Gambar viii
1 Pendahuluan 1
1.1 Latar Belakang . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Perumusan Masalah . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Metode Penelitian . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4 Tujuan Penelitian . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2 Dinamika Fluida Berbasis Teori Medan 4
2.1 Dinamika Fluida . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 Teori Medan Gauge untuk Dinamika Fluida . . . . . . . . . . . . 6
2.3 Sistem Multi Fluida . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3 Teori Medan Gauge pada Lattice 13
3.1 Path Integral pada Mekanika Kuantum . . . . . . . . . . . . . . . 13
3.2 Teori Medan Kuantum dengan Path Integral . . . . . . . . . . . . 16
3.3 Diskritisasi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.4 Transformasi Gauge pada Lattice . . . . . . . . . . . . . . . . . . 20
4 Hasil dan Pembahasan 24
5 Kesimpulan 34
vi
Daftar Acuan 35
A Evaluasi Path Integral dengan Metode Monte Carlo 36
B Pemrograman 40
vii
Daftar Gambar
3.1 Interval waktu diskrit . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.2 Lintasan partikel . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.3 Lattice atau kisi 3 dimensi . . . . . . . . . . . . . . . . . . . . . . 18
3.4 Lintasan ( antara x dan y . . . . . . . . . . . . . . . . . . . . . . 21
3.5 U
µνx
pada sebuah Plaquette . . . . . . . . . . . . . . . . . . . . . 22
4.1 Grafik ∆E terhadap kecepatan fluida vuntuk g = 1. . . . . . . . . 28
4.2 Grafik ∆E terhadap kecepatan fluida v untuk g = 0.01. . . . . . . 29
4.3 Grafik ∆E terhadap kecepatan fluida beberapa nilai N
cf
. . . . . . 30
4.4 Grafik ∆E terhadap kecepatan fluida untuk N
cf
= 100 dengan dan
tanpa bootstrap. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.5 Grafik ∆E terhadap kecepatan fluida untuk beberapa nilai a. . . 32
4.6 Grafik ∆E terhadap v untuk m = 500 GeV, g = 1 dengan dan
tanpa bootstrap sampling. . . . . . . . . . . . . . . . . . . . . . . . 33
4.7 Grafik ∆E terhadap v untuk m = 500 GeV, g = 0, 01 dengan dan
tanpa bootstrap sampling. . . . . . . . . . . . . . . . . . . . . . . . 33
viii
Bab 1
Pendahuluan
1.1 Latar Belakang
Dinamika fluida secara matematis dideskripsikan oleh persamaan Navier-Stokes.
Persamaan ini diturunkan baik itu dari Hukum II Newton maupun hukum kekekal-
an massa. Sifat nonlinier pada persamaan Navier-Stokes mengakibatkan per-
samaan tersebut sulit untuk diselesaikan karena pada sistem nonlinier solusinya
tidak dapat disuperposisikan[1]. Sementara itu, banyak sistem-sistem yang da-
pat dimodelkan dengan menggunakan dinamika fluida seperti kosmologi tur-
bulen, quark-gluon plasma, dll yang memerlukan solusi tersebut untuk melakukan
perhitungan-perhitungan berikutnya. Pendekatan alternatif untuk dinamika flui-
da telah dilakukan dengan menggunakan metode mekanika analitik dengan meng-
gunakan lagrangian boson yang invarian terhadap transformasi gauge. Metode ini
telah diaplikasikan pada sistem fluida yang berinteraksi dengan soliton yaitu pro-
tein α heliks yang berinteraksi dengan biofluida [2]. Lagrangian yang invarian ter-
hadap transformasi gauge tersebut dapat diformulasikan untuk sistem relativistik
yang invarian terhadap transformasi Lorentz sehingga dengan menggunakan per-
samaan Euler-Lagrange dapat diperoleh persamaan Navier-Stokes relativistik [4].
Dinamika fluida berbasis teori medan ini dapat juga digunakan untuk mendeskrip-
sikan sistem multi fluida dengan menggunakan lagrangian yang invarian terhadap
transformasi gauge non-Abelian. Dengan menggunakan pendekatan alternatif di-
namika fluida ini kita dapat mengeksplorasi lebih lanjut sistem-sistem yang dimo-
delkan dengan menggunakan fluida tanpa harus mencari solusi persamaan Navier
Stokes.
1
1.2 Perumusan Masalah
Pendekatan alternatif untuk formulasi dinamika fluida dari first principle telah
dilakukan dengan menggunakan mekanika analitik. Persamaan Navier-Stokes di-
turunkan sebagai persamaan gerak dari lagrangian boson yang invarian terhadap
transformasi gauge dengan menggunakan persamaan Euler-Lagrange. Interaksi
antara fluida dengan materi dapat dimodelkan dengan menggunakan lagrangian
medan boson yang merepresentasikan materi dengan medan gauge yang merep-
resentasikan fluida. Perhitungan observable dari interaksi antara materi dengan
fluida dapat dilakukan dengan mengevaluasi path integral. Namun besarnya kon-
stanta kopling interaksi g antara fluida dan materi tidak diketahui, sehingga path
integral tidak dapat dihitung secara perturbatif.
Perhitungan secara non-perturbatif dapat dilakukan dengan menggunakan Lattice
Gauge Theory. Lattice Gauge Theory digunakan pada teori Quantum Chromo-
dynamics atau sering disebut dengan Lattice QCD untuk menghitung besaran-
besaran QCD pada energi rendah, karena konstanta kopling QCD makin besar
pada energi rendah. Pada Lattice Gauge Theory, aksi disusun pada kisi ruang
dan waktu diskrit sehingga memungkinkan path integral dihitung secara numerik
dengan menggunakan metode Metropolis Monte Carlo. Dengan menghitung ob-
servable dari lagrangian ini maka diharapkan kita bisa mempelajari perilaku atau
sifat-sifatnya terutama terhadap konstanta kopling g.
1.3 Metode Penelitian
Penelitian ini bersifat teoritik. Teori yang digunakan ialah dinamika fluida dengan
pendekatan teori medan gauge. Untuk memperoleh observable dari teori ini,
aksi yang menggambarkan interaksi antara materi dengan fluida terlebih dahulu
diformulasikan dalam ruang dan waktu diskrit. Setelah itu dapat dihitung energi
dengan mengevaluasi path integral menggunakan metode Monte Carlo.
2
1.4 Tujuan Penelitian
Penelitian ini bertujuan untuk mempelajari teknik dasar perhitungan Lattice
Gauge Theory dengan menggunakan metode Metropolis Monte Carlo dan im-
plementasinya pada pemrograman serta menghitung observable dari dinamika
fluida berbasis teori medan dengan menggunakan Lattice Gauge Theory. Peneli-
tian difokuskan pada formulasi teori gauge untuk fluida pada kisi ruang waktu
diskrit dan perhitungan energi dari interaksi fluida dengan materi.
3
Bab 2
Dinamika Fluida Berbasis Teori
Medan
Pada bab ini penulis akan membahas secara singkat teori mengenai dinamika
fluida baik itu secara klasik maupun dengan pendekatan berbasis teori medan.
2.1 Dinamika Fluida
Fluida didefinisikan sebagai bahan yang mengalami deformasi (perubahan ben-
tuk) secara kontinu bila dikenai tegangan geser. Dinamika fluida merupakan
cabang dari ilmu fisika yang mempelajari aliran fluida (cairan dan gas). Secara
matematis, dinamika fluida digambarkan oleh persamaan Navier-Stokes
∂v
∂t
+ (v

∇)v = −
1
ρ

∇P + µ


2
v (2.1)
dengan v ialah kecepatan fluida, P ialah tekanan, ρ ialah kerapatan dan µ ialah
koefisien viskositas. Persamaan ini diturunkan dari hukum II Newton dan hukum
kekekalan massa. Hukum kekekalan massa menyatakan bahwa fluida tidak da-
pat diciptakan maupun dimusnahkan. Bila kita memberi gangguan pada fluida,
massa awal dan akhir fluida haruslah sama. Perhatikan volume suatu fluida V
dengan S merupakan permukaan tertutup dari volume V . Massa dari fluida ialah

V
ρdV , sementara massa fluida per satuan waktu yang melewati permukaan ter-
tutup S ialah

(ρv) dS sehingga hukum kekekalan massa dapat dinyatakan
sebagai berikut

(ρv) dS = −

∂t

V
ρdV (2.2)
4
dengan menggunakan teorema Gauss diperoleh,

V

∇ (ρv)dV = −

∂t

V
ρdV

V
¸
∂ρ
∂t
+

∇ (ρv)

dV = 0
∂ρ
∂t
+

∇ (ρv) = 0 (2.3)
Hukum II Newton tidak lain merupakan bentuk kekekalan momentum yang memi-
liki bentuk

F = m
d
2
x
dt
2
(2.4)
Gaya yang dialami oleh fluida yang bergerak ialah
1. Gaya badan, yang bekerja secara langsung pada volume massa dari elemen
fluida. Contohnya ialah gaya gravitasi, listrik dan magnet.
2. Gaya permukaan, yang bekerja secara langsung pada permukaan elemen
fluida. Hanya ada 2 sumber gaya jenis ini: (a) distribusi tekanan pada per-
mukaan dan (b) distribusi regangan dan tegangan normal pada permukaan
elemen fluida.
untuk aliran fluida, m →ρV dan percepatan,
d
2
x
dt
2

Dv
Dt
dengan
D
Dt
=

∂t
+v

∇.
Maka hukum II Newton untuk aliran fluida ialah
ρ
Dv
Dt
=

F
V
(2.5)
Gaya yang fundamental pada aliran fluida ialah gradien tekanan yang dapat
ditulis sebagai berikut,
F
i
V
= −

∂x
k
Π
ik
, (2.6)
dimana tensor tekanan diberikan oleh
Π
ik
= Pδ
ik
−σ
ik
, (2.7)
5
dengan P tekanan dan σ
ik
ialah tensor viskositas. Tensor viskositas secara umum
merupakan tensor asimetrik. Tensor viskositas dapat ditulis [3],
σ
ij
= η

∂v
i
∂x
k
+
∂v
k
∂x
i

2
3
δ
ij

∇ v

+ νδ
ik

∇ v, (2.8)
dimana η dan ν merupakan koefisien viskositas kinematik dan dinamik. Sub-
stitusi persamaan (2.6), (2.7) dan (2.8) ke hukum II Newton untuk fluida pada
persamaan (2.5),
ρ

∂v
∂t
+ (v

∇)v

= −

∇P + η


2
v +

ν +
1
3
η

∇(

∇ v). (2.9)
Untuk fluida inkompresibel

∇ v = 0 dan µ ≡ η/ρ diperoleh persamaan Navier
Stokes untuk fluida inkompresibel
∂v
∂t
+ (v

∇)v = −
1
ρ

∇P + µ


2
v (2.10)
seperti pada persamaan (2.1).
2.2 Teori Medan Gauge untuk Dinamika Fluida
Persamaan Navier-Stokes menggambarkan sistem nonlinier dengan kecepatan ali-
ran v ≡ v(x
µ
), dimana x
µ
adalah ruang 4 dimensi, x
µ
≡ (x
0
, x
i
) = (ct, r) =
(ct, x, y, z). Dalam hal ini digunakan ruang Minkowski dengan tensor metrik
g
µν
= (1, −

1) = (1, −1, −1, −1) sehingga x
2
= x
µ
x
µ
= x
µ
g
µν
x
ν
= x
2
0
− x
2
=
x
2
0
−x
2
1
−x
2
2
−x
2
3
. Karena persamaan Navier-Stokes diturunkan dari hukum II New-
ton, secara prinsip persamaan tersebut dapat diturunkan dari mekanika analitik
dengan menggunakan prinsip aksi terkecil dan telah dikerjakan dalam sejumlah
paper demikian pula dengan formulasi dinamika fluida menggunakan lagrangian
berdasarkan pada simetri gauge. Beberapa tulisan juga menghubungkannya de-
ngan persamaan Maxwell. Perlu diingat bahwa persamaan Navier-Stokes dan
persamaan Maxwell menggambarkan sistem yang berbeda, namun dapat diambil
analogi terutama dalam melakukan konstruksi dari lagrangian dinamika fluida.
Pada subbab ini akan dijelaskan konstruksi persamaan Navier-Stokes dari first
principle mekanika analitik yaitu dimulai dari lagrangian density. Diperhatikan
juga bahwa persamaan Navier-Stokes merupakan sistem ruang 4 dimensi, dengan
6
demikian dapat digunakan metode pada teori medan relativistik yang memper-
lakukan ruang dan waktu dalam dimensi yang sama. Persamaan Navier-Stokes
diturunkan sebagai persamaan gerak dari lagrangian boson yang invarian ter-
hadap transformasi gauge dan transformasi Lorentz melalui persamaan Euler-
Lagrange.
Lagrangian untuk medan boson yang invarian terhadap transformasi gauge lokal
ialah
L = (∂
µ
φ

)(∂
µ
φ) + V (φ) +L
A
(2.11)
dimana
L
A
= −
1
4
F
µν
F
µν
+ gJ
µ
A
µ
+ g
2
A
µ
A
µ
φ

φ (2.12)
dengan kuat tensor F
µν
≡ ∂
µ
A
ν
−∂
ν
A
µ
, sementara arus vektor empatnya,
J
µ
= i [φ(∂
µ
φ

) −φ

(∂
µ
φ)] (2.13)
memenuhi kekekalan arus ∂
µ
J
µ
= 0. Suku-suku tambahan pada L
A
dibutuhkan
agar lagrangian boson tersebut invarian terhadap transformasi gauge lokal U =
exp[−iθ(x)] sehingga,
φ → φ

= e
−iθ(x)
φ ≈ (1 −iθ(x))φ (2.14)
A
µ
→ A
µ

= A
µ
+
1
g
(∂
µ
θ) (2.15)
Seperti disebutkan pada [1], kita dapat memperoleh bentuk persamaan yang
mirip dengan persamaan Maxwell dari persamaan Navier-Stokes dengan meng-
ganti medan magnet dan medan listrik dengan vektor Lamb dan vortisitas

E →

l = ω v

B → ω =

∇v
sehingga persamaan ”Maxwell” untuk fluida ialah

l = ˜ ρ

l = −
∂ ω
∂t

∇ ω = 0

∇ ω = α

j + α

l
∂t
7
dengan α = 1/v
2
. Hasil ini memberi petunjuk bahwa kita dapat mengkonstruksi
lagrangian yang bentuknya mirip dengan lagrangian elektrodinamika kuantum
yaitu L
A
pada persamaan (2.12). Klaim ini telah dibuktikan dengan mengambil
bentuk spesifik dari medan gauge,
A
µ
=

Φ,

A

=

1
2
[v[
2
+ V, −v

(2.16)
dengan v ialah kecepatan fluida dan V ialah potensial yang diakibatkan oleh
gaya konservatif. Pemilihan bentuk medan gauge tersebut jelas tidak memenuhi
transformasi Lorentz secara eksplisit. Di sisi lain, pemilihan ini menunjukkan
bahwa pada dinamika fluida, potensial skalar merupakan energi total per satu-
an massa yang terdiri dari rapat energi kinetik dan rapat potensial eksternal,
sementara potensial vektor menggambarkan dinamika dalam suku kecepatan.
Dengan demikian, L
A
pada persamaan (2.12) tidak lain ialah lagrangian yang
menghasilkan persamaan Navier-Stokes dengan pemilihan medan gauge di atas,
L
A
= L
NS
.
Berdasarkan prinsip aksi terkecil δS = 0 dengan S =

d
4
xL
NS
dapat diperoleh
persamaan Euler-Lagrange

ν
∂L
NS
∂(∂
ν
A
µ
)

∂L
NS
∂A
µ
= 0 (2.17)
Substitusi persamaan (2.12) ke persamaan Euler-Lagrange di atas menghasilkan
persamaan gerak dalam A
µ
,

ν
(∂
µ
A
ν
) −∂
2
A
µ
+ gJ
µ
= 0. (2.18)
A
µ
diperhatikan sebagai medan fluida. Relasi nontrivial diperoleh untuk µ = ν
sehingga dapat menghasilkan persamaan Navier-Stokes.
Untuk memperoleh persamaan Navier-Stokes relativistik, kita dapat mendefin-
isikan medan gauge A
a
µ
=

Φ,

A

dengan potensial skalar dan vektornya sebagai
8
berikut [4],
Φ = −c
2

1 −
[v[
2
c
2
+ V
rel
, (2.19)

A = −v, (2.20)
dengan V
rel
menyatakan potensial relativistik eksternal. Suku pertama pada per-
samaan (2.19) menunjukkan versi relativistik energi kinetik persatuan massa.
Substitusi persamaan (2.19) dan (2.20) ke persamaan (2.18), diperoleh persamaan
Navier-Stokes relativistik,
∂v
∂t
−c
2

1 −
[v[
2
c
2
= −

∇V
rel
+ g

˜
J (2.21)
dengan
˜
J
i

dx
i
J
0
= −

dtJ
i
. Kita dapat memperoleh bentuk nonrelativistik
dengan mengambil [v[ <c dan menggunakan relasi
1
2

∇[v[
2
= (v

∇)v +v (

∇v)
sehingga,
∂v
∂t
+ (v

∇)v = −

∇V −v (

∇v) + g

˜
J, (2.22)
di mana diasumsikan relasi eksplisit untuk gaya eksternal

∇V
rel
non−rel
−→

∇V .
Dengan demikian persamaan Navier-Stokes untuk sembarang gaya konservatif
telah dibentuk dengan menggunakan teori medan gauge. Terlihat pada per-
samaan (2.22) terdapat gaya tambahan, yaitu pada suku g

˜
J dan suku v (

∇v)
yang relevan untuk fluida rotasional

∇v. Rapat potensial yang dialami pada
fluida antara lain:
V (r) =

P(r)/ρ(r) : tekanan
Gm/[r[ : gravitasi
(µ + η)(

∇ v) : viskositas
dengan P, ρ, G, µ + η menyatakan tekanan, kerapatan, konstanta gravitasi dan
viskositas. Bila kita hitung gradien dari potensial tekanan untuk kerapatan kon-
stan dan gradien potensial viskositas,

∇V
tekanan
=
1
ρ

∇P

∇V
viskositas
= η

∇(

∇ v) + µ(


2
v) + µ(



∇v)
9
dan memasukkan keduanya pada persamaan (2.22), maka akan diperoleh,
∂v
∂t
+ (v

∇)v = −
1
ρ

∇P −η

∇(

∇ v) + µ(


2
v)
+µ(



∇v) −v (

∇v) + g

˜
J. (2.23)
Untuk fluida irotasional

∇v = 0 dan fluida inkompresibel

∇ v = 0,
∂v
∂t
+ (v

∇)v = −
1
ρ

∇P + µ(


2
v) + g

˜
J. (2.24)
Persamaan di atas tidak lain ialah merupakan persamaan Navier-Stokes untuk flu-
ida irotasional inkompresibel seperti pada persamaan (2.10). Persamaan Navier
Stokes relativistik (2.21) invarian terhadap transformasi Lorentz,
x
i
→x

i
=
x
i
−v
i
t

1 −[v[
2
/c
2
, t →t

=
t −x
i
/v
i

1 −[v[
2
/c
2
dan

˜
J →

˜
J

=

1 −[v[
2
/c
2

˜
J.
Dari model yang dibuat untuk dinamika fluida dengan menggunakan teori medan
gauge, kita dapat melihat interaksi antara fluida (A
µ
)dan materi di dalamnya (φ).
Potensial yang terdapat pada potensial skalar muncul akibat gaya konservatif ek-
sternal yang hanya bekerja pada medan fluida (A
µ
). Sebaliknya, potensial pada
lagrangian menggambarkan interaksi antar medan boson. Pada dinamika fluida
klasik, arus vektor empat J
µ
= (ρ, ρv) menggambarkan distribusi makroskopik
dari kerapatan dan vektor rapat arus. Sementara dalam pendekatan ini, J
µ
menggambarkan fungsi distribusi dari materi di dalam fluida. Hal ini analog
dengan arus pada persamaan Maxwell dan elektrodinamika kuantum yang meru-
pakan hasil dari interaksi pasangan fermion. Konsekuensi dari hasil ini, arus
fluida muncul akibat interaksi dari medan fluida dengan mediumnya. Jadi kita
dapat menginvestigasi dinamika fluida biarpun J
µ
= 0. Dengan menggunakan
lagrangian Navier-Stokes, kita juga dapat mempelajari interaksi antara fluida
dengan medium lainnya. Seperti contohnya, potensial pada persamaan (2.11)
disubstitusi dengan
V (φ) = −
1
2
m
2
φ
2
+
λ
4!
φ
4
10
dapat menggambarkan interaksi fluida dengan medium soliton, karena persamaan
gerak terhadap φ yang dihasilkan dari lagrangian ini memenuhi persamaan Klein-
Gordon nonlinear dengan solusi soliton.
2.3 Sistem Multi Fluida
Model yang telah dikembangkan pada sub-bab sebelumnya dapat digeneralisasi
untuk sistem multi fluida. Pada sistem ini kita menggunakan simetri SU(N) un-
tuk menggambarkan sistem multi fluida serta interaksinya dengan materi. Untuk
melakukannya, transformasi gauge yang digunakan ialah transformasi gauge lokal
yang bersifat non-Abelian
U = exp(−iT
a
θ
a
(x)) (2.25)
dimana T
a
merupakan generator dari grup Lie dan memenuhi relasi komutasi
[T
a
, T
b
] = if
abc
T
c
dengan f
abc
merupakan konstanta struktur antisimetrik. La-
grangian untuk sistem multi fluida dapat dituliskan
L = (∂
µ
φ)

