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 C antara x dan y . . . . . . . . . . . . . . . . . . . . . . 21
3.5 Uµνx 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 Ncf . . . . . . 30
4.4 Grafik ∆E terhadap kecepatan fluida untuk Ncf = 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 ~ v = − 1 ∇P
~ + µ∇
~ 2~v
+ (~v · ∇)~ (2.1)
∂t ρ
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
R
V
ρdV , sementara massa fluida per satuan waktu yang melewati permukaan ter-
H
tutup S ialah (ρ~v ) · dS sehingga hukum kekekalan massa dapat dinyatakan
sebagai berikut
∂
I Z
(ρ~v ) · dS = − ρdV (2.2)
∂t V

4
dengan menggunakan teorema Gauss diperoleh,
∂
Z Z
~
∇ · (ρ~v )dV = − ρdV
V ∂t V
Z  
∂ρ ~
+ ∇ · (ρ~v ) dV = 0
V ∂t
∂ρ ~
+ ∇ · (ρ~v ) = 0 (2.3)
∂t
Hukum II Newton tidak lain merupakan bentuk kekekalan momentum yang memi-
liki bentuk
2
d ~x
F~ = m 2 (2.4)
dt
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,

d2~x D~v
2
→
dt Dt
dengan
D ∂ ~
= + ~v · ∇.
Dt ∂t
Maka hukum II Newton untuk aliran fluida ialah
D~v F~
ρ = (2.5)
Dt V
Gaya yang fundamental pada aliran fluida ialah gradien tekanan yang dapat
ditulis sebagai berikut,
Fi ∂
=− Πik , (2.6)
V ∂xk
dimana tensor tekanan diberikan oleh

Πik = P δik − σik , (2.7)

5
dengan P tekanan dan σik ialah tensor viskositas. Tensor viskositas secara umum
merupakan tensor asimetrik. Tensor viskositas dapat ditulis [3],
 
∂vi ∂vk 2 ~ ~ · ~v ,
σij = η + − δij ∇ · ~v + νδik ∇ (2.8)
∂xk ∂xi 3
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),
   
∂~v ~ v = −∇P
~ + η∇ 1
~ ~v + ν + η ∇(
2 ~ ∇
~ · ~v ).
ρ + (~v · ∇)~ (2.9)
∂t 3

~ · ~v = 0 dan µ ≡ η/ρ diperoleh persamaan Navier

Untuk fluida inkompresibel ∇
Stokes untuk fluida inkompresibel
∂~v ~ v = − 1 ∇P
~ + µ∇
~ 2~v
+ (~v · ∇)~ (2.10)
∂t ρ
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 (xµ ), dimana xµ adalah ruang 4 dimensi, xµ ≡ (x0 , xi ) = (ct, ~r) =
(ct, x, y, z). Dalam hal ini digunakan ruang Minkowski dengan tensor metrik
gµν = (1, −~1) = (1, −1, −1, −1) sehingga x2 = xµ xµ = xµ gµν xν = x20 − x2 =
x20 −x21 −x22 −x23 . 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) + LA (2.11)

dimana
1
LA = − Fµν F µν + gJµ Aµ + g 2 Aµ Aµ φ∗ φ (2.12)
4
dengan kuat tensor Fµν ≡ ∂µ Aν − ∂ν Aµ , sementara arus vektor empatnya,

Jµ = i [φ(∂µ φ∗ ) − φ∗ (∂µ φ)] (2.13)

memenuhi kekekalan arus ∂ µ Jµ = 0. Suku-suku tambahan pada LA dibutuhkan

agar lagrangian boson tersebut invarian terhadap transformasi gauge lokal U =
exp[−iθ(x)] sehingga,

φ → φ0 = e−iθ(x) φ ≈ (1 − iθ(x))φ (2.14)

1
Aµ → Aµ 0 = Aµ + (∂µ θ) (2.15)
g
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

~ → ~l = ω
E ~ × ~v
~ → ω
B ~ × ~v
~ =∇

sehingga persamaan ”Maxwell” untuk fluida ialah

~ · ~l = ρ̃
∇
~ × ~l = − ∂~
∇
ω
∂t
~
∇·ω~ = 0
~ ×ω ∂~l
∇ ~ = α~j + α
∂t
7
dengan α = 1/~v 2 . Hasil ini memberi petunjuk bahwa kita dapat mengkonstruksi
lagrangian yang bentuknya mirip dengan lagrangian elektrodinamika kuantum
yaitu LA pada persamaan (2.12). Klaim ini telah dibuktikan dengan mengambil
bentuk spesifik dari medan gauge,
 
Aµ = Φ, A ~
 
1 2
= |~v | + V, −~v (2.16)
2
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, LA pada persamaan (2.12) tidak lain ialah lagrangian yang
menghasilkan persamaan Navier-Stokes dengan pemilihan medan gauge di atas,
LA = L N S .