(∂
µ
φ) + V (φ) +L
A
(2.26)
dimana
L
A
= −
1
4
F
a
µν
F
aµν
+ gJ
a
µ
A

+
i
2
f
abc
g
2


T
a
φ)A
b
µ
A

(2.27)
dengan kuat tensor F
a
µν
≡ ∂
µ
A
a
ν
− ∂
ν
A
a
µ
− gf
abc
A
b
µ
A
c
ν
, sementara arus vektor
empatnya,
J
a
µ
= i

(∂
µ
φ)

T
a
φ −φ

T
a
(∂
µ
φ)

(2.28)
dengan transformasi gauge untuk tiap-tiap medan ialah
φ → φ

= e
−iT
a
θ
a
(x)
φ ≈ (1 −iT
a
θ
a
(x))φ (2.29)
A
a
µ
→ A
a
µ

= A
a
µ
+
1
g
(∂
µ
θ
a
) + f
abc
θ
b
A
c
µ
(2.30)
Bila A
a
µ
diperhatikan sebagai medan fluida yang mewakili sekumpulan fluida
untuk tiap a, maka kita memiliki sistem multi fluida yang digambarkan oleh
persamaan persamaan gerak tunggal dimana L
A
pada persamaan (2.27) meru-
pakan lagrangian dari persamaan Navier-Stokes (L
NS
). Sebagai contoh, un-
tuk menggambarkan interaksi antara 2 fluida, dapat digunakan lagrangian yang
11
berbentuk [5]
L
total
= L
a
NS
+L
b
NS
+L
ab
int
(2.31)
dengan L
ab
int
merupakan lagrangian interaksi antara dua fluida. Dari model yang
dibuat untuk sistem multi fluida, kita dapat melihat interaksi antara fluida (A
a
µ
)
dan materi di dalamnya (φ) berdasarkan grup simetri SU(N) untuk n1 medan
φ dan n n generator T
a
secara umum.
12
Bab 3
Teori Medan Gauge pada Lattice
Sejak diperkenalkan oleh Feynman pada tahun 1948, metode path integral telah
menjadi alat yang penting untuk fisikawan partikel elementer. Banyak pengem-
bangan modern pada fisika partikel elementer teoritik dibuat berdasarkan metode
ini. Salah satunya ialah formulasi lattice dari teori medan kuantum yang mem-
berikan langkah baru untuk melakukan studi nonperturbatif pada suatu teori
seperti Quantum Chromodynamics[6].
3.1 Path Integral pada Mekanika Kuantum
Untuk melihat bagaimana path integral bekerja, pertama-tama perhatikan sistem
mekanika kuantum satu dimensi yang digambarkan oleh Lagrangian L = L(q, ˙ q)
atau Hamiltonian H = H(p, q),
L =
1
2
m˙ q
2
−V (q) (3.1)
H =
p
2
2m
+ V (q) (3.2)
dimana p dan q dihubungkan oleh p = ∂L/∂ ˙ q = m˙ q. Pada mekanika kuantum, p
dan q menjadi operator dengan relasi komutasi [p, q] = i.
Amplitudo transisi mekanika kuantum ialah
'q

, t

[ q, t` = 'q

[ e
−iH(t

−t)
[ q`
= 'q

[ U(t

, t) [ q` (3.3)
dengan U(t

, t) = exp(−iH(t

− t)) merupakan operator evolusi waktu. Selan-
jutnya kita lakukan diskritisasi waktu T = t

− t = n∆t dengan ∆t merupakan
13
Gambar 3.1: Interval waktu diskrit
interval potongan waktu dan q(t) = q
n
serta memasukkan n−1 relasi kelengkapan
1 =

dq [ q` 'q[ (3.4)
ke elemen matriks pers.(3.3) diperoleh
'q

, t

[ q, t` =

dq
1
. . . dq
n−1
'q

[ e
−iH∆t
[ q
n−1
` 'q
n−1
[ e
−iH∆t
[ q
n−2
`
. . . 'q
2
[ e
−iH∆t
[ q
1
` 'q
1
[ e
−iH∆t
[ q` (3.5)
Matriks transfer
ˆ
T didefinisikan sebagai amplitudo transisi suatu sistem pada
selang waktu ∆t dengan elemen matriksnya
'q
k+1
[
ˆ
T [ q
k
` = 'q
k+1
[ e
−iH∆t
[ q
k
`
≈ 'q
k+1
[ e
−i∆tp
2
/2m
[ q
k
` e
−i∆tV (q
k
)
(3.6)
Elemen matriks 'q
k+1
[ e
−i∆tp
2
/2m
[ q
k
` dapat dievaluasi dengan menggunakan per-
samaan
'q[ p` =
1


e
qp
,

dq [ p` 'p[ = 1 (3.7)
sehingga diperoleh
'q
k+1
[ e
−iH∆t
[ q
k
` ≈

m
2πi∆t
1
2
exp i∆t

m
2

q
k+1
−q
k
∆t

2
−V (q
k
)
¸
(3.8)
Amplitudo transisi pers.(3.3) setelah mengevaluasi semua elemen matriks transfer
ialah
'q

[ U(t

, t) [ q` =

m
2πi∆t
n
2
dq
1
. . . dq
n−1
exp i
n−1
¸
k=0
∆t

m
2

q
k+1
−q
k
∆t

2
−V (q
k
)
¸
(3.9)
14
Gambar 3.2: Lintasan partikel
pada n →∞ atau ∆t →0,
'q

[ U(t

, t) [ q` =

Tq exp i

T
0
dt

m
2
˙ q
2
−V (q)
¸
=

Tqe
iS
(3.10)
dengan
Tq ≡

m
2πi∆t
n
2
dq
1
. . . dq
n−1
(3.11)
Di sini, S merupakan aksi fungsional dari suatu sistem,
S(q) =

t

t
dtL(q(t), ˙ q(t)), (3.12)
dan

Tq menunjukkan integrasi terhadap semua fungsi q(t). Path integral meru-
pakan penjumlahan terhadap semua lintasan q(t). Lintasan klasik, yang memenuhi
persamaan gerak δS(q) = 0 atau
∂L
∂q


∂t
∂L
∂ ˙ q
= 0 (3.13)
hanya merupakan satu dari banyak kemungkinan lintasan yang tak berhingga.
Setiap lintasan memiliki bobot exp(iS) [7].
15
3.2 Teori Medan Kuantum dengan Path Inte-
gral
Teori medan kuantum memiliki formulasi lagrangian, dengan demikian kita dapat
melakukan kuantisasi dengan path integral. Pembahasan pada mekanika kuantum
sebelumnya merupakan contoh teori medan pada dimensi ruang 0 dan dimensi
waktu 1: q(t) → φ(t) → φ(x). Untuk mendapatkan formulasi path integral dari
teori medan, dapat dilakukan dengan penggantian variabel dasar q(t) menjadi
medan skalar φ(x, t). Penggantian variabel tersebut antara lain [8]
q(t) ↔ φ(x, t)
¸
t
dq(t) ↔
¸
t,x
dφ(x, t) ≡ Tφ
S =

dtL ↔ S =

d
4
xL
Besaran yang penting di teori medan ialah nilai ekspektasi vakum dari produk
time-ordered operator medan, yaitu fungsi Green:
'0[ φ(x
1
)φ(x
2
) . . . φ(x
n
)) [ 0` , t
1
> t
2
> . . . > t
n
(3.14)
seperti contohnya ialah propagator
'0[ φ(x
1
)φ(x
2
) [ 0` (3.15)
Dengan analogi path integral mekanika kuantum kita dapat menuliskan represen-
tasi fungsi Green dalam integral fungsional [9],
'0[ φ(x
1
)φ(x
2
) . . . φ(x
n
) [ 0` =
1
Z

Tφ φ(x
1
)φ(x
2
) . . . φ(x
n
)e
iS
(3.16)
dengan
Z =

Tφe
iS
(3.17)
Agar path integral dapat dihitung secara numerik, maka dilakukan kontinuasi
analitik ke waktu imajiner. Hal ini dilakukan karena path integral pada pers.(3.17)
terdapat integran yang berosilasi akibat eksponen yang imajiner. Dengan melaku-
kan substitusi waktu imajiner ini kita bekerja dalam ruang waktu Euclidean di-
mana sebelumnya ialah ruang waktu Minkowski. Teori medan dalam ruang waktu
16
Euclidean disebut dengan teori medan Euclidean atau Euclidean Field Theory.
Kontinuasi dilakukan dengan melakukan substitusi
t = x
0
→−ix
4
(3.18)
Sebagai contoh, kita akan lakukan kontinuasi ini pada medan skalar. Perhatikan
aksi untuk medan skalar
S =

d
4
x
¸
1
2
(∂
µ
φ)(∂
µ
φ) −
m
2
2
φ
2

(3.19)
Aksi tersebut dapat ditulis dalam bentuk
S =
1
2

d
4

−∂
2
−m
2

φ (3.20)
bila kita melakukan kontinuasi ke waktu imajiner maka,
d
4
x = dx
0
dx
1
dx
2
dx
3
= −idx
1
dx
2
dx
3
dx
4
= −id
4
x
E

2
= ∂
2
0
−∂
2
1
−∂
2
2
−∂
2
3
= −∂
2
4
−∂
2
1
−∂
2
2
−∂
2
3
= −∂
2
E
Maka eksponen pada path integral di ruang waktu Euclidean ialah
iS = i
1
2

(−i)d
4
x
E
φ


2
E
−m
2

φ
= −
1
2

d
4
x
E
φ

−∂
2
E
+ m
2

φ
= −S
E
dengan
S
E
=
1
2

d
4
x
E
φ

−∂
2
E
+ m
2

φ (3.21)
merupakan aksi medan skalar pada ruang waktu Euclidean. Kemudian fungsi
Green versi Euclidean
'0[ φ(x
1
)φ(x
2
) . . . φ(x
n
) [ 0`
E
=
1
Z

Tφ φ(x
1
)φ(x
2
) . . . φ(x
n
)e
−S
E
(3.22)
17
Gambar 3.3: Lattice atau kisi 3 dimensi
dengan
Z =

Tφe
−S
E
(3.23)
Selanjutnya huruf E untuk menunjukkan versi Euclidean akan dihilangkan untuk
mempermudah penulisan. Kita lihat bahwa setelah dilakukan kontinuasi ke waktu
imajiner, integran dari Z tidak lagi berosilasi sehingga integrasi tersebut dapat
dihitung secara numerik.
3.3 Diskritisasi
Setelah melakukan formulasi ruang-waktu Euclidean, selanjutnya kita akan mela-
kukan diskritisasi ruang waktu. Dengan demikian teori medan yang kita miliki
disusun pada ruang waktu diskrit. Diskritisasi dilakukan dengan membentuk
ruang waktu menjadi kisi hiperkubik empat dimensi dengan jarak antar tiap titik
kisi ialah a. Dengan demikian pada, medan hanya memiliki nilai pada titik-titik
kisi
x
µ
= m
µ
a, m
µ
= 0, 1, . . . , N −1. (3.24)
sehingga panjang sisi dari kotak hiperkubik ialah L = Na dan volumenya L
4
.
Medan pada titik kisi x
µ
= m
µ
a ditulis dengan notasi φ
x
. Dengan dilakukannya
diskritisasi, maka integral dapat digantikan dengan sumasi

d
4
x →a
4
N−1
¸
m
1
N−1
¸
m
2
N−1
¸
m
3
N−1
¸
m
4
= a
4
¸
m
=
¸
x
(3.25)
18
Untuk fungsi di limit kontinu,
¸
x
f(x) →

L
0
d
4
xf(x), N →∞, a →0, L tetap (3.26)
Turunan atau derivatif diganti dengan perbedaan atau selisih medan antara dua
titik kisi,

µ
φ
x
=
1
a

x+aˆ µ
−φ
x
), (3.27)

µ
φ
x
=
1
a

x
−φ
x−aˆ µ
), (3.28)
dengan ˆ µ merupakan vektor satuan pada arah µ. Untuk fungsi pada limit kontinu,

µ
f(x), ∂

µ
f(x) →

∂x
µ
f(x), a →0. (3.29)
Sedangkan operator d’Alambertian,
φ
x
= ∂
µ

µ
φ
x
=
1
a
2

x+aˆ µ
+ φ
x−aˆ µ
−2φ
x
) . (3.30)
Medan-medan pada kisi juga memenuhi periodisitas
φ
x+Naˆ µ
= φ
x
(3.31)
Dari kondisi periodisitas, operator turunan ∂
µ
dan ∂

µ
dihubungkan oleh sumasi
parsial (analog dengan integrasi parsial)
¸
x
φ
1x

µ
φ
2x
= −
¸
x

µ
φ
1x
φ
2x
(3.32)
Transformasi Fourier pada lattice dapat dituliskan sebagai berikut
˜
φ
p
=
¸
x
e
−ipx
φ
x
, (3.33)
φ
x
=
¸
x
e
−ipx
˜
φ
p
. (3.34)
Untuk fungsi f(p) pada limit volume L = Na →∞,
¸
p
f(p) =
(∆p)
4
(2π)
4
¸
m
f

2πm
Na

(3.35)

π/a
−π/a
d
4
p
(2π)
4
f(p), N →∞, a tetap, (3.36)
19
dimana ∆p = 2π/Na.
Dengan diskritisasi yang telah dijelaskan maka kita dapat menulis aksi untuk
medan skalar pada persamaan (3.21) dalam bentuk diskrit
S = a
4
¸
m,µ
1
2
¸
−φ
x

φ
x+aˆ µ
+ φ
x−aˆ µ
−2φ
x
a
2

+ m
2
φ
2
x

(3.37)
3.4 Transformasi Gauge pada Lattice
Perhatikan aksi dari medan skalar pada persamaan (3.37). Untuk medan skalar
kompleks, aksi tersebut dapat dituliskan
S = a
4
¸
m,µ
Re
¸
−φ

x

φ
x+aˆ µ
+ φ
x−aˆ µ
−2φ
x
a
2

+ m
2
φ

x
φ
x

(3.38)
Aksi tersebut invarian terhadap transformasi gauge global
φ
x
→ φ

x
= Ωφ
x
φ

x
→ φ

x
= φ

x


dengan Ω = e
−iθ
merupakan elemen dari grup U(1). Kemudian, aksi tersebut
harus invarian terhadap transformasi gauge lokal U(1), dengan elemen grup Ω
bergantung pada titik kisi, Ω = Ω
x
. Sehingga medan φ
x
bertansformasi sebagai
berikut,
φ
x
→ φ

x
= Ω
x
φ
x
(3.39)
φ

x
→ φ

x
= φ

x


x
. (3.40)
Dari transformasi tersebut, perhatikan besaran φ

x
φ
x+aˆ µ
dan φ

x
φ
x−aˆ µ
. Besaran
tersebut tidak invarian terhadap transformasi gauge lokal yang didefinisikan pada
persamaan (3.39) dan (3.40)
φ

x
φ
x+aˆ µ
→ φ

x


x

x+aˆ µ
φ
x+aˆ µ
, (3.41)
φ

x
φ
x+aˆ µ
→ φ

x


x

x−aˆ µ
φ
x−aˆ µ
. (3.42)
Agar besaran tersebut invarian, maka kita membutuhkan suatu besaran U
µx
yang
bertransformasi sebagai berikut,
U
µx
→Ω
x
U
µx


x+aˆ µ
(3.43)
20
Gambar 3.4: Lintasan ( antara x dan y
U
µx
merupakan besaran yang menghubungkan titik kisi yang satu dengan titik kisi
lainnya pada lattice, dan disebut dengan variabel ”link”. Di dalam variabel link
terdapat medan gauge A
µ
agar besaran pada persamaan (3.38) invarian terhadap
transformasi gauge lokal. Variabel link didefinisikan sebagai
U
µx
= U
x,x+aˆ µ
= e
igaAµx
(3.44)
Sehingga kita memiliki bentuk yang invarian terhadap transformasi gauge lokal
pada lattice
φ

x
φ
x+aˆ µ
→ φ

x
U
x,x+aˆ µ
φ
x+aˆ µ
(3.45)
φ

x
φ
x−aˆ µ
→ φ

x
U

x−aˆ µ,x
φ
x+aˆ µ
(3.46)
dimana
U
−µx
= U

x−aˆ µ,x
= U
x,x−aˆ µ
= e
−igaA
µx−aˆ µ
(3.47)
Pada teori kontinum U
µx
tidak lain merupakan parallel transporter yang analog
dengan obyek yang sama pada geometri diferensial, yang memetakan vektor dari
titik yang satu ke titik lainnya sepanjang kurva.
U(x, y; () = e
ig
R
x
y
Aµ(z)dzµ
. (3.48)
Parallel transporter tidak hanya bergantung pada titik x dan y tetapi juga kurva
( yang dipilih.
Dengan diperkenalkannya variabel link U
µx
yang didalamnya terdapat medan
gauge A
µ
, maka kita dapat menulis aksi untuk medan skalar pada lattice yang
21
Gambar 3.5: U
µνx
pada sebuah Plaquette
invarian terhadap transformasi gauge lokal
S = a
4
¸
m,µ
Re
¸
−φ

x

U
µx
φ
x+aˆ µ
+ U
−µx
φ
x−aˆ µ
−2φ
x
a
2

+ m
2
φ

x
φ
x

(3.49)
Sementara itu kontribusi medan gauge pada aksi yang berbentuk
1
4
F
µν
F
µν
da-
pat dituliskan dalam variabel link U
µx
sehingga invarian terhadap transformasi
gauge pada lattice. Sekarang perhatikan produk dari variabel link terhadap su-
atu plaquette seperti pada gambar (3.5). Plaquette ini berada pada bidang µ−ν.
Kemudian didefinisikan
U
µνx
= U
µx
U
νx+aˆ µ
U

µx+aˆ ν
U

νx
(3.50)
Substitusi U
µ
pada persamaan (3.44) ke persamaan di atas diperoleh
U
µνx
= e
iga
2
Fµνx
(3.51)
dengan F
µνx
merupakan versi diskrit dari kuat tensor kontinum,
F
µνx

1
a
[(A
νx+ˆ µ
−A
νx
) −(A
µx+ˆ ν
−A
µx
)] .
Untuk jarak antar titik kisi a yang kecil, dari persamaan (3.50)
1
2g
2
¸
m
¸
µ<ν
Re
¸
1 −
1
2
(U
µνx
+ U

µνx
)


1
4
¸
m
a
4
F
µνx
F
µνx
. (3.52)
22
Sehingga aksi medan gauge pada lattice dapat ditulis,
S
G
[U] =
1
2g
2
¸
P
Re
¸
1 −
1
2
(U
P
+ U

P
)

(3.53)
dimana P merupakan produk dari variabel link terhadap suatu plaquette P de-
ngan arah berlawanan dengan putaran jarum jam.
23
Bab 4
Hasil dan Pembahasan
Interaksi antara fluida dengan materi dapat dimodelkan dengan menggunakan la-
grangian pada persamaan (2.11) untuk kasus Abelian. Dalam persamaan tersebut
terdapat suku boson yang merepresentasikan materi dan suku medan gauge yang
merepresentasikan fluida, dimana telah dibahas sebelumnya, lagrangian untuk
medan gauge bila dimasukkan ke persamaan Euler-Lagrange dan memasukkan
bentuk A
µ
pada persamaan (2.16) akan menghasilkan persamaan Navier Stokes.
Lagrangian pada persamaan (2.11) dapat ditulis dalam bentuk
L = (D
µ
φ

)(D
µ
φ) −m
2
φ

φ −
1
4
F
µν
F
µν
(4.1)
dengan D
µ
ialah turunan kovarian yang didefinisikan sebagai berikut,
D
µ
= ∂
µ
+ igA
µ
(4.2)
substitusi D
µ
ke persamaan (4.1),
L = (∂
µ
φ