d4 xLN S dapat diperoleh

R
Berdasarkan prinsip aksi terkecil δS = 0 dengan S =
persamaan Euler-Lagrange
∂LN S ∂LN S
∂ν ν
− =0 (2.17)
∂(∂ Aµ ) ∂Aµ

Substitusi persamaan (2.12) ke persamaan Euler-Lagrange di atas menghasilkan

persamaan gerak dalam Aµ ,

∂ν (∂ µ Aν ) − ∂ 2 Aµ + gJµ = 0. (2.18)

Aµ diperhatikan sebagai medan fluida. Relasi nontrivial diperoleh untuk µ 6= ν

sehingga dapat menghasilkan persamaan Navier-Stokes.

Untuk memperoleh persamaan Navier-Stokes relativistik, kita dapat mendefin-

 
~ dengan potensial skalar dan vektornya sebagai
isikan medan gauge Aa = Φ, A
µ

8
berikut [4],
s
2 |~v |2
Φ = −c 1 − 2 + Vrel , (2.19)
c
~ = −~v ,
A (2.20)

dengan Vrel 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,
s
2
∂~v ~ 1 − |~v | = −∇V
~ rel + g J~˜
− c2 ∇ (2.21)
∂t c2
dengan J˜i ≡ dxi J0 = − dtJi . Kita dapat memperoleh bentuk nonrelativistik
R R

dengan mengambil |~v |  c dan menggunakan relasi

1~ 2 ~ v + ~v × (∇
~ × ~v )
∇ |~v | = (~v · ∇)~
2
sehingga,
∂~v ~ v = −∇V~ − ~v × (∇ ~˜
~ × ~v ) + g J,
+ (~v · ∇)~ (2.22)
∂t
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 )
~ × ~v . Rapat potensial yang dialami pada
yang relevan untuk fluida rotasional ∇
fluida antara lain:

 P (~r)/ρ(~r) : tekanan
V (~r) = 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,

~ tekanan = 1 ∇P
∇V ~
ρ
~ viskositas = η ∇(
∇V ~ ∇~ · ~v ) + µ(∇
~ 2~v ) + µ(∇
~ ×∇
~ × ~v )

9
dan memasukkan keduanya pada persamaan (2.22), maka akan diperoleh,
∂~v ~ v = − 1 ∇P
~ − η ∇(
~ ∇ ~ · ~v ) + µ(∇
~ 2~v )
+ (~v · ∇)~
∂t ρ
+µ(∇ ~ ×∇
~ × ~v ) − ~v × (∇ ~˜
~ × ~v ) + g J. (2.23)

~ × ~v = 0 dan fluida inkompresibel ∇

Untuk fluida irotasional ∇ ~ · ~v = 0,

∂~v ~ v = − 1 ∇P
~ + µ(∇ ~˜
~ 2~v ) + g J.
+ (~v · ∇)~ (2.24)
∂t ρ
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,

xi − v i t t − xi /vi
xi → x0i = p , t → t0 = p
1 − |~v |2 /c2 1 − |~v |2 /c2

dan J~˜ → J~˜0 = 1 − |~v |2 /c2 J.

~˜
p

Dari model yang dibuat untuk dinamika fluida dengan menggunakan teori medan
gauge, kita dapat melihat interaksi antara fluida (Aµ )dan materi di dalamnya (φ).
Potensial yang terdapat pada potensial skalar muncul akibat gaya konservatif ek-
sternal yang hanya bekerja pada medan fluida (Aµ ). Sebaliknya, potensial pada
lagrangian menggambarkan interaksi antar medan boson. Pada dinamika fluida
klasik, arus vektor empat Jµ = (ρ, ρ~v ) menggambarkan distribusi makroskopik
dari kerapatan dan vektor rapat arus. Sementara dalam pendekatan ini, Jµ
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 Jµ = 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
1 λ
V (φ) = − m2 φ2 + φ4
2 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) + LA (2.26)

dimana
1 a aµν i
LA = − Fµν F + gJµa Aaµ + f abc g 2 (φ† T a φ)Abµ Acµ (2.27)
4 2
a
dengan kuat tensor Fµν ≡ ∂µ Aaν − ∂ν Aaµ − gf abc Abµ Acν , sementara arus vektor
empatnya,
Jµa = i (∂µ φ)† T a φ − φ† T a (∂µ φ)
 
(2.28)

dengan transformasi gauge untuk tiap-tiap medan ialah

a θ a (x)
φ → φ0 = e−iT φ ≈ (1 − iT a θ a (x))φ (2.29)
1
Aaµ → Aaµ 0 = Aaµ + (∂µ θ a ) + f abc θ b Acµ (2.30)
g
Bila Aaµ 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 LA pada persamaan (2.27) meru-
pakan lagrangian dari persamaan Navier-Stokes (LN S ). Sebagai contoh, un-
tuk menggambarkan interaksi antara 2 fluida, dapat digunakan lagrangian yang