)(∂
µ
φ) + ig[φ(∂
µ
φ

) −(∂
µ
φ)φ

]A
µ
+ g
2
A
µ
A
µ
φ

φ −m
2
φ

φ −
1
4
F
µν
F
µν
.
(4.3)
Pada persamaan di atas kita dapat melihat adanya interaksi antara materi (bo-
son) dengan fluida (medan gauge). Permasalahan yang muncul ketika kita hen-
dak melakukan perhitungan dari lagrangian di atas ialah tidak diketahuinya besar
konstanta kopling interaksi g sehingga tidak ada jaminan perhitungan secara per-
turbatif, seperti yang pada umumnya dilakukan untuk perhitungan path integral,
dapat dilakukan. Dengan demikian, evaluasi path integral harus dilakukan secara
nonperturbatif.
24
Untuk menghitung path integral secara nonperturbatif, dapat dilakukan dengan
menyusun aksi pada persamaan (4.1) dalam ruang waktu diskrit seperti yang
dijelaskan pada bab 3. Sebelum melakukan diskritisasi, perhatikan lagrangian
untuk medan skalar kompleks
L = (∂
µ
φ

)(∂
µ
φ) −m
2
φ

φ (4.4)
Aksi dari lagrangian tersebut ialah
S =

d
4
x

(∂
µ
φ

)(∂
µ
φ) −m
2
φ

φ

(4.5)
Dengan menggunakan skema diskritisasi yang telah dijelaskan pada bab 3, yaitu
dengan terlebih dahulu melakukan rotasi ke waktu imajiner maka lagrangian pada
persamaan (4.4) dapat ditulis dalam bentuk diskrit
S = a
4
¸
m,µ
Re
¸
−φ

x

φ
x+aˆ µ
+ φ
x−aˆ µ
−2φ
x
a
2

+ m
2
φ

x
φ
x

(4.6)
Aksi di atas jelas tidak invarian terhadap transformasi gauge lokal pada per-
samaan (3.39) dan (3.40). Bentuk yang invarian diperoleh dengan memperke-
nalkan variabel link U
µx
yang di dalamnya terdapat medan gauge A
µ
, sehingga
diperoleh aksi medan skalar kompleks yang invarian
S = a
4
¸
m,µ
Re
¸
−φ

x

U
x,x+aˆ µ
φ
x+aˆ µ
+ U

x−aˆ µ,x
φ
x−aˆ µ
−2φ
x
a
2

+ m
2
φ

x
φ
x

(4.7)
Kita dapat memeriksa apakah aksi lattice di atas dapat kembali ke bentuk aksi
kontinu bila kita ambil jarak antar kisi a → 0. Dengan melakukan ekspansi U
µ
pada persamaan (3.50) menjadi
U
x,x+aˆ µ
= e
igaAµx
≈ 1 + igaA
µx

g
2
a
2
2
A
2
µx
+ O(a
3
) (4.8)
dan
U

x−aˆ µ,x
= e
−igaA
µx−aˆ µ
≈ 1 −igaA
µx−aˆ µ

g
2
a
2
2
A
2
µx−aˆ µ
+ O(a
3
) (4.9)
25
dimana,
A
µx−aˆ µ
= A
µx
−a∂
µ
A
µx
+ O(a
2
) (4.10)
serta mengekspansi φ
x+aˆ µ
dan φ
x−aˆ µ
,
φ
x+aˆ µ
≈ φ
x
+ a∂
µ
φ
x
+
a
2
2
φ
x
+ O(a
3
) (4.11)
φ
x−aˆ µ
≈ φ
x
−a∂
µ
φ
x
+
a
2
2
φ
x
+ O(a
3
) (4.12)
Substitusi persamaan (4.13) - (4.17) ke persamaan (4.12), ambil bagian real dari
aksi dan a →0 didapat
S =

d
4
x

(D
µ
φ

)(D
µ
φ) + m
2
φ

φ

(4.13)
Maka aksi yang akan digunakan pada simulasi tugas akhir ini ialah aksi boson
pada persamaan (4.7) dan aksi dari medan gauge pada persamaan (3.53),
S
total
[φ, U] = S
boson
[φ] + S
G
[U] (4.14)
dengan
S
boson
[φ] = a
4
¸
m,µ
Re
¸
−φ

x

U
x,x+aˆ µ
φ
x+aˆ µ
+ U

x−aˆ µ,x
φ
x−aˆ µ
−2φ
x
a
2

+ m
2
φ

x
φ
x

(4.15)
S
G
[U] = −
1
2g
2
¸
P
Re (U
P
+ U

P
) . (4.16)
Berikutnya, kita dapat menghitung selisih energi ∆E dengan terlebih dahulu
menghitung propagator pada suatu titik dan waktu tertentu. Dari definisi pro-
pagator dalam ruang waktu Euclidean pada persamaan (3.15),
G(τ) = '0[ φ

(x
1
)φ(x
2
) [ 0`
= '0[ φ

(x, τ)φ(x, 0) [ 0`
= '0[ e

φ

(x, 0)e
−Hτ
φ(x, 0) [ 0`
= '0[ φ

(x, 0)e
−(H−E
0

φ(x, 0) [ 0`
dimana H merupakan operator Hamiltonian yang energi pada keadaan dasarnya
E
0
, H[ 0` = E
0
dan τ merupakan waktu Euclidean. Dengan memasukkan com-
plete set dari eigenstate energi
¸
n
[ n` 'n[ = 1 (4.17)
26
diperoleh
G(τ) =
¸
n
'0[ φ

(x, 0) [ n` e
−(En−E
0

'n[ φ(x, 0) [ 0`
=
¸
n
[ '0[ φ(x, 0) [ n`[
2
e
−(En−E
0

. (4.18)
Untuk waktu Euclidean yang besar, τ → ∞ maka keadaan yang berkontribusi
hanya keadaan dasar dan eksitasi pertama
G(τ)
τ besar
−→
¸
n
[ '0[ φ(x, 0) [ 1`[
2
e
−(E
1
−E
0

. (4.19)
Sehingga kita dapat mengekstrak selisih energi sebagai berikut
G(τ)
G(τ + a
t
)
= e
(E
1
−E
0
)at
(4.20)
maka,
∆E =
1
a
t
ln
G(τ)
G(τ + a
t
)
(4.21)
dengan ∆E ≡ E
1
−E
0
.
Perhitungan propagator dilakukan menggunakan simulasi Monte Carlo dengan
mengevaluasi path integral yang berbentuk
G(τ) = '0[ φ

(x
1
)φ(x
2
) [ 0`
=

TφTUφ

(x
1
)φ(x
2
)e
−S[φ,U]

TφTUe
−S[φ,U]

1
N
cf
N
cf
¸
α=1
φ

(α)
(x
1

(α)
(x
2
). (4.22)
Konfigurasi acak yang memiliki probabilitas
P[φ
α
] ∝ e
−S[φ,U]
dibangkitkan dengan menggunakan algoritma Metropolis yang dijelaskan pada
Lampiran A.
Simulasi dilakukan pada lattice 4 dimensi dengan jumlah titik kisi 8
3
32 dengan
jarak antar titik kisi a = 0, 5 fm, yang berarti volume lattice yang digunakan
27
0 50 100 150 200
v (m/s)
0
5
10
15

E


(
x

0
,
1
9
7

G
e
V
)
Gambar 4.1: Grafik ∆E terhadap kecepatan fluida vuntuk g = 1.
ialah 4
3
16 fm
4
, dan beberapa jumlah konfigurasi N
cf
, massa materi m = 1
dan 500 GeV, serta untuk 2 nilai konstanta kopling interaksi g yang berbeda,
yaitu g = 1 dan g = 0.01 untuk melihat bagaimana pengaruh konstanta kopling
interaksi g pada perubahan energi. Untuk melihat pengaruh dari besarnya kon-
stanta kisi yang digunakan terhadap simulasi, nilai a dan a
t
juga divariasikan.
Dari konfigurasi sebanyak N
cf
yang dibangkitkan, kita akan memperoleh nilai
∆E sebanyak N
cf
buah. Kita dapat merata-ratakan secara langsung untuk mem-
peroleh estimasi Monte Carlo dari ∆E. Selain dirata-ratakan secara langsung,
perhitungan estimasi Monte Carlo dari ∆E juga dapat dilakukan dengan prosedur
bootstrap sampling. Prosedur ini bertujuan untuk memperkecil kesalahan statis-
tik. Prosedur bootstrap sampling dilakukan dengan membuat ”bootstrap copy”
dari konfigurasi yang dihasilkan dari simulasi Monte Carlo, yaitu dengan memil-
ih ∆E secara acak dari konfigurasi yang ada sebanyak N
cf
kali. Dengan demikian
akan ditemui nilai ∆E yang terulang, namun ada juga yang tidak muncul. Dari
ensemble baru yang dimiliki, dapat dirata-ratakan untuk memperoleh nilai esti-
masi Monte Carlo untuk ∆E yang baru.
28
0 50 100 150 200
v (m/s)
0
5
10
15

E


(
x

0
,
1
9
7

G
e
V
)
Gambar 4.2: Grafik ∆E terhadap kecepatan fluida v untuk g = 0.01.
Gambar (4.1) merupakan hasil simulasi untuk g = 1, sementara Gambar (4.2)
merupakan hasil simulasi untuk g = 0, 01, keduanya menggunakan m = 1 GeV.
∆E untuk g = 1 pada kecepatan fluida yang rendah (v < 40 m/s) memiliki
nilai yang semakin besar terhadap v, begitu pula untuk untuk v yang besar
(v > 160 m/s). Sementara di sekitar kecepatan fluida 40 - 60 m/s nilai ∆E
berfluktuasi pada nilai 3-5 (0, 197 GeV). Untuk hasil simulasi dengan g = 0, 01,
sama halnya dengan g = 1, pada kecepatan rendah (< 40 m/s) memiliki nilai
yang semakin besar terhadap kecepatan v sementara untuk kecepatan besar (v >
160 m/s) nilai ∆E berkurang bila kecepatan bertambah. Kemudian pada 40 <
v < 160 m/s, nilai ∆E juga berfluktuasi, namun dengan nilai yang sedikit lebih
besar dibandingkan dengan yang teramati pada kasus g = 1. Dari sini kita
mengetahui bahwa dalam intraksi fluida dengan materi untuk kecepatan yang
besar, nilai konstanta kopling yang besar akan menghasilkan ∆E yang bertambah
besar, sementara untuk konstanta kopling interaksi yang kecil, g < 1, ∆E akan
berkurang bila v semakin besar. Dengan demikian, kebergantungan terhadap g
pada interaksi fluida dengan materi tidak terlalu signifikan.
29
0 50 100 150 200
v (m/s)
0
5
10
15

E


(
x

0
,
1
9
7

G
e
V
)
N
cf
= 100
N
cf
= 10
N
cf
= 50
Gambar 4.3: Grafik ∆E terhadap kecepatan fluida beberapa nilai N
cf
.
Hasil simulasi untuk jumlah konfigurasi (N
cf
) yang berbeda-beda dapat dilihat
pada Gambar (4.3). Grafik tersebut dihasilkan dari simulasi dengan jarak antar
titik kisi a = a
t
= 0, 5 fm dan konstanta kopling interaksi g = 1 dengan jum-
lah konfigurasi yang digunakan ialah 10, 50 dan 100. Dari hasil yang diperoleh
terlihat bahwa perbedaan jumlah konfigurasi yang digunakan memberikan hasil
yang sama untuk masing-masing konfigurasi. Bila kita lihat pada persamaan
(A.6) perbedaan jumlah konfigurasi yang digunakan akan berpengaruh terhadap
besarnya kesalahan statistik dari estimasi Monte Carlo yang dihasilkan, dimana
bila N
cf
semakin besar maka kesalahan statistiknya akan semakin kecil.
σ
2
Γ
=
''Γ
2
`` −''Γ``
2
N
cf
Namun pada Gambar (4.3), error bar untuk ketiga jumlah konfigurasi, tidak
menunjukkan perbedaan satu sama lainnya. Nilai kesalahan statistik yang kecil
pada simulasi ini disebabkan karena konfigurasi ∆E yang didapat memiliki ni-
lai yang hampir sama, atau dengan kata lain konfigurasi yang dihasilkan sudah
stabil. Hal ini disebabkan karena banyaknya update yang dilakukan pada saat
30
0 50 100 150 200
v (m/s)
0
5
10
15

E


(
x

0
,
1
9
7

G
e
V
)
N
cf
= 100
N
cf
= 100, bootstrap
Gambar 4.4: Grafik ∆E terhadap kecepatan fluida untuk N
cf
= 100 dengan dan
tanpa bootstrap.
termalisasi yaitu sebanyak 200N
cf
. Seperti kita ketahui, termalisasi dilakukan
agar didapatkan konfigurasi yang stabil sehingga pada saat perhitungan estimasi
Monte Carlo telah didapatkan konfigurasi yang stabil. Banyaknya update yang
dilakukan pada saat termalisasi juga mengakibatkan penggunaan teknik boot-
strap sampling pada simulasi ini tidak berpengaruh secara signifikan. Hal ini
dapat dilihat pada Gambar (4.4) untuk 100 konfigurasi, nilai ∆E yang dihasilkan
sama untuk kedua cara (dengan dan tanpa bootstrap), begitu pula dengan nilai
kesalahan statistik yang muncul. Adapun kesalahan statistik yang muncul pada
simulasi ini diakibatkan karena diskritisasi yang dilakukan.
Gambar (4.5) merupakan hasil simulasi dengan jarak antar titik kisi a yang
bervariasi. Dengan berubahnya a, maka jumlah titik kisi yang harus di-update
juga berubah karena volume kisi hiperkubik yang digunakan harus tetap. Peng-
gunaan nilai a yang semakin kecil mengakibatkan jumlah titik kisi yang digu-
nakan semakin banyak, sebaliknya bila a makin besar, jumlah titik kisi semakin
sedikit. Hal ini sangat berpengaruh pada lamanya waktu yang dibutuhkan un-
31
0 50 100 150 200
v (m/s)
0
5
10
15
20
25
30

E


(
x

0
,
1
9
7

G
e
V
)
a = a
t
= 0,5
a = 0,4; a
t
= 0,2
a = a
t
= 0,8
Gambar 4.5: Grafik ∆E terhadap kecepatan fluida untuk beberapa nilai a.
tuk mengeksekusi program. Pada tugas akhir ini dilakukan 3 variasi a dengan
g = 1 dan digunakan 100 konfigurasi. Yang pertama ialah a = a
t
= 0, 5 fm.
Kedua, digunakan a yang lebih kecil yaitu sebesar 0,8 fm dan yang terakhir a
dibedakan antara kisi temporal dan spasial, a = 0, 4 fm dan a
t
= 0, 2 fm. Hasil
yang diperoleh ternyata menunjukkan nilai ∆E terhadap v yang berbeda untuk
ketiga konfigurasi. Terlihat bahwa semakin kecil a yang digunakan maka ∆E
yang dihasilkan akan semakin besar. Hal ini sesuai dengan persamaan (4.21) un-
tuk ∆E dimana ∆E berbanding terbalik dengan a.
Pada Gambar (4.6) dan (4.7) dapat dilihat hubungan ∆E terhadap kecepatan flu-
ida v bila parameter massa yang digunakan diperbesar, yaitu 500 GeV, dan pada
besar konstanta kopling interaksi yang berbeda, yaitu g = 1 dan g = 0, 01. Terli-
hat bahwa nilai ∆E cenderung konstan pada kedua grafik, dan dengan ataupun
tanpa bootstrap sampling. Hal ini berarti kontribusi dari interaksi fluida dan
materi tidak tampak dan kontribusi yang dominan datang dari massa materi
tersebut.
32
0 50 100 150 200
v (m/s)
0
5
10
15
20

E


(
x

0
,
1
9
7

G
e
V
)
tanpa bootstrap
bootstrap
Gambar 4.6: Grafik ∆E terhadap v untuk m = 500 GeV, g = 1 dengan dan
tanpa bootstrap sampling.
0 50 100 150 200
v (m/s)
0
5
10
15
20

E


(
x

0
,
1
9
7

G
e
V
)
dengan bootstrap
tanpa boostrap
Gambar 4.7: Grafik ∆E terhadap v untuk m = 500 GeV, g = 0, 01 dengan dan
tanpa bootstrap sampling.
33
Bab 5
Kesimpulan
Dari hasil perhitungan dan analisa yang dilakukan pada pemodelan interaksi an-
tara fluida dengan materi dengan menggunakan dinamika fluida berbasis teori
medan, dapat disimpulkan bahwa hubungan antara energi eksitasi ∆E dengan
kecepatan v tidak bergantung secara signifikan pada besarnya konstanta kopling
interaksi yang digunakan. Penggunaan jumlah konfigurasi yang berbeda, begitu
pula dengan atau tanpa teknik bootstrap sampling, tidak memberikan perbedaan
yang signifikan karena update yang dilakukan saat termalisasi jumlahnya cukup
banyak sehingga menghasilkan konfigurasi yang stabil. Sementara itu apabila
jarak antar titik kisi a diubah, hubungan ∆E dengan v juga berubah dimana se-
makin kecil a maka nilai ∆E yang dihasilkan semakin besar. Untuk massa materi
yang besar, didapatkan bahwa hubungan ∆E terhadap v cenderung konstan dan
sama untuk konstanta kopling interaksi yang berbeda. Hal ini menunjukkan bah-
wa interaksi materi dan fluida tidak dominan dibandingkan dengan massa materi.
Formulasi dan perhitungan dengan menggunakan lattice gauge theory merupakan
teknik yang menjanjikan untuk mempelajari lebih lanjut sistem-sistem yang di-
modelkan dengan menggunakan lagrangian dinamika fluida dimana tidak ada
jaminan teori perturbasi berlaku. Selain itu studi lebih lanjut dapat dilakukan
dengan menambahkan efek-efek lain pada dinamika fluida, seperti viskositas, tur-
bulensi, relativistik dll. serta dapat diaplikasikan pada sistem-sistem yang dimo-
delkan dengan menggunakan lagrangian fluida.
34
Daftar Acuan
[1] Sulaiman, A. Constructing Navier Stokes Equation using Gauge
Field Theory Approach. Tesis S2. (2005).
[2] Sulaiman, A. Large Amplitude of The Internal Motion of DNA Im-
mersed in Bio-fluid. arXiv:physics/0512206.
[3] http://scienceworld.wolfram.com/physics/Navier-StokesEquation.html
[4] Handoko, L.T. dan Sulaiman, A. Relativistic Navier Stokes Equation
from a Gaunge-invariant Lagrangian. arXiv:physics/0508219.
[5] Handoko, L.T. dan Sulaiman, A. Gauge Field Theory Approach to
Construct The Navier Stokes Equation. arXiv:physics/0508086.
[6] Rothe, H.J. Lattice Gauge Theories: An Introduction. World Scientif-
ic. (1997).
[7] Smit, J. Introduction to Quantum Fields on A Lattice. Cambridge
University Press. (2002).
[8] Munster, G. dan Walzl, M. Lattice Gauge Theory A Short Primer.
arXiv:hep-lat/0012005.
[9] Ryder, L.H. Quantum Field Theory. Cambridge University Press. (1996).
[10] Lepage, G.P. Lattice QCD for Novices. arXiv:hep-lat/0506036.
35
Lampiran A
Evaluasi Path Integral dengan
Metode Monte Carlo
Berikut ini akan dijelaskan metode yang digunakan untuk mengevaluasi path in-
tegral secara numerik. Banyaknya integrasi yang harus dilakukan untuk meng-
evaluasi path integral, menyebabkan kita harus menggunakan metode statistik
untuk menyelesaikannya. Sebagai ilustrasi, misalkan kita melakukan simulasi pa-
da lattice dengan 40 titik kisi pada setiap arah. Kita mempunyai variabel link
sebanyak 4 40
4
. Untuk grup gauge SU(3) memberikan variabel real sebanyak
81.920.000.
Secara prinsip, rata-rata path integral ''Γ[x]`` dari sembarang fungsional Γ[x]
dapat digunakan untuk menghitung bermacam-macam sifat fisis dari keadaan
tereksitasi di teori kuantum. Besaran
''Γ[x]`` =

Tx(t)Γ[x]e
−S[x]

Tx(t)e
−S[x]
(A.1)
merupakan rata-rata berbobot terhadap konfigurasi dengan bobot e
−S[x]
. Kon-
figurasi acak dibangkitkan dalam jumlah yang banyak, N
cf
,
x
α

¸
x
α
0
x
α
1
. . . x
α
N−1
¸
, α = 1, 2, . . . , N
cf
(A.2)
sehingga probabilitas untuk memperoleh konfigurasi tertentu x
(α)
ialah
P[x
α
] ∝ e
−S[x]
(A.3)
Kemudian rata-rata Γ[x] yang tidak berbobot terhadap himpunan konfigurasi
ini mengaproksimasi rata-rata berbobot terhadap konfigurasi yang terdistribusi
36
seragam:
''Γ[x]`` ≈ Γ ≡
1
N
cf
N
cf
¸
α=1
Γ[x
(α)
]. (A.4)
Γ merupakan ”Monte Carlo estimator” untuk ''Γ[x]`` di lattice. Estimasi terse-
but tentunya tidak akan pernah eksak karena jumlah konfigurasi N
cf
tidak per-
nah berjumlah tak berhingga. Ketidakpastian Monte Carlo σ
Γ
pada estimasi kita
merupakan sumber kesalahan yang potensial; diestimasi seperti pada umumnya,
σ
2
Γ

1
N
cf

1
N
cf
N
cf
¸
α=1
Γ
2
[x
(α)
] −Γ
2
¸
(A.5)
Persamaan di atas menjadi
σ
2
Γ
=
''Γ
2
`` −''Γ``
2
N
cf
(A.6)
untuk N
cf
yang besar. Karena pembilang pada persamaan di atas tidak bergan-
tung pada jumlah konfigurasi, ketidakpastian statistik berkurang sesuai dengan
1/

N
cf
ketika N
cf
bertambah.
Untuk mendapatkan konfigurasi acak dengan probabilitas (A.10), dibutuhkan
generator vektor acak tertentu. Beberapa metode yang dapat digunakan untuk
membangkitkan konfigurasi ialah:
• Metode Metropolis
• Algoritma Langevin
• Algoritma Heatbath
• Algoritma Hybrid dan Hybrid Monte Carlo
• Metode Molecular Dynamics
Simulasi yang dilakukan pada tugas akhir ini menggunakan algoritma Metropolis.
Prosedur ini merupakan prosedur yang paling sederhana walaupun bukan yang
paling baik. Prosedur ini dimulai dengan sembarang konfigurasi x
(0)
dan memo-
difikasinya dengan mendatangi setiap titik kisi pada lattice, dan membangkitkan
bilangan acak untuk x
j
pada titik kisi tersebut, dengan cara yang akan dijelaskan
37
berikutnya. Di sini dibangkitkan konfigurasi acak yang baru dari konfigurasi se-
belumnya: x
(0)
→ x
(1)
. Cara ini disebut dengan meng-update konfigurasi. De-
ngan menerapkan algoritma tersebut ke x
(1)
kita mendapatkan konfigurasi x
(2)
,
dan seterusnya sampai terdapat N
cf
konfigurasi. Himpunan konfigurasi ini mem-
punyai distribusi yang benar bila N
cf
cukup besar.
Algoritma untuk membangkitkan bilangan acak untuk x
j
pada titik kisi j ialah
sebagai berikut [10]:
• Bangkitkan bilangan acak ζ, dengan probabilitas terdistribusi seragam an-
tara − dan untuk suatu konstanta .
• Ganti x
j
→ x
j
+ ζ dan hitung perubahan aksi ∆S yang disebabkan oleh
penggantian x
j
.
• Bila aksi berkurang, ∆S < 0, ambil nilai baru untuk x
j
dan lanjutkan
proses ke titik kisi berikutnya.
• Bila ∆S > 0, bangkitkan bilangan acak η yang terdistribusi secara uniform
antara 0 dan 1; ambil nilai yang baru untuk x
j
bila exp(−∆S) > η, selain
itu ambil nilai yang lama dan proses ke titik kisi berikutnya.
Ada beberapa hal penting sehubungan dengan penggunaan algoritma ini. Perta-
ma, secara umum, beberapa atau benyak nilai x
j
akan sama pada dua konfigurasi.
Jumlah overlap ini ditentukan oleh parameter : ketika sangat besar, perubahan
pada x
j
biasanya besar dan kebanyakan akan ditolak; ketika sangat kecil, pe-
rubahannya akan kecil, perubahannya kecil dan kebanyakan akan diterima, tetapi
nilai x
j
yang baru akan mendekati atau sama dengan nilai yang lama. Parameter
harus di sesuaikan sehingga 40%-60% x
j
akan berubah untuk tiap update pada
titik kisi. Berapapun , konfigurasi yang suksesif akan mirip (berkorelasi ting-
gi) dan mengandung informasi yang mirip pula. Kemudian bila konfigurasi x
(α)
diakumulasi untuk estimasi Monte Carlo, kita hanya mengambil tiap N
cor
konfig-
urasi, memberikan kita konfigurasi yang tidak bergantung secara statistik. Nilai
optimal dari N
cor
bergantung dari teori dan bisa diperoleh dengan eksperimentasi.
38
N
cor
juga bergantung pada jarak antar titik kisi a,
N
cor

1
a
2
(A.7)
Hal kedua yang perlu diperhatikan ialah prosedur untuk memulai algoritma. Kon-
figurasi paling pertama yang digunakan untuk mengawali seluruh proses biasanya
kurang beraturan. Konsekuensinya kita harus mengabaikan sejumlah konfigurasi
di awal, sebelum memulai mengumpulkan x
(α)
. Dengan mengabaikan 5N
cor
sam-
pai 10N
cor
konfigurasi biasanya cukup. Ini disebut dengan ”termalisasi lattice”.
Sebagai ringkasan perhitungan Monte Carlo yang lengkap untuk ''Γ[x]`` untuk
suatu Γ[x] dari konfigurasi x terdiri dari beberapa langkah berikut:
• Inisialisasi konfigurasi, sebagai contoh, semua x diset menjadi nol.
• Update konfigurasi 5N
cor
sampai 10N
cor
kali untuk termalisasi.
• Update konfigurasi N
cor
kali, kemudian hitung Γ[x] dan simpan, ulangi se-
banyak N
cf
kali.
• Rata-ratakan N
cf
nilai dari Γ[x] yang disimpan pada langkah sebelumnya
untuk memperoleh Monte Carlo estimator Γ untuk ''Γ[x]``.
39
Lampiran B
Pemrograman
#include <iostream>
#include <time.h>
#include <stdlib.h>
#include <cmath>
#include <iomanip>
#include <fstream>
using namespace std;
/*===================================================================*/
/* Deklarasi konstanta dan variabel */
/*===================================================================*/
const int N =8;
const int Nt =32;
const float a = 0.5;
const float at = 0.5;
const int Ncor =20;
const int Ncf1 = 10;
const int Ncf2 = 50;
const int Ncf = 100;
const int imaks=20;
const double pi = 3.14;
int N1 = N-1;
int Nt1 = Nt-1;
int m[4];
float phi[N*N*N*Nt][2];
float U[N*N*N*Nt][4][2];
float old_U_re[4];
float old_U_im[4];
float dE[Ncf];
float rdE_a[imaks];
float sdev_a[imaks];
float rdE2_a[imaks];
float rdE_b[imaks];
float sdev_b[imaks];
40
float rdE2_b[imaks];
float rdE_c[imaks];
float sdev_c[imaks];
float rdE2_c[imaks];
float rdE_boot_a[imaks];
float rdE2_boot_a[imaks];
float boot_sdev_a[imaks];
float rdE_boot_b[imaks];
float rdE2_boot_b[imaks];
float boot_sdev_b[imaks];
float rdE_boot_c[imaks];
float rdE2_boot_c[imaks];
float boot_sdev_c[imaks];
int i, j, k, d, kk, s, sp;
int n0, n1, n2, n3;
int alpha;
double epsilon = 1.4;
float v;
const float Vpot=0;
const float mass=1;
const float g2=1;
float GG;
/*===================================================================*/
/* Prototipe fungsi */
/*===================================================================*/
void inisialisasi();
int kurangi(int m[], int d);
float S(int m[]);
void hitungstaple(int m[]);
void update();
float computeG(int n0, int n1, int n2, int n3);
void MCavg();
void rata2dE();
void rata2dE2();
void sdevdE();
void bootstrap();
/*===================================================================*/
/* MAIN PROGRAM */
/*===================================================================*/
int main(){
srand(time(0));
ofstream keluar_a;
ofstream keluar_b;
41
ofstream keluar_c;
ofstream keluar_d;
ofstream keluar_e;
ofstream keluar_f;
keluar_a.open("r_1a.dat");
keluar_b.open("r_g1b.dat");
keluar_c.open("r_g1c.dat");
keluar_d.open("r_g1d.dat");
keluar_e.open("r_g1e.dat");
keluar_f.open("r_g1f.dat");
for (i=0;i<imaks;i++){
v = i*10;
keluar_a << "v = " << v << endl;
keluar_b << "v = " << v << endl;
keluar_c << "v = " << v << endl;
keluar_d << "v = " << v << endl;
keluar_e << "v = " << v << endl;
keluar_f << "v = " << v << endl;
int aaa = Nt/2;
for (int n0=0;n0<aaa;n0++)
{
MCavg();
keluar_a << setw(5) << n0 << setw(15) << rdE_a[i] << setw(15)
<< sdev_a[i] << endl;
keluar_b << setw(5) << n0 << setw(15) << rdE_b[i] << setw(15)
<< sdev_b[i] << endl;
keluar_c << setw(5) << n0 << setw(15) << rdE_c[i] << setw(15)
<< sdev_c[i] << endl;
keluar_d << setw(5) << n0 << setw(15) << rdE_boot_a[i] << setw(15)
<< boot_sdev_a[i] << endl;
keluar_e << setw(5) << n0 << setw(15) << rdE_boot_b[i] << setw(15)
<< boot_sdev_b[i] << endl;
keluar_f << setw(5) << n0 << setw(15) << rdE_boot_c[i] << setw(15)
<< boot_sdev_c[i] << endl;
}
}
keluar_a.close();
keluar_b.close();
keluar_c.close();
keluar_d.close();
keluar_e.close();
keluar_f.close();
}
/********************Inisialisasi field dan link*********************/
void inisialisasi(){
for (m[0]=0;m[0]<Nt;m[0]++){
for (m[1]=0;m[1]<N;m[1]++){
for (m[2]=0;m[2]<N;m[2]++){
for (m[3]=0;m[3]<N;m[3]++){
s=m[0]+N*(m[1]+N*(m[2]+N*m[3]));
phi[s][0]=0;
phi[s][1]=0;
42
U[s][0][0]=exp(-1.5*g2*at*v*v);
U[s][0][1]=0;
U[s][1][0]=cos(g2*v*a);
U[s][1][1]=-sin(g2*v*a);
U[s][2][0]=cos(g2*v*a);
U[s][2][1]=-sin(g2*v*a);
U[s][3][0]=cos(g2*v*a);
U[s][3][1]=-sin(g2*v*a);
}
}
}
}
}
/*********************************************************************/
int kurangi(int m[], int d){
if (d==0){
kk =m[d]-1;
if (kk < 0){
kk+=Nt1;
}
}
else{
kk = m[d]-1;
if (kk<0){
kk+=N1;
}
}
return kk;
}
/*===================================================================*/
/* Program menghitung aksi */
/*===================================================================*/
float S(int m[]){
// suku kinetik dan boson
int s0p = ((m[0]+1)%Nt1)+N*(m[1]+N*(m[2]+N*m[3]));
int s0m = (kurangi(m,0))+N*(m[1]+N*(m[2]+N*m[3]));
int s1p = m[0]+N*((m[1]+1)%N1+N*(m[2]+N*m[3]));
int s1m = m[0]+N*((kurangi(m,1))+N*(m[2]+N*m[3]));
int s2p = m[0]+N*(m[1]+N*((m[2]+1)%N1+N*m[3]));
int s2m = m[0]+N*(m[1]+N*((kurangi(m,2))+N*m[3]));
int s3p = m[0]+N*(m[1]+N*(m[2]+N*(m[3]+1)%N1));
int s3m = m[0]+N*(m[1]+N*(m[2]+N*(kurangi(m,3))));
// arah t
float del0re=(U[s][0][0]*phi[s0p][0]-U[s][0][1]*phi[s0p][1]+
U[s0m][0][0]*phi[s0m][0]+U[s0m][0][1]*phi[s0m][1]-
2*phi[s][0])/(at*at);
float del0im=(U[s][0][0]*phi[s0p][1]+U[s][1][1]*phi[s0p][0]+
U[s0m][0][0]*phi[s0m][1]-U[s0m][0][1]*phi[s0m][0]-
2*phi[s][0])/(at*at);
//arah x
43
float del1re=(U[s][1][0]*phi[s1p][0]-U[s][1][1]*phi[s1p][1]+
U[s1m][1][0]*phi[s1m][0]+U[s1m][1][1]*phi[s1m][1]-
2*phi[s][0])/(a*a);
float del1im=(U[s][1][0]*phi[s1p][1]+U[s][1][1]*phi[s1p][0]+
U[s1m][1][0]*phi[s1m][1]-U[s1m][1][1]*phi[s1m][0]-
2*phi[s][0])/(a*a);
//arah y
float del2re=(U[s][2][0]*phi[s2p][0]-U[s][2][1]*phi[s2p][1]+
U[s2m][2][0]*phi[s2m][0]+U[s2m][2][1]*phi[s2m][1]-
2*phi[s][0])/(a*a);
float del2im=(U[s][2][0]*phi[s2p][2]+U[s][2][1]*phi[s2p][0]+
U[s2m][2][0]*phi[s2m][1]-U[s2m][2][1]*phi[s2m][0]-
2*phi[s][0])/(a*a);
//arah z
float del3re=(U[s][3][0]*phi[s3p][0]-U[s][3][1]*phi[s3p][1]+
U[s3m][3][0]*phi[s3m][0]+U[s3m][3][1]*phi[s3m][1]-
2*phi[s][0])/(a*a);
float del3im=(U[s][3][0]*phi[s3p][1]+U[s][3][1]*phi[s3p][0]+
U[s3m][3][0]*phi[s3m][1]-U[s3m][3][1]*phi[s3m][0]-
2*phi[s][0])/(a*a);
//total
float Sre = del0re + del1re + del2re + del3re;
float Sim = del0im + del1im + del2im + del3im;
float Sreal=a*a*a*at*(-phi[s][0]*Sre - phi[s][1]*Sim +
mass*mass*(phi[s][0]*phi[s][0]+phi[s][1]*phi[s][1]));
return Sreal;
}
/*===================================================================*/
/* Program untuk meng-update dengan algoritma Metropolis */
/*===================================================================*/
void update(){
for (m[0]=0;m[0]<Nt;m[0]++){
for (m[1]=0;m[1]<N;m[1]++){
for (m[2]=0;m[2]<N;m[2]++){
for (m[3]=0;m[3]<N;m[3]++){
s=m[0]+N*(m[1]+N*(m[2]+N*m[3]));
float old_p_real = phi[s][0];
float old_p_imag = phi[s][1];
float old_S_real = S(m);
phi[s][0] = phi[s][0] +
(2.0*epsilon*(rand()/(RAND_MAX+1.0))-epsilon);
phi[s][1] = phi[s][1] +
(2.0*epsilon*(rand()/(RAND_MAX+1.0))-epsilon);
float dS0 = S(m) - old_S_real;
float u = rand()/(RAND_MAX+1.0);
if (dS0 >0 && exp(-dS0)< u){
phi[s][0] = old_p_real;
phi[s][1] = old_p_imag;
}
}
}
}
44
}
}
/*===================================================================*/
/* Program menghitung propagator */
/*===================================================================*/
float computeG(int n0, int n1, int n2, int n3){
GG = 0;
float g = 0;
for (m[0]=0;m[0]<Nt;m[0]++){
for (m[1]=0;m[1]<N;m[1]++){
for (m[2]=0;m[2]<N;m[2]++){
for (m[3]=0;m[3]<N;m[3]++){
s = m[0]+N*(m[1]+N*(m[2]+N*m[3]));
sp = (m[0]+n0)%Nt1+N*((m[1]+n1)%N1+
N*((m[2]+n2)%N1+N*(m[3]+n3)%N1));
g = g+phi[sp][0]*phi[s][0]+phi[sp][1]*phi[s][1];
}
}
}
}
return GG = g/(N*N*N*Nt);
}
/*===================================================================*/
/* Program menghitung Monte Carlo estimator */
/*===================================================================*/
void MCavg(){
inisialisasi();
/* termalisasi */
for (j=0;j<200*Ncor;j++){
update();
}
for (alpha=0;alpha<Ncf;alpha++){
for (j=0;j<Ncor;j++){
update();
}
dE[alpha]=(log(abs(computeG(n0,0,0,0)/computeG(n0+1,0,0,0))))/at;
}
rata2dE();
rata2dE2();
sdevdE();
bootstrap();
}
void rata2dE(){
// Ncf1
float avgdE_a = 0;
for (alpha=0;alpha<Ncf1;alpha++){
avgdE_a = avgdE_a + dE[alpha];
}
45
float ratadE_a = avgdE_a/Ncf1;
rdE_a[i] = ratadE_a;
// Ncf2
float avgdE_b = 0;
for (alpha=0;alpha<Ncf2;alpha++){
avgdE_b = avgdE_b + dE[alpha];
}
float ratadE_b = avgdE_b/Ncf2;
rdE_b[i] = ratadE_b;
// Ncf
float avgdE_c = 0;
for (alpha=0;alpha<Ncf;alpha++){
avgdE_c = avgdE_c + dE[alpha];
}
float ratadE_c = avgdE_c/Ncf;
rdE_c[i] = ratadE_c;
}
void rata2dE2(){
// Ncf1
float avgdE2_a = 0;
for (alpha=0;alpha<Ncf1;alpha++){
avgdE2_a = avgdE2_a + dE[alpha]*dE[alpha];
}
float ratadE2_a = avgdE2_a/Ncf1;
rdE2_a[i] = ratadE2_a;
// Ncf2
float avgdE2_b = 0;
for (alpha=0;alpha<Ncf2;alpha++){
avgdE2_b = avgdE2_b + dE[alpha]*dE[alpha];
}
float ratadE2_b = avgdE2_b/Ncf2;
rdE2_b[i] = ratadE2_b;
// Ncf
float avgdE2_c = 0;
for (alpha=0;alpha<Ncf;alpha++){
avgdE2_c = avgdE2_c + dE[alpha]*dE[alpha];
}
float ratadE2_c = avgdE2_c/Ncf;
rdE2_c[i] = ratadE2_c;
}
void sdevdE(){
// Ncf1
float sdev2_a = 0;
float sdevl_a = 0;
sdev2_a = (abs(rdE2_a[i]-(rdE_a[i]*rdE_a[i])))/Ncf1;
sdevl_a = sqrt(sdev2_a);
sdev_a[i]=sdevl_a;
// Ncf2
float sdev2_b = 0;
46
float sdevl_b = 0;
sdev2_b = (abs(rdE2_b[i]-(rdE_b[i]*rdE_b[i])))/Ncf2;
sdevl_b = sqrt(sdev2_b);
sdev_b[i]=sdevl_b;
// Ncf
float sdev2_c = 0;
float sdevl_c = 0;
sdev2_c = (abs(rdE2_c[i]-(rdE_c[i]*rdE_c[i])))/Ncf;
sdevl_c = sqrt(sdev2_c);
sdev_c[i]=sdevl_c;
}
/*===================================================================*/
/* Program menghitung Monte Carlo estimator dgn bootstrap sampling */
/*===================================================================*/
void bootstrap(){
// Ncf1
float dE_boot_a = 0;
float dE2_boot_a = 0;
for (int j=0;j<Ncf1;j++){
int alpha2 = int(Ncf1*(rand()/(RAND_MAX+1.0)));
dE_boot_a = dE_boot_a + dE[alpha2];
dE2_boot_a = dE2_boot_a + dE[alpha2]*dE[alpha2];
}
float avg_dE_boot_a = dE_boot_a/Ncf1;
rdE_boot_a[i]=avg_dE_boot_a;
float avg_dE2_boot_a = dE2_boot_a/Ncf1;
rdE2_boot_a[i]=avg_dE2_boot_a;
float boot_sdev2_a = 0;
float boot_sdevl_a = 0;
boot_sdev2_a = (abs(rdE2_boot_a[i]-(rdE_boot_a[i]*rdE_boot_a[i])))/Ncf1;
boot_sdevl_a = sqrt(boot_sdev2_a);
boot_sdev_a[i]=boot_sdevl_a;
// Ncf2
float dE_boot_b = 0;
float dE2_boot_b = 0;
for (int j=0;j<Ncf2;j++){
int alpha2 = int(Ncf2*(rand()/(RAND_MAX+1.0)));
dE_boot_b = dE_boot_b + dE[alpha2];
dE2_boot_b = dE2_boot_b + dE[alpha2]*dE[alpha2];
}
float avg_dE_boot_b = dE_boot_b/Ncf2;
rdE_boot_b[i]=avg_dE_boot_b;
float avg_dE2_boot_b = dE2_boot_b/Ncf2;
rdE2_boot_b[i]=avg_dE2_boot_b;
float boot_sdev2_b = 0;
float boot_sdevl_b = 0;
boot_sdev2_b = (abs(rdE2_boot_b[i]-(rdE_boot_b[i]*rdE_boot_b[i])))/Ncf2;
boot_sdevl_b = sqrt(boot_sdev2_b);
boot_sdev_b[i]=boot_sdevl_b;
// Ncf
float dE_boot_c = 0;
47
float dE2_boot_c = 0;
for (int j=0;j<Ncf;j++){
int alpha2 = int(Ncf*(rand()/(RAND_MAX+1.0)));
dE_boot_c = dE_boot_c + dE[alpha2];
dE2_boot_c = dE2_boot_c + dE[alpha2]*dE[alpha2];
}
float avg_dE_boot_c = dE_boot_c/Ncf;
rdE_boot_c[i]=avg_dE_boot_c;
float avg_dE2_boot_c = dE2_boot_c/Ncf;
rdE2_boot_c[i]=avg_dE2_boot_c;
float boot_sdev2_c = 0;
float boot_sdevl_c = 0;
boot_sdev2_c = (abs(rdE2_boot_c[i]-(rdE_boot_c[i]*rdE_boot_c[i])))/Ncf;
boot_sdevl_c = sqrt(boot_sdev2_c);
boot_sdev_c[i]=boot_sdevl_c;
}
48

Lembar Persetujuan

Judul Skripsi Nama NPM

: : :

Perhitungan Dinamika Fluida Berbasis Teori Medan dengan Lattice Gauge Theory Heribertus Bayu Hartanto 0302027016

Skripsi ini telah diperiksa dan disetujui Depok, Mei 2006 Mengesahkan

Pembimbing I

Pembimbing II

Dr. L. T. Handoko

Dr. Terry Mart

Penguji I

Penguji II

Dr. Imam Fachrudin

Dr. Anto Sulaksono

Kata Pengantar
Puji syukur kepada Tuhan Yang Maha Pengasih karena berkat dan penyertaanNya penulis dapat menyelesaikan tugas akhir ini. Terima kasih yang tak terhingga penulis sampaikan kepada kedua orangtua tercinta dan segenap keluarga atas dukungan yang diberikan selama penyelesaian tugas akhir ini. Topik yang di-kerjakan pada tugas akhir ini menurut penulis sangat menarik, karena merupakan suatu pendekatan yang baru dalam dinamika fluida. Dinamika fluida yang biasanya diselesaikan dengan mekanika klasik, diformulasikan dengan teori medan gauge dan untuk menghitung energi dilakukan dengan menggunakan Lattice Gauge Theory, tool yang biasa dipakai dalam fisika partikel. Penulis secara khusus mengucapkan terima kasih kepada semua pihak yang telah membantu penyelasaian tugas akhir ini baik secara langsung maupun tidak langsung, antara lain: 1. Dr. L.T. Handoko selaku pembimbing I yang telah membimbing penulis mulai dari awal diskusi hingga penyelesaian tugas akhir ini serta atas ideide, dukungan dan saran yang diberikan. 2. Dr. Terry Mart selaku pembimbing II dan ketua peminatan Fisika Nuklir dan Partikel atas bimbingan dan dukungan yang diberikan baik itu selama kuliah maupun pengerjaan tugas akhir ini. 3. Rekan-rekan di Lab Teori, khususnya grup diskusi Lattice: Nowo dan Juju, Beriya, Popo, Handhika, Arum, Ardy, Nita, Harykin, Chandi, Pak Ayung, Pak Sulaiman, Mas Parada. 4. Semua teman-teman fisika angkatan 2002, ”rekan-rekan kerja” di Lab Fisika Dasar, teman-teman di KMK MIPA dan KMK UI yang tidak dapat disebutkan satu persatu. iii

5. Special gift from God, Melvi, untuk dukungan dalam setiap langkah penulis, dalam senang maupun sedih. 6. Juga semua pihak yang tidak dapat disebutkan di sini atas dukungan dan doa kepada penulis selama penyelesaian tugas akhir ini. Penulis menyadari bahwa karya tulis ini masih jauh dari sempurna, maka dari itu penulis mengharapkan kritik dan saran dari para pembaca demi perkembangan riset di Fisika UI.

Depok, Mei 2006

Heribertus Bayu

iv

Abstrak
Dinamika fluida berbasis teori medan diformulasikan dalam kisi ruang waktu diskrit. Dengan formulasi tersebut dihitung selisih energi eksitasi (∆E) dari interaksi antara materi dengan fluida dengan menggunakan simulasi Metropolis Monte Carlo. Berdasarkan simulasi tersebut, diperoleh bahwa hubungan ∆E dengan kecepatan fluida dari interaksi materi dengan fluida tidak bergantung pada besarnya konstanta kopling interaksi g. Formulasi ini memberikan pemahaman dasar untuk perhitungan bermacam-macam observable dari fenomena yang dimodelkan dengan Lagrangian dinamika fluida dimana tidak ada jaminan teori perturbasi berlaku. Kata kunci: lagrangian Navier Stokes, lattice gauge theory viii+34 hlm.; lamp. Daftar Acuan: 10(1996-2006)

Abstract
Fluid dynamics based on the gauge field theory is formulated on a discrete spacetime lattice. Using this formulation, the difference of excitation energy (∆E) from the interaction of fluids and matter is calculated using Metropolis Monte Carlo simulation. From the simulation, it is found that relation between ∆E with the velocity of fluid from the interaction of fluid and matter is not depend on the interaction coupling constant g. This formulation provides basic knowledge to calculate some observables for phenomenon modeled with the fluid dynamics Lagrangian where the pertubation theory cannot be guaranteed. Keywords: Navier Stokes lagrangian, lattice gauge theory viii+34 pp.; appendices. References: 10(1996-2006) v

. . . . . . . . . . . . . . . 1. . . . . . . . . . . . .2 Perumusan Masalah . . . . . . . . . . . . . . 2 Dinamika Fluida Berbasis Teori Medan 2. .2 Teori Medan Gauge untuk Dinamika Fluida . .2 Teori Medan Kuantum dengan Path Integral . . . . . . . . . . .1 Latar Belakang . . . . . . . . . . . . .3 Sistem Multi Fluida . . . . .3 Metode Penelitian . 3. . . . . . . . . . . .Daftar Isi Kata Pengantar Abstrak Daftar Isi Daftar Gambar 1 Pendahuluan 1. . . . . . . . . . . . . . . . . .3 Diskritisasi . . . . . . 4 Hasil dan Pembahasan 5 Kesimpulan vi iii v vi viii 1 1 2 2 3 4 4 6 11 13 13 16 18 20 24 34 . . . . . . . . . . . . . . . . . . . . . . .1 Path Integral pada Mekanika Kuantum . . 2. . . . . . . . . . . . . . . . . . . . . . . . 3 Teori Medan Gauge pada Lattice 3. . . . . . 1. . . .4 Tujuan Penelitian . . . . . . 3. . . . . . . . . . 2. .1 Dinamika Fluida . . . . . . . . . . . . . . . .4 Transformasi Gauge pada Lattice . . . . . . . . . . . . . . . . . . . . . . . . . . 3. . . . . . 1. . . . . . . . . . . . . . . . . . . . . . .

Daftar Acuan A Evaluasi Path Integral dengan Metode Monte Carlo B Pemrograman 35 36 40 vii .

4. . .3 Lattice atau kisi 3 dimensi . . . . . . 33 33 31 32 3. 01 dengan dan tanpa bootstrap sampling. . . . . . . . . . . . . . . . . . . . . . . . . . .6 Grafik ∆E terhadap v untuk m = 500 GeV. . g = 0. . . . . g = 1 dengan dan tanpa bootstrap sampling. .5 Grafik ∆E terhadap kecepatan fluida untuk beberapa nilai a. . . . . . . . 3.1 Grafik ∆E terhadap kecepatan fluida vuntuk g = 1. . . . .7 Grafik ∆E terhadap v untuk m = 500 GeV. . . . .Daftar Gambar 3. . . . . . . 4. . . . . . . . . . . . . 4. . . . 3. . . . . . . . . . . . . . . . . . . . . . . . . 4. . . . . . . . . . 14 15 18 21 22 28 29 30 viii . . . . . . . . . . .4 Lintasan C antara x dan y . . . . .1 Interval waktu diskrit . . . . . . . . . . .3 Grafik ∆E terhadap kecepatan fluida beberapa nilai Ncf . . . . . . .5 Uµνx pada sebuah Plaquette . . . . . . . . . . . . . . . . . . . . . . . 3. . . . . .4 Grafik ∆E terhadap kecepatan fluida untuk Ncf = 100 dengan dan tanpa bootstrap. . . . 4.2 Lintasan partikel . . . 4. . . . . . . 4. . . . . . . .2 Grafik ∆E terhadap kecepatan fluida v untuk g = 0. . . . . . . . . .01. . . . . . . . . . . . . . . .

banyak sistem-sistem yang dapat dimodelkan dengan menggunakan dinamika fluida seperti kosmologi turbulen. 1 . quark-gluon plasma. Dinamika fluida berbasis teori medan ini dapat juga digunakan untuk mendeskripsikan sistem multi fluida dengan menggunakan lagrangian yang invarian terhadap transformasi gauge non-Abelian.1 Latar Belakang Dinamika fluida secara matematis dideskripsikan oleh persamaan Navier-Stokes. Lagrangian yang invarian terhadap transformasi gauge tersebut dapat diformulasikan untuk sistem relativistik yang invarian terhadap transformasi Lorentz sehingga dengan menggunakan persamaan Euler-Lagrange dapat diperoleh persamaan Navier-Stokes relativistik [4]. Sementara itu. dll yang memerlukan solusi tersebut untuk melakukan perhitungan-perhitungan berikutnya. Pendekatan alternatif untuk dinamika fluida telah dilakukan dengan menggunakan metode mekanika analitik dengan menggunakan lagrangian boson yang invarian terhadap transformasi gauge. Sifat nonlinier pada persamaan Navier-Stokes mengakibatkan persamaan tersebut sulit untuk diselesaikan karena pada sistem nonlinier solusinya tidak dapat disuperposisikan[1]. Persamaan ini diturunkan baik itu dari Hukum II Newton maupun hukum kekekalan massa. Metode ini telah diaplikasikan pada sistem fluida yang berinteraksi dengan soliton yaitu protein α heliks yang berinteraksi dengan biofluida [2].Bab 1 Pendahuluan 1. Dengan menggunakan pendekatan alternatif dinamika fluida ini kita dapat mengeksplorasi lebih lanjut sistem-sistem yang dimodelkan dengan menggunakan fluida tanpa harus mencari solusi persamaan Navier Stokes.

Perhitungan secara non-perturbatif dapat dilakukan dengan menggunakan Lattice Gauge Theory. 1. Perhitungan observable dari interaksi antara materi dengan fluida dapat dilakukan dengan mengevaluasi path integral. Interaksi antara fluida dengan materi dapat dimodelkan dengan menggunakan lagrangian medan boson yang merepresentasikan materi dengan medan gauge yang merepresentasikan fluida. Namun besarnya konstanta kopling interaksi g antara fluida dan materi tidak diketahui. Teori yang digunakan ialah dinamika fluida dengan pendekatan teori medan gauge.3 Metode Penelitian Penelitian ini bersifat teoritik. Setelah itu dapat dihitung energi dengan mengevaluasi path integral menggunakan metode Monte Carlo. Pada Lattice Gauge Theory.2 Perumusan Masalah Pendekatan alternatif untuk formulasi dinamika fluida dari first principle telah dilakukan dengan menggunakan mekanika analitik. sehingga path integral tidak dapat dihitung secara perturbatif. aksi yang menggambarkan interaksi antara materi dengan fluida terlebih dahulu diformulasikan dalam ruang dan waktu diskrit.1. Persamaan Navier-Stokes diturunkan sebagai persamaan gerak dari lagrangian boson yang invarian terhadap transformasi gauge dengan menggunakan persamaan Euler-Lagrange. 2 . aksi disusun pada kisi ruang dan waktu diskrit sehingga memungkinkan path integral dihitung secara numerik dengan menggunakan metode Metropolis Monte Carlo. Lattice Gauge Theory digunakan pada teori Quantum Chromodynamics atau sering disebut dengan Lattice QCD untuk menghitung besaranbesaran QCD pada energi rendah. Dengan menghitung observable dari lagrangian ini maka diharapkan kita bisa mempelajari perilaku atau sifat-sifatnya terutama terhadap konstanta kopling g. karena konstanta kopling QCD makin besar pada energi rendah. Untuk memperoleh observable dari teori ini.

3 .4 Tujuan Penelitian Penelitian ini bertujuan untuk mempelajari teknik dasar perhitungan Lattice Gauge Theory dengan menggunakan metode Metropolis Monte Carlo dan implementasinya pada pemrograman serta menghitung observable dari dinamika fluida berbasis teori medan dengan menggunakan Lattice Gauge Theory.1. Penelitian difokuskan pada formulasi teori gauge untuk fluida pada kisi ruang waktu diskrit dan perhitungan energi dari interaksi fluida dengan materi.

dinamika fluida digambarkan oleh persamaan Navier-Stokes ∂v + (v · ∂t )v = − 1 P +µ ρ 2 v (2.Bab 2 Dinamika Fluida Berbasis Teori Medan Pada bab ini penulis akan membahas secara singkat teori mengenai dinamika fluida baik itu secara klasik maupun dengan pendekatan berbasis teori medan. Dinamika fluida merupakan cabang dari ilmu fisika yang mempelajari aliran fluida (cairan dan gas). Perhatikan volume suatu fluida V dengan S merupakan permukaan tertutup dari volume V . Persamaan ini diturunkan dari hukum II Newton dan hukum kekekalan massa.1) dengan v ialah kecepatan fluida. 2. Hukum kekekalan massa menyatakan bahwa fluida tidak dapat diciptakan maupun dimusnahkan.1 Dinamika Fluida Fluida didefinisikan sebagai bahan yang mengalami deformasi (perubahan bentuk) secara kontinu bila dikenai tegangan geser. ρ ialah kerapatan dan µ ialah koefisien viskositas. P ialah tekanan.2) . Massa dari fluida ialah V ρdV . sementara massa fluida per satuan waktu yang melewati permukaan ter(ρv) · dS sehingga hukum kekekalan massa dapat dinyatakan (ρv) · dS = − 4 ∂ ∂t ρdV V tutup S ialah sebagai berikut (2. Bila kita memberi gangguan pada fluida. Secara matematis. massa awal dan akhir fluida haruslah sama.

6) (2. Gaya permukaan. yang bekerja secara langsung pada permukaan elemen fluida. 5 (2.3) Hukum II Newton tidak lain merupakan bentuk kekekalan momentum yang memid2 x dt2 Gaya yang dialami oleh fluida yang bergerak ialah F =m liki bentuk (2. Contohnya ialah gaya gravitasi. m → ρV dan percepatan. Fi ∂ =− Πik .4) 1. Dt ∂t Maka hukum II Newton untuk aliran fluida ialah ρ F Dv = Dt V (2. Gaya badan. Hanya ada 2 sumber gaya jenis ini: (a) distribusi tekanan pada permukaan dan (b) distribusi regangan dan tegangan normal pada permukaan elemen fluida. untuk aliran fluida. 2. V ∂xk dimana tensor tekanan diberikan oleh Πik = P δik − σik . listrik dan magnet.5) Gaya yang fundamental pada aliran fluida ialah gradien tekanan yang dapat ditulis sebagai berikut.dengan menggunakan teorema Gauss diperoleh. · (ρv)dV = − ∂ ∂t ρdV V V V ∂ρ + · (ρv) dV = 0 ∂t ∂ρ + · (ρv) = 0 ∂t (2. d2 x Dv → 2 dt Dt dengan D ∂ = +v· . yang bekerja secara langsung pada volume massa dari elemen fluida.7) .

−1) sehingga x2 = xµ xµ = xµ gµν xν = x0 − x2 = x2 −x2 −x2 −x2 . Diperhatikan juga bahwa persamaan Navier-Stokes merupakan sistem ruang 4 dimensi. namun dapat diambil analogi terutama dalam melakukan konstruksi dari lagrangian dinamika fluida. z). Pada subbab ini akan dijelaskan konstruksi persamaan Navier-Stokes dari first principle mekanika analitik yaitu dimulai dari lagrangian density. σij = η ∂vi ∂vk 2 + − δij ∂xk ∂xi 3 · v + νδik · v. (2. Dalam hal ini digunakan ruang Minkowski dengan tensor metrik 2 gµν = (1. (2.10) 2. Substitusi persamaan (2. ρ ∂v + (v · ∂t )v =− P +η 2 1 v+ ν+ η 3 ( · v). dimana xµ adalah ruang 4 dimensi.5). dengan 6 .9) Untuk fluida inkompresibel Stokes untuk fluida inkompresibel ∂v + (v · ∂t seperti pada persamaan (2. Karena persamaan Navier-Stokes diturunkan dari hukum II New0 1 2 3 ton.8) dimana η dan ν merupakan koefisien viskositas kinematik dan dinamik. −1) = (1. (2. Beberapa tulisan juga menghubungkannya dengan persamaan Maxwell.6). y.1). xµ ≡ (x0 . xi ) = (ct.7) dan (2.8) ke hukum II Newton untuk fluida pada persamaan (2.dengan P tekanan dan σik ialah tensor viskositas. secara prinsip persamaan tersebut dapat diturunkan dari mekanika analitik dengan menggunakan prinsip aksi terkecil dan telah dikerjakan dalam sejumlah paper demikian pula dengan formulasi dinamika fluida menggunakan lagrangian berdasarkan pada simetri gauge. Tensor viskositas secara umum merupakan tensor asimetrik. Perlu diingat bahwa persamaan Navier-Stokes dan persamaan Maxwell menggambarkan sistem yang berbeda. Tensor viskositas dapat ditulis [3]. −1.2 Teori Medan Gauge untuk Dinamika Fluida Persamaan Navier-Stokes menggambarkan sistem nonlinier dengan kecepatan aliran v ≡ v(xµ ). r) = (ct. −1. x. · v = 0 dan µ ≡ η/ρ diperoleh persamaan Navier 1 P +µ ρ 2 )v = − v (2.

Jµ = i [φ(∂µ φ∗ ) − φ∗ (∂µ φ)] (2. Lagrangian untuk medan boson yang invarian terhadap transformasi gauge lokal ialah L = (∂µ φ∗ )(∂ µ φ) + V (φ) + LA dimana (2.11) 1 (2.demikian dapat digunakan metode pada teori medan relativistik yang memperlakukan ruang dan waktu dalam dimensi yang sama.13) memenuhi kekekalan arus ∂ µ Jµ = 0. kita dapat memperoleh bentuk persamaan yang mirip dengan persamaan Maxwell dari persamaan Navier-Stokes dengan mengganti medan magnet dan medan listrik dengan vektor Lamb dan vortisitas E → l =ω×v B → ω= ×v sehingga persamaan ”Maxwell” untuk fluida ialah ·l = ρ ˜ ×l = − ·ω = 0 × ω = αj + α 7 ∂ω ∂t ∂l ∂t . φ → φ = e−iθ(x) φ ≈ (1 − iθ(x))φ 1 Aµ → Aµ = Aµ + (∂µ θ) g (2.14) (2.12) LA = − Fµν F µν + gJµ Aµ + g 2 Aµ Aµ φ∗ φ 4 dengan kuat tensor Fµν ≡ ∂µ Aν − ∂ν Aµ . sementara arus vektor empatnya. Suku-suku tambahan pada LA dibutuhkan agar lagrangian boson tersebut invarian terhadap transformasi gauge lokal U = exp[−iθ(x)] sehingga.15) Seperti disebutkan pada [1]. Persamaan Navier-Stokes diturunkan sebagai persamaan gerak dari lagrangian boson yang invarian terhadap transformasi gauge dan transformasi Lorentz melalui persamaan EulerLagrange.

12). ∂ν (∂ µ Aν ) − ∂ 2 Aµ + gJµ = 0. Pemilihan bentuk medan gauge tersebut jelas tidak memenuhi transformasi Lorentz secara eksplisit.12) tidak lain ialah lagrangian yang Substitusi persamaan (2.12) ke persamaan Euler-Lagrange di atas menghasilkan persamaan gerak dalam Aµ . Di sisi lain.dengan α = 1/v 2 . LA pada persamaan (2. (2. Untuk memperoleh persamaan Navier-Stokes relativistik. sementara potensial vektor menggambarkan dinamika dalam suku kecepatan. Aµ = = yaitu LA pada persamaan (2. Relasi nontrivial diperoleh untuk µ = ν sehingga dapat menghasilkan persamaan Navier-Stokes. kita dapat mendefinisikan medan gauge Aa = Φ. LA = L N S .16) dengan v ialah kecepatan fluida dan V ialah potensial yang diakibatkan oleh gaya konservatif. Hasil ini memberi petunjuk bahwa kita dapat mengkonstruksi lagrangian yang bentuknya mirip dengan lagrangian elektrodinamika kuantum bentuk spesifik dari medan gauge.18) Aµ diperhatikan sebagai medan fluida. Klaim ini telah dibuktikan dengan mengambil Φ. potensial skalar merupakan energi total per satuan massa yang terdiri dari rapat energi kinetik dan rapat potensial eksternal. −v 2 (2. Berdasarkan prinsip aksi terkecil δS = 0 dengan S = persamaan Euler-Lagrange ∂ν ∂LN S ∂LN S − =0 νA ) ∂(∂ µ ∂Aµ (2. A dengan potensial skalar dan vektornya sebagai µ 8 .17) d4 xLN S dapat diperoleh Dengan demikian. pemilihan ini menunjukkan bahwa pada dinamika fluida. menghasilkan persamaan Navier-Stokes dengan pemilihan medan gauge di atas. A 1 2 |v| + V.

konstanta gravitasi dan viskositas. Rapat potensial yang dialami pada : : : tekanan gravitasi viskositas yang relevan untuk fluida rotasional fluida antara lain: dengan P. kerapatan.19) dan (2. Bila kita hitung gradien dari potensial tekanan untuk kerapatan konstan dan gradien potensial viskositas. c (2.19) (2. Substitusi persamaan (2. di mana diasumsikan relasi eksplisit untuk gaya eksternal Dengan demikian persamaan Navier-Stokes untuk sembarang gaya konservatif telah dibentuk dengan menggunakan teori medan gauge.19) menunjukkan versi relativistik energi kinetik persatuan massa.berikut [4].22) terdapat gaya tambahan.21) dtJi . µ + η menyatakan tekanan. Suku pertama pada persamaan (2. ∂v + (v · ∂t )v = − V − v × ( (2.22) V. Vtekanan = Vviskositas 1 P ρ = η ( · v) + µ( 9   P (r)/ρ(r) Gm/|r| V (r) =  (µ + η)( · v) 2 v) + µ( × × v) . yaitu pada suku g J dan suku v × ( × v) × v. Terlihat pada per˜ samaan (2.20) ke persamaan (2. dengan Vrel menyatakan potensial relativistik eksternal.18). ∂v − c2 ∂t ˜ dengan Ji ≡ dxi J0 = − 1 2 1− |v|2 ˜ = − Vrel + g J c2 (2. G. Vrel −→ non−rel dengan mengambil |v| sehingga. Φ = −c 2 |v|2 1 − 2 + Vrel . Kita dapat memperoleh bentuk nonrelativistik c dan menggunakan relasi |v|2 = (v · )v + v × ( × v) ˜ × v) + g J.20) A = −v. ρ. diperoleh persamaan Navier-Stokes relativistik.

maka akan diperoleh. arus fluida muncul akibat interaksi dari medan fluida dengan mediumnya. Hal ini analog dengan arus pada persamaan Maxwell dan elektrodinamika kuantum yang merupakan hasil dari interaksi pasangan fermion. ∂v + (v · ∂t )v = − 1 P −η ( ρ × · v) + µ( 2 v) (2.10). Potensial yang terdapat pada potensial skalar muncul akibat gaya konservatif eksternal yang hanya bekerja pada medan fluida (Aµ ). Jµ menggambarkan fungsi distribusi dari materi di dalam fluida. Konsekuensi dari hasil ini. kita dapat melihat interaksi antara fluida (Aµ )dan materi di dalamnya (φ).21) invarian terhadap transformasi Lorentz. arus vektor empat Jµ = (ρ. · v = 0. Dengan menggunakan lagrangian Navier-Stokes. Jadi kita dapat menginvestigasi dinamika fluida biarpun Jµ = 0.23) +µ( Untuk fluida irotasional × v) − v × ( ˜ × v) + g J. Persamaan Navier Stokes relativistik (2. xi → x i = ˜ ˜ dan J → J = xi − v i t . Pada dinamika fluida klasik. (2. × v = 0 dan fluida inkompresibel )v = − 1 P + µ( ρ 2 ∂v + (v · ∂t ˜ v) + g J.dan memasukkan keduanya pada persamaan (2.24) Persamaan di atas tidak lain ialah merupakan persamaan Navier-Stokes untuk fluida irotasional inkompresibel seperti pada persamaan (2. Sementara dalam pendekatan ini. Dari model yang dibuat untuk dinamika fluida dengan menggunakan teori medan gauge. potensial pada lagrangian menggambarkan interaksi antar medan boson. kita juga dapat mempelajari interaksi antara fluida dengan medium lainnya. t→t = t − xi /vi 1− |v|2 /c2 1 − |v|2 /c2 ˜ 1 − |v|2 /c2 J. Sebaliknya.22). Seperti contohnya. ρv) menggambarkan distribusi makroskopik dari kerapatan dan vektor rapat arus.11) disubstitusi dengan 1 λ V (φ) = − m2 φ2 + φ4 2 4! 10 . potensial pada persamaan (2.

maka kita memiliki sistem multi fluida yang digambarkan oleh persamaan persamaan gerak tunggal dimana LA pada persamaan (2. 1 a i a LA = − Fµν F aµν + gJµ Aaµ + f abc g 2 (φ† T a φ)Ab Acµ (2.27) µ 4 2 a dengan kuat tensor Fµν ≡ ∂µ Aa − ∂ν Aa − gf abc Ab Ac .27) merutuk menggambarkan interaksi antara 2 fluida. karena persamaan gerak terhadap φ yang dihasilkan dari lagrangian ini memenuhi persamaan KleinGordon nonlinear dengan solusi soliton. dapat digunakan lagrangian yang 11 pakan lagrangian dari persamaan Navier-Stokes (LN S ). T b ] = if abc T c dengan f abc merupakan konstanta struktur antisimetrik. Lagrangian untuk sistem multi fluida dapat dituliskan L = (∂µ φ)† (∂ µ φ) + V (φ) + LA dimana (2.26) empatnya. Sebagai contoh.28) dengan transformasi gauge untuk tiap-tiap medan ialah φ → φ = e−iT Aa µ a θ a (x) 1 c → Aa = Aa + (∂µ θ a ) + f abc θ b Aµ µ µ g φ ≈ (1 − iT a θ a (x))φ (2.dapat menggambarkan interaksi fluida dengan medium soliton. sementara arus vektor µ ν µ ν a Jµ = i (∂µ φ)† T a φ − φ† T a (∂µ φ) (2.29) (2. un- .30) Bila Aa diperhatikan sebagai medan fluida yang mewakili sekumpulan fluida µ untuk tiap a.3 Sistem Multi Fluida Model yang telah dikembangkan pada sub-bab sebelumnya dapat digeneralisasi untuk sistem multi fluida. 2. Untuk melakukannya.25) dimana T a merupakan generator dari grup Lie dan memenuhi relasi komutasi [T a . Pada sistem ini kita menggunakan simetri SU (N ) untuk menggambarkan sistem multi fluida serta interaksinya dengan materi. transformasi gauge yang digunakan ialah transformasi gauge lokal yang bersifat non-Abelian U = exp(−iT a θ a (x)) (2.

berbentuk [5] Ltotal = La S + Lb S + Lab N N int (2.31) dibuat untuk sistem multi fluida. kita dapat melihat interaksi antara fluida (Aa ) µ dan materi di dalamnya (φ) berdasarkan grup simetri SU (N ) untuk n × 1 medan φ dan n × n generator T a secara umum. dengan Lab merupakan lagrangian interaksi antara dua fluida. Dari model yang int 12 .

Selan- . pertama-tama perhatikan sistem mekanika kuantum satu dimensi yang digambarkan oleh Lagrangian L = L(q. q] = i . q).1) p2 + V (q) (3. t | q. t) | q (3. t) = exp(−iH(t − t)) merupakan operator evolusi waktu. Pada mekanika kuantum. 1 ˙ L = mq 2 − V (q) 2 H= (3. Banyak pengembangan modern pada fisika partikel elementer teoritik dibuat berdasarkan metode ini. Salah satunya ialah formulasi lattice dari teori medan kuantum yang memberikan langkah baru untuk melakukan studi nonperturbatif pada suatu teori seperti Quantum Chromodynamics[6]. metode path integral telah menjadi alat yang penting untuk fisikawan partikel elementer.1 Path Integral pada Mekanika Kuantum Untuk melihat bagaimana path integral bekerja. Amplitudo transisi mekanika kuantum ialah q .2) 2m dimana p dan q dihubungkan oleh p = ∂L/∂ q = mq.3) jutnya kita lakukan diskritisasi waktu T = t − t = n∆t dengan ∆t merupakan 13 dengan U (t . 3. p ˙ ˙ dan q menjadi operator dengan relasi komutasi [p. t = = q | e−iH(t −t) | q q | U (t .Bab 3 Teori Medan Gauge pada Lattice Sejak diperkenalkan oleh Feynman pada tahun 1948. q) ˙ atau Hamiltonian H = H(p.

.6) samaan | qk dapat dievaluasi dengan menggunakan perdq | p p| = 1 (3.8) Amplitudo transisi pers. .Gambar 3.4) q1 | e−iH∆t |q ˆ Matriks transfer T didefinisikan sebagai amplitudo transisi suatu sistem pada selang waktu ∆t dengan elemen matriksnya ˆ qk+1 | T |qk = ≈ Elemen matriks qk+1 | e−i∆tp 2 /2m qk+1 | e−iH∆t |qk qk+1 | e−i∆tp 2 /2m |qk e−i∆tV (qk ) (3. t) |q = m 2πi∆t n 2 n−1 dq1 .7) 1 q| p = √ eqp . dqn−1 q | e−iH∆t | qn−1 × .3) setelah mengevaluasi semua elemen matriks transfer ialah q | U (t . 2π sehingga diperoleh qk+1 | e −iH∆t | qk m ≈ 2πi∆t 1 2 exp i∆t m 2 qk+1 − qk ∆t 2 − V (qk ) (3.1: Interval waktu diskrit interval potongan waktu dan q(t) = qn serta memasukkan n−1 relasi kelengkapan 1= ke elemen matriks pers. q2 | e−iH∆t | q1 qn−1 | e−iH∆t | qn−2 (3. t | q.9) 14 .5) dq | q q| (3.(3. dqn−1 exp i k=0 ∆t m 2 qk+1 − qk ∆t 2 − V (qk ) (3. .(3. . t = dq1 . .3) diperoleh q . .

12) dan pakan penjumlahan terhadap semua lintasan q(t).Gambar 3. yang memenuhi persamaan gerak δS(q) = 0 atau ∂ ∂L ∂L − =0 ∂q ∂t ∂ q ˙ (3. dqn−1 (3.10) dengan m Dq ≡ 2πi∆t dq1 . Lintasan klasik. 15 . q(t)). . t S(q) = t dtL(q(t).2: Lintasan partikel pada n → ∞ atau ∆t → 0. .13) Dq menunjukkan integrasi terhadap semua fungsi q(t). Setiap lintasan memiliki bobot exp(iS) [7]. T q | U (t . S merupakan aksi fungsional dari suatu sistem. Path integral meru- hanya merupakan satu dari banyak kemungkinan lintasan yang tak berhingga. ˙ (3. t) |q = = Dq exp i DqeiS n 2 dt 0 m 2 q − V (q) ˙ 2 (3.11) Di sini.

Teori medan dalam ruang waktu 16 .17) 1 Z Dφ φ(x1 )φ(x2 ) . .14) Dengan analogi path integral mekanika kuantum kita dapat menuliskan representasi fungsi Green dalam integral fungsional [9]. dengan demikian kita dapat melakukan kuantisasi dengan path integral. Untuk mendapatkan formulasi path integral dari teori medan. . Hal ini dilakukan karena path integral pada pers.(3.3. t) ≡ Dφ d4 xL S= dtL ↔ S = Besaran yang penting di teori medan ialah nilai ekspektasi vakum dari produk time-ordered operator medan. Pembahasan pada mekanika kuantum sebelumnya merupakan contoh teori medan pada dimensi ruang 0 dan dimensi waktu 1: q(t) → φ(t) → φ(x). φ(xn )) |0 . t). dapat dilakukan dengan penggantian variabel dasar q(t) menjadi medan skalar φ(x.16) Agar path integral dapat dihitung secara numerik.15) t 1 > t2 > . Penggantian variabel tersebut antara lain [8] q(t) ↔ φ(x. . > t n (3. .17) terdapat integran yang berosilasi akibat eksponen yang imajiner. . t) t dq(t) ↔ t. . yaitu fungsi Green: 0 | φ(x1 )φ(x2 ) . φ(xn ) | 0 = dengan Z= DφeiS (3. Dengan melakukan substitusi waktu imajiner ini kita bekerja dalam ruang waktu Euclidean dimana sebelumnya ialah ruang waktu Minkowski.2 Teori Medan Kuantum dengan Path Integral Teori medan kuantum memiliki formulasi lagrangian.x dφ(x. seperti contohnya ialah propagator 0 | φ(x1 )φ(x2 ) |0 (3. maka dilakukan kontinuasi analitik ke waktu imajiner. φ(xn )eiS (3. 0| φ(x1 )φ(x2 ) . . .

. . φ(xn ) |0 E = 1 Z 17 Dφ φ(x1 )φ(x2 ) . Kontinuasi dilakukan dengan melakukan substitusi t = x0 → −ix4 (3.22) . . Perhatikan aksi untuk medan skalar S= d4 x m2 2 1 (∂µ φ)(∂ µ φ) − φ 2 2 (3. d4 x = dx0 dx1 dx2 dx3 = −idx1 dx2 dx3 dx4 = −id4 xE 2 2 2 2 ∂ 2 = ∂0 − ∂1 − ∂2 − ∂3 2 2 2 2 = −∂4 − ∂1 − ∂2 − ∂3 2 = −∂E Maka eksponen pada path integral di ruang waktu Euclidean ialah iS = i 1 2 (−i)d4 xE φ ∂E − m2 φ 2 1 2 = − d4 xE φ −∂E + m2 φ 2 = −SE 1 2 2 d4 xE φ −∂E + m2 φ dengan SE = (3.18) Sebagai contoh.20) bila kita melakukan kontinuasi ke waktu imajiner maka. kita akan lakukan kontinuasi ini pada medan skalar. .19) Aksi tersebut dapat ditulis dalam bentuk S= 1 2 d4 xφ −∂ 2 − m2 φ (3.Euclidean disebut dengan teori medan Euclidean atau Euclidean Field Theory.21) merupakan aksi medan skalar pada ruang waktu Euclidean. φ(xn )e−SE (3. Kemudian fungsi Green versi Euclidean 0 | φ(x1 )φ(x2 ) .

23) Selanjutnya huruf E untuk menunjukkan versi Euclidean akan dihilangkan untuk mempermudah penulisan. 3.3: Lattice atau kisi 3 dimensi dengan Z= Dφe−SE (3. . Diskritisasi dilakukan dengan membentuk ruang waktu menjadi kisi hiperkubik empat dimensi dengan jarak antar tiap titik kisi ialah a. Kita lihat bahwa setelah dilakukan kontinuasi ke waktu imajiner.24) sehingga panjang sisi dari kotak hiperkubik ialah L = N a dan volumenya L4 . Dengan demikian pada. medan hanya memiliki nilai pada titik-titik kisi xµ = mµ a. .Gambar 3. Dengan dilakukannya diskritisasi.3 Diskritisasi Setelah melakukan formulasi ruang-waktu Euclidean. selanjutnya kita akan melakukan diskritisasi ruang waktu. integran dari Z tidak lagi berosilasi sehingga integrasi tersebut dapat dihitung secara numerik. N − 1. . maka integral dapat digantikan dengan sumasi N −1 N −1 N −1 N −1 d x→a 4 4 m1 m2 m3 m4 = a4 m = x (3. . Medan pada titik kisi xµ = mµ a ditulis dengan notasi φx . 1. (3. mµ = 0. Dengan demikian teori medan yang kita miliki disusun pada ruang waktu diskrit.25) 18 .

a → 0.28) dengan µ merupakan vektor satuan pada arah µ.33) (3. operator turunan ∂µ dan ∂µ dihubungkan oleh sumasi parsial (analog dengan integrasi parsial) φ1x ∂µ φ2x = − ∂µ φ1x φ2x x (3.35) (3.29) (3. a tetap.31) ∂ f (x). (2π)4 19 . ∂µ f (x) → Sedangkan operator d’Alambertian. f (p) = p (∆p)4 (2π)4 π/a f m 2πm Na N → ∞.32) x Transformasi Fourier pada lattice dapat dituliskan sebagai berikut ˜ φp = x e−ipx φx .27) (3.Untuk fungsi di limit kontinu. (3. ∂xµ a → 0. ∂ µ φx = ∂ µ φx 1 (φx+aˆ − φx ). x (3. ˆ ∂µ f (x).34) φx = Untuk fungsi f (p) pada limit volume L = N a → ∞. µ µ a Medan-medan pada kisi juga memenuhi periodisitas φx+N aˆ = φx µ (3. (3. = µ a (3. L x f (x) → d4 xf (x). φ x = ∂ µ ∂ µ φx 1 = 2 (φx+aˆ + φx−aˆ − 2φx ) .36) → −π/a d4 p f (p). ˜ e−ipx φp . L tetap (3. Untuk fungsi pada limit kontinu. µ a 1 (φx − φx−aˆ ). 0 N → ∞.26) Turunan atau derivatif diganti dengan perbedaan atau selisih medan antara dua titik kisi.30) Dari kondisi periodisitas.

dengan elemen grup Ω bergantung pada titik kisi.dimana ∆p = 2π/N a.37) 3. aksi tersebut dapat dituliskan S = a4 m.21) dalam bentuk diskrit S = a4 m. µ µ µ x x x φ† φx+aˆ → φ† Ω† Ωx−aˆ φx−aˆ .µ 1 −φx 2 φx+aˆ + φx−aˆ − 2φx µ µ 2 a + m 2 φ2 x (3.39) (3. Kemudian.4 Transformasi Gauge pada Lattice Perhatikan aksi dari medan skalar pada persamaan (3.40) φ† φx+aˆ → φ† Ω† Ωx+aˆ φx+aˆ . aksi tersebut harus invarian terhadap transformasi gauge lokal U (1). φx → φ x = Ω x φx φ† → φ † = φ † Ω † . µ µ µ x x x bertransformasi sebagai berikut. maka kita membutuhkan suatu besaran Uµx yang . Ω = Ωx .µ Re −φ† x φx+aˆ + φx−aˆ − 2φx µ µ 2 a + m 2 φ† φx x (3.38) Aksi tersebut invarian terhadap transformasi gauge global φx → φx = Ωφx φ† → φ † = φ † Ω † x x x dengan Ω = e−iθ merupakan elemen dari grup U (1). Dengan diskritisasi yang telah dijelaskan maka kita dapat menulis aksi untuk medan skalar pada persamaan (3.37).42) Agar besaran tersebut invarian. Sehingga medan φx bertansformasi sebagai berikut. perhatikan besaran φ† φx+aˆ dan φ† φx−aˆ .41) (3. Besaran µ µ x x tersebut tidak invarian terhadap transformasi gauge lokal yang didefinisikan pada persamaan (3. x x x x (3.43) (3. Untuk medan skalar kompleks.40) Dari transformasi tersebut.39) dan (3. Uµx → Ωx Uµx Ω† µ x+aˆ 20 (3.

45) (3.x+aˆ = eigaAµx µ (3.44) Sehingga kita memiliki bentuk yang invarian terhadap transformasi gauge lokal pada lattice φ† φx+aˆ → φ† Ux. Variabel link didefinisikan sebagai Uµx = Ux. Dengan diperkenalkannya variabel link Uµx yang didalamnya terdapat medan gauge Aµ .x = Ux. maka kita dapat menulis aksi untuk medan skalar pada lattice yang 21 . y.48) Parallel transporter tidak hanya bergantung pada titik x dan y tetapi juga kurva C yang dipilih. U (x.47) Pada teori kontinum Uµx tidak lain merupakan parallel transporter yang analog dengan obyek yang sama pada geometri diferensial.Gambar 3. (3.x−aˆ = e−igaAµx−aµ µ µ (3.46) dimana † ˆ U−µx = Ux−aˆ.38) invarian terhadap transformasi gauge lokal.x+aˆ φx+aˆ µ µ µ x x † φ† φx−aˆ → φ† Ux−aˆ.4: Lintasan C antara x dan y Uµx merupakan besaran yang menghubungkan titik kisi yang satu dengan titik kisi lainnya pada lattice. dan disebut dengan variabel ”link ”.x φx+aˆ µ µ x x µ (3. yang memetakan vektor dari titik yang satu ke titik lainnya sepanjang kurva. Di dalam variabel link terdapat medan gauge Aµ agar besaran pada persamaan (3. C) = eig Rx y Aµ (z)dzµ .

44) ke persamaan di atas diperoleh Uµνx = eiga 2F µνx (3.50) 1 2g 2 1 1 † Re 1 − (Uµνx + Uµνx ) ≈ 2 4 µ<ν 22 a4 Fµνx Fµνx .5). Plaquette ini berada pada bidang µ − ν. Fµνx ≡ 1 [(Aνx+ˆ − Aνx ) − (Aµx+ˆ − Aµx )] .µ Re −φ† x Uµx φx+aˆ + U−µx φx−aˆ − 2φx µ µ 2 a + m 2 φ† φx x (3. Sekarang perhatikan produk dari variabel link terhadap suKemudian didefinisikan atu plaquette seperti pada gambar (3. µ ν a Untuk jarak antar titik kisi a yang kecil.52) m . dari persamaan (3.Gambar 3.49) Sementara itu kontribusi medan gauge pada aksi yang berbentuk 1 Fµν F µν da4 pat dituliskan dalam variabel link Uµx sehingga invarian terhadap transformasi gauge pada lattice.51) dengan Fµνx merupakan versi diskrit dari kuat tensor kontinum.50) Substitusi Uµ pada persamaan (3. m (3. † † Uµνx = Uµx Uνx+aˆ Uµx+aˆ Uνx µ ν (3.5: Uµνx pada sebuah Plaquette invarian terhadap transformasi gauge lokal S = a4 m.

53) P dimana P merupakan produk dari variabel link terhadap suatu plaquette P dengan arah berlawanan dengan putaran jarum jam.Sehingga aksi medan gauge pada lattice dapat ditulis. SG [U ] = 1 2g 2 1 † Re 1 − (UP + UP ) 2 (3. 23 .

11) dapat ditulis dalam bentuk 1 L = (Dµ φ∗ )(D µ φ) − m2 φ∗ φ − Fµν F µν 4 dengan Dµ ialah turunan kovarian yang didefinisikan sebagai berikut. 24 (4. Dµ = ∂µ + igAµ substitusi Dµ ke persamaan (4.1).16) akan menghasilkan persamaan Navier Stokes. lagrangian untuk medan gauge bila dimasukkan ke persamaan Euler-Lagrange dan memasukkan bentuk Aµ pada persamaan (2. seperti yang pada umumnya dilakukan untuk perhitungan path integral. Dalam persamaan tersebut terdapat suku boson yang merepresentasikan materi dan suku medan gauge yang merepresentasikan fluida.3) Pada persamaan di atas kita dapat melihat adanya interaksi antara materi (boson) dengan fluida (medan gauge). dimana telah dibahas sebelumnya. 1 L = (∂µ φ∗ )(∂ µ φ) + ig[φ(∂µ φ∗ ) − (∂µ φ)φ∗ ]Aµ + g 2 Aµ Aµ φ∗ φ − m2 φ∗ φ − Fµν F µν . 4 (4.2) (4.Bab 4 Hasil dan Pembahasan Interaksi antara fluida dengan materi dapat dimodelkan dengan menggunakan lagrangian pada persamaan (2. dapat dilakukan. Lagrangian pada persamaan (2.1) .11) untuk kasus Abelian. Permasalahan yang muncul ketika kita hendak melakukan perhitungan dari lagrangian di atas ialah tidak diketahuinya besar konstanta kopling interaksi g sehingga tidak ada jaminan perhitungan secara perturbatif. Dengan demikian. evaluasi path integral harus dilakukan secara nonperturbatif.

Untuk menghitung path integral secara nonperturbatif.40). dapat dilakukan dengan menyusun aksi pada persamaan (4. yaitu dengan terlebih dahulu melakukan rotasi ke waktu imajiner maka lagrangian pada persamaan (4.7) Kita dapat memeriksa apakah aksi lattice di atas dapat kembali ke bentuk aksi kontinu bila kita ambil jarak antar kisi a → 0.8) ≈ 1 − igaAµx−aˆ − µ 25 g 2 a2 2 3 A µ + O(a ) 2 µx−aˆ (4.4) Dengan menggunakan skema diskritisasi yang telah dijelaskan pada bab 3.x = e−igaAµx−aµ µ g 2 a2 2 Aµx + O(a3 ) 2 (4.5) (4.4) dapat ditulis dalam bentuk diskrit S = a4 m.9) . sehingga diperoleh aksi medan skalar kompleks yang invarian S = a4 m.µ ∗ Ux.µ ∗ Re −φx φx+aˆ + φx−aˆ − 2φx µ µ 2 a + m 2 φ∗ φx x (4. Dengan melakukan ekspansi Uµ pada persamaan (3.39) dan (3.x+aˆ φx+aˆ + Ux−aˆ.50) menjadi Ux.x+aˆ = eigaAµx µ ≈ 1 + igaAµx − dan ∗ ˆ Ux−aˆ.1) dalam ruang waktu diskrit seperti yang dijelaskan pada bab 3.x φx−aˆ − 2φx µ µ µ µ 2 a Re −φ∗ x + m 2 φ∗ φx x (4. Bentuk yang invarian diperoleh dengan memperkenalkan variabel link Uµx yang di dalamnya terdapat medan gauge Aµ .6) Aksi di atas jelas tidak invarian terhadap transformasi gauge lokal pada persamaan (3. perhatikan lagrangian untuk medan skalar kompleks L = (∂µ φ∗ )(∂ µ φ) − m2 φ∗ φ Aksi dari lagrangian tersebut ialah S= d4 x (∂µ φ∗ )(∂ µ φ) − m2 φ∗ φ (4. Sebelum melakukan diskritisasi.

7) dan aksi dari medan gauge pada persamaan (3.x φx−aˆ − 2φx µ µ µ µ a2 (4.10) Substitusi persamaan (4.16) Berikutnya. 0) |0 0 | φ∗ (x.13) .dimana. Dari definisi propagator dalam ruang waktu Euclidean pada persamaan (3.15) SG [U ] = − 1 2g 2 ∗ Re (UP + UP ) .14) + m 2 φ∗ φx x (4.11) (4.µ ∗ Re −φx ∗ Ux.53). µ µ φx+aˆ µ φx−aˆ µ a2 ≈ φx + a∂µ φx + φx + O(a3 ) 2 a2 ≈ φx − a∂µ φx + φx + O(a3 ) 2 (4.12). kita dapat menghitung selisih energi ∆E dengan terlebih dahulu menghitung propagator pada suatu titik dan waktu tertentu. ambil bagian real dari aksi dan a → 0 didapat S= d4 x (Dµ φ∗ )(D µ φ) + m2 φ∗ φ (4.13) Maka aksi yang akan digunakan pada simulasi tugas akhir ini ialah aksi boson pada persamaan (4. 0) |0 dimana H merupakan operator Hamiltonian yang energi pada keadaan dasarnya plete set dari eigenstate energi E0 . G(τ ) = = = = 0 | φ∗ (x1 )φ(x2 ) |0 0 | φ∗ (x. 0)e−(H−E0 )τ φ(x. Aµx−aˆ = Aµx − a∂µ Aµx + O(a2 ) µ serta mengekspansi φx+aˆ dan φx−aˆ .17) n .17) ke persamaan (4.15). H | 0 = E0 dan τ merupakan waktu Euclidean. P (4. Dengan memasukkan com|n n| = 1 26 (4. Stotal [φ. τ )φ(x. 0)e−Hτ φ(x.12) (4. 0) |0 0 | eHτ φ∗ (x.x+aˆ φx+aˆ + Ux−aˆ.(4. U ] = Sboson [φ] + SG [U ] dengan Sboson [φ] = a4 m.

0) |1 |2 e−(E1 −E0 )τ . 0) |n e−(En −E0 )τ n | φ(x.U ] dibangkitkan dengan menggunakan algoritma Metropolis yang dijelaskan pada Lampiran A. Perhitungan propagator dilakukan menggunakan simulasi Monte Carlo dengan mengevaluasi path integral yang berbentuk G(τ ) = = ≈ 0 | φ∗ (x1 )φ(x2 ) |0 DφDU φ∗ (x1 )φ(x2 )e−S[φ.U ] DφDU e−S[φ. 5 fm. 0) |0 | 0 | φ(x. Simulasi dilakukan pada lattice 4 dimensi dengan jumlah titik kisi 83 × 32 dengan jarak antar titik kisi a = 0. (4. τ → ∞ maka keadaan yang berkontribusi hanya keadaan dasar dan eksitasi pertama G(τ ) −→ τ besar n | 0 | φ(x.U ] 1 Ncf Ncf ∗ φ(α) (x1 )φ(α) (x2 ).19) Sehingga kita dapat mengekstrak selisih energi sebagai berikut G(τ ) = e(E1 −E0 )at G(τ + at ) maka.21) (4.diperoleh G(τ ) = n 0| φ∗ (x.22) Konfigurasi acak yang memiliki probabilitas P [φα ] ∝ e−S[φ. α=1 (4. yang berarti volume lattice yang digunakan 27 .18) = n Untuk waktu Euclidean yang besar.20) 1 G(τ ) ln at G(τ + at ) (4. (4. 0) |n |2 e−(En −E0 )τ . ∆E = dengan ∆E ≡ E1 − E0 .

kita akan memperoleh nilai ∆E sebanyak Ncf buah. Dengan demikian akan ditemui nilai ∆E yang terulang. ialah 43 × 16 fm4 . nilai a dan at juga divariasikan. namun ada juga yang tidak muncul. Dari ensemble baru yang dimiliki.197 GeV) 10 5 0 0 50 100 v (m/s) 150 200 Gambar 4. serta untuk 2 nilai konstanta kopling interaksi g yang berbeda. Dari konfigurasi sebanyak Ncf yang dibangkitkan. dapat dirata-ratakan untuk memperoleh nilai estimasi Monte Carlo untuk ∆E yang baru. perhitungan estimasi Monte Carlo dari ∆E juga dapat dilakukan dengan prosedur bootstrap sampling. dan 500 GeV.01 untuk melihat bagaimana pengaruh konstanta kopling interaksi g pada perubahan energi. yaitu dengan memilih ∆E secara acak dari konfigurasi yang ada sebanyak Ncf kali. 28 . Prosedur ini bertujuan untuk memperkecil kesalahan statistik. Selain dirata-ratakan secara langsung.1: Grafik ∆E terhadap kecepatan fluida vuntuk g = 1. Untuk melihat pengaruh dari besarnya konstanta kisi yang digunakan terhadap simulasi. Prosedur bootstrap sampling dilakukan dengan membuat ”bootstrap copy” dari konfigurasi yang dihasilkan dari simulasi Monte Carlo. Kita dapat merata-ratakan secara langsung untuk memperoleh estimasi Monte Carlo dari ∆E. dan beberapa jumlah konfigurasi Ncf .15 ∆E (x 0. massa materi m = 1 yaitu g = 1 dan g = 0.

Dengan demikian. sementara untuk konstanta kopling interaksi yang kecil. Dari sini kita mengetahui bahwa dalam intraksi fluida dengan materi untuk kecepatan yang besar. nilai ∆E juga berfluktuasi. Gambar (4. ∆E akan berkurang bila v semakin besar.15 ∆E (x 0. 197 GeV). pada kecepatan rendah (< 40 m/s) memiliki nilai yang semakin besar terhadap kecepatan v sementara untuk kecepatan besar (v > 160 m/s) nilai ∆E berkurang bila kecepatan bertambah.2: Grafik ∆E terhadap kecepatan fluida v untuk g = 0. Sementara di sekitar kecepatan fluida 40 . ∆E untuk g = 1 pada kecepatan fluida yang rendah (v < 40 m/s) memiliki nilai yang semakin besar terhadap v.1) merupakan hasil simulasi untuk g = 1. 29 1.197 GeV) 10 5 0 0 50 100 v (m/s) 150 200 Gambar 4. Untuk hasil simulasi dengan g = 0. Kemudian pada 40 < v < 160 m/s. g pada interaksi fluida dengan materi tidak terlalu signifikan.2) merupakan hasil simulasi untuk g = 0. sementara Gambar (4. kebergantungan terhadap g . begitu pula untuk untuk v yang besar (v > 160 m/s). namun dengan nilai yang sedikit lebih besar dibandingkan dengan yang teramati pada kasus g = 1. 01. keduanya menggunakan m = 1 GeV.01. sama halnya dengan g = 1.60 m/s nilai ∆E berfluktuasi pada nilai 3-5 (×0. 01. nilai konstanta kopling yang besar akan menghasilkan ∆E yang bertambah besar.

atau dengan kata lain konfigurasi yang dihasilkan sudah stabil. tidak menunjukkan perbedaan satu sama lainnya. dimana bila Ncf semakin besar maka kesalahan statistiknya akan semakin kecil. Nilai kesalahan statistik yang kecil pada simulasi ini disebabkan karena konfigurasi ∆E yang didapat memiliki nilai yang hampir sama. Hal ini disebabkan karena banyaknya update yang dilakukan pada saat 30 . 50 dan 100. Grafik tersebut dihasilkan dari simulasi dengan jarak antar titik kisi a = at = 0. 2 σΓ = Γ2 − Γ Ncf 2 Namun pada Gambar (4. Dari hasil yang diperoleh terlihat bahwa perbedaan jumlah konfigurasi yang digunakan memberikan hasil yang sama untuk masing-masing konfigurasi.3).6) perbedaan jumlah konfigurasi yang digunakan akan berpengaruh terhadap besarnya kesalahan statistik dari estimasi Monte Carlo yang dihasilkan. 5 fm dan konstanta kopling interaksi g = 1 dengan jumlah konfigurasi yang digunakan ialah 10.3: Grafik ∆E terhadap kecepatan fluida beberapa nilai Ncf .197 GeV) 10 5 0 0 50 100 v (m/s) 150 200 Gambar 4.3). error bar untuk ketiga jumlah konfigurasi.15 Ncf = 100 Ncf = 10 Ncf = 50 ∆E (x 0. Hasil simulasi untuk jumlah konfigurasi (Ncf ) yang berbeda-beda dapat dilihat pada Gambar (4. Bila kita lihat pada persamaan (A.

Gambar (4. Banyaknya update yang dilakukan pada saat termalisasi juga mengakibatkan penggunaan teknik bootstrap sampling pada simulasi ini tidak berpengaruh secara signifikan.197 GeV) 10 5 0 0 50 100 v (m/s) 150 200 Gambar 4. Hal ini dapat dilihat pada Gambar (4. begitu pula dengan nilai kesalahan statistik yang muncul.5) merupakan hasil simulasi dengan jarak antar titik kisi a yang bervariasi. Hal ini sangat berpengaruh pada lamanya waktu yang dibutuhkan un31 . Seperti kita ketahui.4: Grafik ∆E terhadap kecepatan fluida untuk Ncf = 100 dengan dan tanpa bootstrap.15 Ncf = 100 Ncf = 100. Adapun kesalahan statistik yang muncul pada simulasi ini diakibatkan karena diskritisasi yang dilakukan. nilai ∆E yang dihasilkan sama untuk kedua cara (dengan dan tanpa bootstrap). jumlah titik kisi semakin sedikit. Penggunaan nilai a yang semakin kecil mengakibatkan jumlah titik kisi yang digunakan semakin banyak. sebaliknya bila a makin besar. termalisasi dilakukan agar didapatkan konfigurasi yang stabil sehingga pada saat perhitungan estimasi Monte Carlo telah didapatkan konfigurasi yang stabil. Dengan berubahnya a. maka jumlah titik kisi yang harus di-update juga berubah karena volume kisi hiperkubik yang digunakan harus tetap.4) untuk 100 konfigurasi. termalisasi yaitu sebanyak 200Ncf . bootstrap ∆E (x 0.

a = 0. Hal ini sesuai dengan persamaan (4.5 a = 0. tuk mengeksekusi program.21) untuk ∆E dimana ∆E berbanding terbalik dengan a. 5 fm. Terlihat bahwa nilai ∆E cenderung konstan pada kedua grafik.2 a = at = 0. Pada Gambar (4. 2 fm. 32 . 4 fm dan at = 0. Hasil yang diperoleh ternyata menunjukkan nilai ∆E terhadap v yang berbeda untuk ketiga konfigurasi. dan dengan ataupun tanpa bootstrap sampling.4. at = 0.30 a = at = 0. Kedua.8 fm dan yang terakhir a dibedakan antara kisi temporal dan spasial. dan pada besar konstanta kopling interaksi yang berbeda. yaitu 500 GeV. digunakan a yang lebih kecil yaitu sebesar 0. Yang pertama ialah a = at = 0. Hal ini berarti kontribusi dari interaksi fluida dan materi tidak tampak dan kontribusi yang dominan datang dari massa materi tersebut. Terlihat bahwa semakin kecil a yang digunakan maka ∆E yang dihasilkan akan semakin besar.6) dan (4.5: Grafik ∆E terhadap kecepatan fluida untuk beberapa nilai a. yaitu g = 1 dan g = 0.197 GeV) 20 15 10 5 0 0 50 100 v (m/s) 150 200 Gambar 4.7) dapat dilihat hubungan ∆E terhadap kecepatan fluida v bila parameter massa yang digunakan diperbesar. Pada tugas akhir ini dilakukan 3 variasi a dengan g = 1 dan digunakan 100 konfigurasi.8 25 ∆E (x 0. 01.

20 dengan bootstrap tanpa boostrap 15 ∆E (x 0.7: Grafik ∆E terhadap v untuk m = 500 GeV. g = 0. 01 dengan dan tanpa bootstrap sampling.20 tanpa bootstrap bootstrap 15 ∆E (x 0.197 GeV) 10 5 0 0 50 100 v (m/s) 150 200 Gambar 4. 33 . g = 1 dengan dan tanpa bootstrap sampling.6: Grafik ∆E terhadap v untuk m = 500 GeV.197 GeV) 10 5 0 0 50 100 v (m/s) 150 200 Gambar 4.

begitu pula dengan atau tanpa teknik bootstrap sampling. 34 . Selain itu studi lebih lanjut dapat dilakukan dengan menambahkan efek-efek lain pada dinamika fluida.Bab 5 Kesimpulan Dari hasil perhitungan dan analisa yang dilakukan pada pemodelan interaksi antara fluida dengan materi dengan menggunakan dinamika fluida berbasis teori medan. serta dapat diaplikasikan pada sistem-sistem yang dimodelkan dengan menggunakan lagrangian fluida. Sementara itu apabila jarak antar titik kisi a diubah. Penggunaan jumlah konfigurasi yang berbeda. dapat disimpulkan bahwa hubungan antara energi eksitasi ∆E dengan kecepatan v tidak bergantung secara signifikan pada besarnya konstanta kopling interaksi yang digunakan. didapatkan bahwa hubungan ∆E terhadap v cenderung konstan dan sama untuk konstanta kopling interaksi yang berbeda. relativistik dll. seperti viskositas. Hal ini menunjukkan bahwa interaksi materi dan fluida tidak dominan dibandingkan dengan massa materi. Formulasi dan perhitungan dengan menggunakan lattice gauge theory merupakan teknik yang menjanjikan untuk mempelajari lebih lanjut sistem-sistem yang dimodelkan dengan menggunakan lagrangian dinamika fluida dimana tidak ada jaminan teori perturbasi berlaku. hubungan ∆E dengan v juga berubah dimana semakin kecil a maka nilai ∆E yang dihasilkan semakin besar. turbulensi. Untuk massa materi yang besar. tidak memberikan perbedaan yang signifikan karena update yang dilakukan saat termalisasi jumlahnya cukup banyak sehingga menghasilkan konfigurasi yang stabil.

(1997).T.P. [10] Lepage.J. Cambridge University Press. [6] Rothe. H. (2005). L. [9] Ryder. J.html [4] Handoko. [7] Smit. Lattice QCD for Novices. G. arXiv:physics/0512206. Lattice Gauge Theory A Short Primer.T. Relativistic Navier Stokes Equation from a Gaunge-invariant Lagrangian. Tesis S2. arXiv:hep-lat/0506036. Constructing Navier Stokes Equation using Gauge Field Theory Approach. L. A. Cambridge University Press. 35 . (2002).wolfram. dan Sulaiman.Daftar Acuan [1] Sulaiman. Introduction to Quantum Fields on A Lattice. M. World Scientific. arXiv:physics/0508219. L.H. G. Large Amplitude of The Internal Motion of DNA Immersed in Bio-fluid. A. [2] Sulaiman. arXiv:hep-lat/0012005.com/physics/Navier-StokesEquation. Quantum Field Theory. dan Sulaiman. [8] Munster. A. [3] http://scienceworld. arXiv:physics/0508086. (1996). [5] Handoko. A. Gauge Field Theory Approach to Construct The Navier Stokes Equation. dan Walzl. Lattice Gauge Theories: An Introduction.

Besaran Γ[x] = Γ[x] dari sembarang fungsional Γ[x] dapat digunakan untuk menghitung bermacam-macam sifat fisis dari keadaan Dx(t)Γ[x]e−S[x] Dx(t)e−S[x] (A. rata-rata path integral tereksitasi di teori kuantum. xα −1 .3) Kemudian rata-rata Γ[x] yang tidak berbobot terhadap himpunan konfigurasi ini mengaproksimasi rata-rata berbobot terhadap konfigurasi yang terdistribusi 36 . menyebabkan kita harus menggunakan metode statistik untuk menyelesaikannya. .000. . . Ncf .920. Konfigurasi acak dibangkitkan dalam jumlah yang banyak. Untuk grup gauge SU(3) memberikan variabel real sebanyak 81. xα ≡ xα xα . . Ncf (A.Lampiran A Evaluasi Path Integral dengan Metode Monte Carlo Berikut ini akan dijelaskan metode yang digunakan untuk mengevaluasi path integral secara numerik. Sebagai ilustrasi. 0 1 N α = 1. Banyaknya integrasi yang harus dilakukan untuk mengevaluasi path integral. Kita mempunyai variabel link sebanyak 4 · 404 .1) merupakan rata-rata berbobot terhadap konfigurasi dengan bobot e−S[x] . Secara prinsip. 2. . misalkan kita melakukan simulasi pada lattice dengan 40 titik kisi pada setiap arah.2) sehingga probabilitas untuk memperoleh konfigurasi tertentu x(α) ialah P [xα ] ∝ e−S[x] (A. .

Prosedur ini merupakan prosedur yang paling sederhana walaupun bukan yang paling baik. Untuk mendapatkan konfigurasi acak dengan probabilitas (A. diestimasi seperti pada umumnya.5) Persamaan di atas menjadi 2 σΓ = Γ2 − Γ Ncf 2 (A. Beberapa metode yang dapat digunakan untuk membangkitkan konfigurasi ialah: • Metode Metropolis • Algoritma Langevin • Algoritma Heatbath • Algoritma Hybrid dan Hybrid Monte Carlo • Metode Molecular Dynamics Simulasi yang dilakukan pada tugas akhir ini menggunakan algoritma Metropolis. Prosedur ini dimulai dengan sembarang konfigurasi x(0) dan memodifikasinya dengan mendatangi setiap titik kisi pada lattice. dengan cara yang akan dijelaskan 37 . dibutuhkan generator vektor acak tertentu.10).seragam: Γ[x] 1 ≈Γ≡ Ncf Ncf Γ[x(α) ]. dan membangkitkan bilangan acak untuk xj pada titik kisi tersebut. Ketidakpastian Monte Carlo σΓ pada estimasi kita merupakan sumber kesalahan yang potensial. α=1 (A. 2 σΓ Ncf 1 ≈ Ncf 1 Ncf α=1 Γ2 [x(α) ] − Γ 2 (A.6) untuk Ncf yang besar. ketidakpastian statistik berkurang sesuai dengan √ 1/ Ncf ketika Ncf bertambah.4) Γ merupakan ”Monte Carlo estimator ” untuk Γ[x] di lattice. Karena pembilang pada persamaan di atas tidak bergantung pada jumlah konfigurasi. Estimasi terse- but tentunya tidak akan pernah eksak karena jumlah konfigurasi Ncf tidak pernah berjumlah tak berhingga.

ambil nilai baru untuk xj dan lanjutkan proses ke titik kisi berikutnya. • Ganti xj → xj + ζ dan hitung perubahan aksi ∆S yang disebabkan oleh penggantian xj . Algoritma untuk membangkitkan bilangan acak untuk xj pada titik kisi j ialah sebagai berikut [10]: • Bangkitkan bilangan acak ζ. Pertama. perubahannya kecil dan kebanyakan akan diterima. secara umum. ambil nilai yang baru untuk xj bila exp(−∆S) > η. Dedan seterusnya sampai terdapat Ncf konfigurasi. • Bila aksi berkurang. perubahannya akan kecil. perubahan pada xj biasanya besar dan kebanyakan akan ditolak. ketika sangat kecil. ∆S < 0. dengan probabilitas terdistribusi seragam antara − dan untuk suatu konstanta . Cara ini disebut dengan meng-update konfigurasi. Nilai optimal dari Ncor bergantung dari teori dan bisa diperoleh dengan eksperimentasi. Jumlah overlap ini ditentukan oleh parameter : ketika sangat besar. Di sini dibangkitkan konfigurasi acak yang baru dari konfigurasi sebelumnya: x(0) → x(1) . selain 38 . antara 0 dan 1. • Bila ∆S > 0. Ada beberapa hal penting sehubungan dengan penggunaan algoritma ini. Parameter harus di sesuaikan sehingga 40%-60% xj akan berubah untuk tiap update pada titik kisi. Himpunan konfigurasi ini mempunyai distribusi yang benar bila Ncf cukup besar. bangkitkan bilangan acak η yang terdistribusi secara uniform itu ambil nilai yang lama dan proses ke titik kisi berikutnya. Berapapun . Kemudian bila konfigurasi x(α) diakumulasi untuk estimasi Monte Carlo. tetapi nilai xj yang baru akan mendekati atau sama dengan nilai yang lama. kita hanya mengambil tiap Ncor konfigurasi.berikutnya. konfigurasi yang suksesif akan mirip (berkorelasi tinggi) dan mengandung informasi yang mirip pula. memberikan kita konfigurasi yang tidak bergantung secara statistik. beberapa atau benyak nilai xj akan sama pada dua konfigurasi. ngan menerapkan algoritma tersebut ke x(1) kita mendapatkan konfigurasi x(2) .

sebagai contoh.7) Hal kedua yang perlu diperhatikan ialah prosedur untuk memulai algoritma. Konsekuensinya kita harus mengabaikan sejumlah konfigurasi di awal. sebelum memulai mengumpulkan x(α) .Ncor juga bergantung pada jarak antar titik kisi a. • Update konfigurasi 5Ncor sampai 10Ncor kali untuk termalisasi. ulangi sebanyak Ncf kali. • Update konfigurasi Ncor kali. • Rata-ratakan Ncf nilai dari Γ[x] yang disimpan pada langkah sebelumnya untuk memperoleh Monte Carlo estimator Γ untuk Γ[x] . Γ[x] untuk 39 . Ncor ∝ 1 a2 (A. Konfigurasi paling pertama yang digunakan untuk mengawali seluruh proses biasanya kurang beraturan. Sebagai ringkasan perhitungan Monte Carlo yang lengkap untuk suatu Γ[x] dari konfigurasi x terdiri dari beberapa langkah berikut: • Inisialisasi konfigurasi. semua x diset menjadi nol. Dengan mengabaikan 5Ncor sampai 10Ncor konfigurasi biasanya cukup. kemudian hitung Γ[x] dan simpan. Ini disebut dengan ”termalisasi lattice”.

float rdE2_a[imaks]. /*===================================================================*/ /* Deklarasi konstanta dan variabel */ /*===================================================================*/ const const const const const const const const const const int N =8. float sdev_b[imaks].5. int Ncf2 = 50. float at = 0. float rdE_a[imaks]. int imaks=20. int m[4].h> #include <cmath> #include <iomanip> #include <fstream> using namespace std. float a = 0.14. float phi[N*N*N*Nt][2]. 40 . float old_U_im[4]. int Nt =32.Lampiran B Pemrograman #include <iostream> #include <time. int Ncor =20. float U[N*N*N*Nt][4][2]. int N1 = N-1.h> #include <stdlib. int Ncf = 100. double pi = 3. int Ncf1 = 10.5. float old_U_re[4]. float sdev_a[imaks]. float rdE_b[imaks]. int Nt1 = Nt-1. float dE[Ncf].

41 . const float mass=1. n2. /*===================================================================*/ /* MAIN PROGRAM */ /*===================================================================*/ int main(){ srand(time(0)). float rdE_boot_c[imaks]. float rdE_boot_b[imaks]. float rdE_c[imaks]. kk. float boot_sdev_c[imaks]. float S(int m[]). void sdevdE(). int d).4. float rdE2_boot_b[imaks]. float rdE2_boot_a[imaks]. n1. const float g2=1. j. void update(). sp. const float Vpot=0. int n2. n3. float rdE2_boot_c[imaks]. int n0. /*===================================================================*/ /* Prototipe fungsi */ /*===================================================================*/ void inisialisasi(). float boot_sdev_a[imaks]. int n1. void bootstrap(). ofstream keluar_b. s. int alpha. float rdE_boot_a[imaks]. float v. void MCavg(). double epsilon = 1. k. ofstream keluar_a. float computeG(int n0. float boot_sdev_b[imaks]. int kurangi(int m[]. float rdE2_c[imaks]. void rata2dE2(). int i. d. int n3). void hitungstaple(int m[]). float GG.float rdE2_b[imaks]. void rata2dE(). float sdev_c[imaks].

m[3]<N.m[2]++){ for (m[3]=0. int aaa = Nt/2. ofstream keluar_e. for (i=0.open("r_g1c. keluar_c << setw(5) << n0 << << sdev_c[i] << endl.m[3]++){ s=m[0]+N*(m[1]+N*(m[2]+N*m[3])).open("r_g1d. ofstream keluar_d. keluar_b.open("r_g1f. keluar_b << "v = " << v << endl.n0++) { MCavg(). keluar_e.m[1]++){ for (m[2]=0. keluar_f << setw(5) << n0 << << boot_sdev_c[i] << endl. keluar_b.m[0]<Nt. } } keluar_a.open("r_g1e.n0<aaa.close(). keluar_e << setw(5) << n0 << << boot_sdev_b[i] << endl. keluar_c << "v = " << v << endl. keluar_c. for (int n0=0. keluar_f.m[0]++){ for (m[1]=0.open("r_g1b.dat"). phi[s][1]=0.open("r_1a.i<imaks.close().i++){ v = i*10. keluar_e.ofstream keluar_c.dat"). keluar_f << "v = " << v << endl. keluar_c. keluar_d.m[1]<N. } setw(15) << rdE_a[i] << setw(15) setw(15) << rdE_b[i] << setw(15) setw(15) << rdE_c[i] << setw(15) setw(15) << rdE_boot_a[i] << setw(15) setw(15) << rdE_boot_b[i] << setw(15) setw(15) << rdE_boot_c[i] << setw(15) /********************Inisialisasi field dan link*********************/ void inisialisasi(){ for (m[0]=0. keluar_d << setw(5) << n0 << << boot_sdev_a[i] << endl. ofstream keluar_f.close(). keluar_a. 42 . keluar_f.dat").close().m[2]<N.close(). keluar_e << "v = " << v << endl. keluar_b << setw(5) << n0 << << sdev_b[i] << endl. keluar_d << "v = " << v << endl.dat"). keluar_a << "v = " << v << endl.dat"). keluar_a << setw(5) << n0 << << sdev_a[i] << endl.close(). keluar_d. phi[s][0]=0.dat").

} /*===================================================================*/ /* Program menghitung aksi */ /*===================================================================*/ float S(int m[]){ // suku kinetik dan boson int s0p = ((m[0]+1)%Nt1)+N*(m[1]+N*(m[2]+N*m[3])). int s2m = m[0]+N*(m[1]+N*((kurangi(m.1))+N*(m[2]+N*m[3])). U[s][0][1]=0. } } else{ kk = m[d]-1. } } return kk. int d){ if (d==0){ kk =m[d]-1. } } } } } /*********************************************************************/ int kurangi(int m[]. U[s][1][0]=cos(g2*v*a). //arah x 43 .3)))).5*g2*at*v*v). int s1p = m[0]+N*((m[1]+1)%N1+N*(m[2]+N*m[3])). // arah t float del0re=(U[s][0][0]*phi[s0p][0]-U[s][0][1]*phi[s0p][1]+ U[s0m][0][0]*phi[s0m][0]+U[s0m][0][1]*phi[s0m][1]2*phi[s][0])/(at*at). int s1m = m[0]+N*((kurangi(m. if (kk < 0){ kk+=Nt1. U[s][2][0]=cos(g2*v*a). float del0im=(U[s][0][0]*phi[s0p][1]+U[s][1][1]*phi[s0p][0]+ U[s0m][0][0]*phi[s0m][1]-U[s0m][0][1]*phi[s0m][0]2*phi[s][0])/(at*at). U[s][3][1]=-sin(g2*v*a). if (kk<0){ kk+=N1. int s2p = m[0]+N*(m[1]+N*((m[2]+1)%N1+N*m[3])).2))+N*m[3])). int s0m = (kurangi(m. U[s][3][0]=cos(g2*v*a). int s3p = m[0]+N*(m[1]+N*(m[2]+N*(m[3]+1)%N1)).0))+N*(m[1]+N*(m[2]+N*m[3])).U[s][0][0]=exp(-1. U[s][1][1]=-sin(g2*v*a). U[s][2][1]=-sin(g2*v*a). int s3m = m[0]+N*(m[1]+N*(m[2]+N*(kurangi(m.

float old_p_real = phi[s][0].0))-epsilon). //arah y float del2re=(U[s][2][0]*phi[s2p][0]-U[s][2][1]*phi[s2p][1]+ U[s2m][2][0]*phi[s2m][0]+U[s2m][2][1]*phi[s2m][1]2*phi[s][0])/(a*a). float old_S_real = S(m). float Sreal=a*a*a*at*(-phi[s][0]*Sre .float del1re=(U[s][1][0]*phi[s1p][0]-U[s][1][1]*phi[s1p][1]+ U[s1m][1][0]*phi[s1m][0]+U[s1m][1][1]*phi[s1m][1]2*phi[s][0])/(a*a).m[1]<N. float del2im=(U[s][2][0]*phi[s2p][2]+U[s][2][1]*phi[s2p][0]+ U[s2m][2][0]*phi[s2m][1]-U[s2m][2][1]*phi[s2m][0]2*phi[s][0])/(a*a). if (dS0 >0 && exp(-dS0)< u){ phi[s][0] = old_p_real.m[0]<Nt.phi[s][1]*Sim + mass*mass*(phi[s][0]*phi[s][0]+phi[s][1]*phi[s][1])).m[0]++){ for (m[1]=0. float Sim = del0im + del1im + del2im + del3im. phi[s][1] = phi[s][1] + (2. //arah z float del3re=(U[s][3][0]*phi[s3p][0]-U[s][3][1]*phi[s3p][1]+ U[s3m][3][0]*phi[s3m][0]+U[s3m][3][1]*phi[s3m][1]2*phi[s][0])/(a*a).0))-epsilon).m[2]<N. float del3im=(U[s][3][0]*phi[s3p][1]+U[s][3][1]*phi[s3p][0]+ U[s3m][3][0]*phi[s3m][1]-U[s3m][3][1]*phi[s3m][0]2*phi[s][0])/(a*a).m[3]<N.0). } } } } 44 .m[2]++){ for (m[3]=0. float u = rand()/(RAND_MAX+1.m[1]++){ for (m[2]=0. //total float Sre = del0re + del1re + del2re + del3re. float old_p_imag = phi[s][1]. float dS0 = S(m) .m[3]++){ s=m[0]+N*(m[1]+N*(m[2]+N*m[3])).old_S_real.0*epsilon*(rand()/(RAND_MAX+1. phi[s][1] = old_p_imag. return Sreal. } /*===================================================================*/ /* Program untuk meng-update dengan algoritma Metropolis */ /*===================================================================*/ void update(){ for (m[0]=0.0*epsilon*(rand()/(RAND_MAX+1. phi[s][0] = phi[s][0] + (2. float del1im=(U[s][1][0]*phi[s1p][1]+U[s][1][1]*phi[s1p][0]+ U[s1m][1][0]*phi[s1m][1]-U[s1m][1][1]*phi[s1m][0]2*phi[s][0])/(a*a).

0)/computeG(n0+1. for (alpha=0.0.0. } dE[alpha]=(log(abs(computeG(n0.alpha<Ncf. rata2dE2(). } 45 . int n1. } void rata2dE(){ // Ncf1 float avgdE_a = 0.j++){ update().0. } /*===================================================================*/ /* Program menghitung Monte Carlo estimator */ /*===================================================================*/ void MCavg(){ inisialisasi(). bootstrap().} } /*===================================================================*/ /* Program menghitung propagator */ /*===================================================================*/ float computeG(int n0.m[2]<N. g = g+phi[sp][0]*phi[s][0]+phi[sp][1]*phi[s][1].alpha<Ncf1.m[3]<N.j<200*Ncor. float g = 0. } rata2dE().0.m[1]<N. int n2.0))))/at.m[0]<Nt. sp = (m[0]+n0)%Nt1+N*((m[1]+n1)%N1+ N*((m[2]+n2)%N1+N*(m[3]+n3)%N1)). } for (alpha=0.m[3]++){ s = m[0]+N*(m[1]+N*(m[2]+N*m[3])).alpha++){ for (j=0.m[0]++){ for (m[1]=0.alpha++){ avgdE_a = avgdE_a + dE[alpha].m[1]++){ for (m[2]=0. sdevdE(). /* termalisasi */ for (j=0. int n3){ GG = 0. } } } } return GG = g/(N*N*N*Nt).m[2]++){ for (m[3]=0.j<Ncor.j++){ update(). for (m[0]=0.

// Ncf2 float avgdE_b = 0. for (alpha=0.alpha<Ncf2.alpha++){ avgdE2_a = avgdE2_a + dE[alpha]*dE[alpha]. } float ratadE2_a = avgdE2_a/Ncf1. rdE2_c[i] = ratadE2_c. sdevl_a = sqrt(sdev2_a).alpha<Ncf1. rdE_a[i] = ratadE_a. // Ncf float avgdE_c = 0. float sdevl_a = 0. } float ratadE_c = avgdE_c/Ncf. 46 . for (alpha=0. rdE2_a[i] = ratadE2_a.float ratadE_a = avgdE_a/Ncf1.alpha<Ncf.alpha++){ avgdE_c = avgdE_c + dE[alpha]. } float ratadE_b = avgdE_b/Ncf2. sdev2_a = (abs(rdE2_a[i]-(rdE_a[i]*rdE_a[i])))/Ncf1. // Ncf float avgdE2_c = 0. rdE_b[i] = ratadE_b. // Ncf2 float sdev2_b = 0. for (alpha=0. for (alpha=0.alpha<Ncf2. } void rata2dE2(){ // Ncf1 float avgdE2_a = 0.alpha++){ avgdE2_c = avgdE2_c + dE[alpha]*dE[alpha].alpha<Ncf. // Ncf2 float avgdE2_b = 0.alpha++){ avgdE_b = avgdE_b + dE[alpha]. for (alpha=0.alpha++){ avgdE2_b = avgdE2_b + dE[alpha]*dE[alpha]. } float ratadE2_b = avgdE2_b/Ncf2. sdev_a[i]=sdevl_a. } void sdevdE(){ // Ncf1 float sdev2_a = 0. } float ratadE2_c = avgdE2_c/Ncf. rdE_c[i] = ratadE_c. rdE2_b[i] = ratadE2_b.

float boot_sdevl_a = 0. rdE2_boot_b[i]=avg_dE2_boot_b. dE_boot_a = dE_boot_a + dE[alpha2].float sdevl_b = 0. float avg_dE2_boot_b = dE2_boot_b/Ncf2. 47 . float avg_dE2_boot_a = dE2_boot_a/Ncf1. dE2_boot_b = dE2_boot_b + dE[alpha2]*dE[alpha2].j<Ncf2. rdE2_boot_a[i]=avg_dE2_boot_a. sdev_c[i]=sdevl_c. boot_sdev_a[i]=boot_sdevl_a. boot_sdev_b[i]=boot_sdevl_b. boot_sdev2_a = (abs(rdE2_boot_a[i]-(rdE_boot_a[i]*rdE_boot_a[i])))/Ncf1.0))). dE_boot_b = dE_boot_b + dE[alpha2]. sdevl_b = sqrt(sdev2_b). float dE2_boot_a = 0. float sdevl_c = 0. } float avg_dE_boot_b = dE_boot_b/Ncf2. boot_sdev2_b = (abs(rdE2_boot_b[i]-(rdE_boot_b[i]*rdE_boot_b[i])))/Ncf2. boot_sdevl_b = sqrt(boot_sdev2_b). // Ncf2 float dE_boot_b = 0. rdE_boot_a[i]=avg_dE_boot_a. // Ncf float dE_boot_c = 0. float boot_sdev2_b = 0. sdev_b[i]=sdevl_b. float dE2_boot_b = 0. float boot_sdev2_a = 0. } /*===================================================================*/ /* Program menghitung Monte Carlo estimator dgn bootstrap sampling */ /*===================================================================*/ void bootstrap(){ // Ncf1 float dE_boot_a = 0.j<Ncf1. float boot_sdevl_b = 0. sdev2_b = (abs(rdE2_b[i]-(rdE_b[i]*rdE_b[i])))/Ncf2. boot_sdevl_a = sqrt(boot_sdev2_a). rdE_boot_b[i]=avg_dE_boot_b. dE2_boot_a = dE2_boot_a + dE[alpha2]*dE[alpha2]. // Ncf float sdev2_c = 0.0))).j++){ int alpha2 = int(Ncf2*(rand()/(RAND_MAX+1.j++){ int alpha2 = int(Ncf1*(rand()/(RAND_MAX+1. sdev2_c = (abs(rdE2_c[i]-(rdE_c[i]*rdE_c[i])))/Ncf. for (int j=0. for (int j=0. sdevl_c = sqrt(sdev2_c). } float avg_dE_boot_a = dE_boot_a/Ncf1.

float boot_sdev2_c = 0. } float avg_dE_boot_c = dE_boot_c/Ncf. rdE2_boot_c[i]=avg_dE2_boot_c. boot_sdev2_c = (abs(rdE2_boot_c[i]-(rdE_boot_c[i]*rdE_boot_c[i])))/Ncf. dE2_boot_c = dE2_boot_c + dE[alpha2]*dE[alpha2].j++){ int alpha2 = int(Ncf*(rand()/(RAND_MAX+1.float dE2_boot_c = 0. } 48 .0))). float boot_sdevl_c = 0.j<Ncf. for (int j=0. boot_sdevl_c = sqrt(boot_sdev2_c). rdE_boot_c[i]=avg_dE_boot_c. boot_sdev_c[i]=boot_sdevl_c. dE_boot_c = dE_boot_c + dE[alpha2]. float avg_dE2_boot_c = dE2_boot_c/Ncf.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->