11
berbentuk [5]
Ltotal = LaN S + LbN S + Lab
int (2.31)

dengan Lab
int merupakan lagrangian interaksi antara dua fluida. Dari model yang

dibuat untuk sistem multi fluida, kita dapat melihat interaksi antara fluida (Aaµ )
dan materi di dalamnya (φ) berdasarkan grup simetri SU (N ) untuk n × 1 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, q̇)
atau Hamiltonian H = H(p, q),
1
L = mq̇ 2 − V (q) (3.1)
2
p2
H= + V (q) (3.2)
2m
dimana p dan q dihubungkan oleh p = ∂L/∂ q̇ = mq̇. Pada mekanika kuantum, p
dan q menjadi operator dengan relasi komutasi [p, q] = i~.
Amplitudo transisi mekanika kuantum ialah
0
hq 0 , t0 | q, ti = hq 0 | e−iH(t −t) | qi
= hq 0 | U (t0 , t) | qi (3.3)

dengan U (t0 , t) = exp(−iH(t0 − t)) merupakan operator evolusi waktu. Selan-

jutnya kita lakukan diskritisasi waktu T = t0 − t = n∆t dengan ∆t merupakan

13
 Gambar 3.1: Interval waktu diskrit

interval potongan waktu dan q(t) = qn serta memasukkan n−1 relasi kelengkapan
Z
1 = dq | qi hq | (3.4)

ke elemen matriks pers.(3.3) diperoleh

Z
0 0
h q , t | q, ti = dq1 . . . dqn−1 hq 0 | e−iH∆t | qn−1 i hqn−1 | e−iH∆t | qn−2 i

× . . . hq2 | e−iH∆t | q1 i hq1 | e−iH∆t |qi (3.5)

Matriks transfer T̂ didefinisikan sebagai amplitudo transisi suatu sistem pada

selang waktu ∆t dengan elemen matriksnya

hqk+1 | T̂ |qk i = hqk+1 | e−iH∆t |qk i

2 /2m
≈ hqk+1 | e−i∆tp |qk i e−i∆tV (qk ) (3.6)
2 /2m
Elemen matriks hqk+1 | e−i∆tp | qk i dapat dievaluasi dengan menggunakan per-
samaan
1
Z
hq| pi = √ eqp , dq | pi hp| = 1 (3.7)
2π
sehingga diperoleh
( 2 )
 m  21 m

qk+1 − qk
−iH∆t
hqk+1 | e | qk i ≈ exp i∆t − V (qk ) (3.8)
2πi∆t 2 ∆t

Amplitudo transisi pers.(3.3) setelah mengevaluasi semua elemen matriks transfer

ialah
n−1
(  2 )
Z 
m  n2 m q − q
k+1 k
X
hq 0 | U (t0 , t) |qi = dq1 . . . dqn−1 exp i ∆t − V (qk )
2πi∆t k=0
2 ∆t
(3.9)

14
 Gambar 3.2: Lintasan partikel

pada n → ∞ atau ∆t → 0,
Z Z T nm o
0 0
hq | U (t , t) |qi = Dq exp i dt q̇ 2 − V (q)
0 2
Z
= DqeiS (3.10)

dengan
 m  n2
Dq ≡ dq1 . . . dqn−1 (3.11)
2πi∆t
Di sini, S merupakan aksi fungsional dari suatu sistem,
Z t0
S(q) = dtL(q(t), q̇(t)), (3.12)
t
R
dan Dq 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 ∂ ∂L
− =0 (3.13)
∂q ∂t ∂ q̇
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)
Y Y
dq(t) ↔ dφ(x, t) ≡ Dφ
t t,x
Z Z
S= dtL ↔ S = d4 xL

Besaran yang penting di teori medan ialah nilai ekspektasi vakum dari produk
time-ordered operator medan, yaitu fungsi Green:

h0 | φ(x1 )φ(x2 ) . . . φ(xn )) |0i , t 1 > t2 > . . . > t n (3.14)

seperti contohnya ialah propagator

h0 | φ(x1 )φ(x2 ) |0i (3.15)

Dengan analogi path integral mekanika kuantum kita dapat menuliskan represen-
tasi fungsi Green dalam integral fungsional [9],
1
Z
h0| φ(x1 )φ(x2 ) . . . φ(xn ) | 0i = Dφ φ(x1 )φ(x2 ) . . . φ(xn )eiS (3.16)
Z
dengan Z
Z= DφeiS (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 = x0 → −ix4 (3.18)

Sebagai contoh, kita akan lakukan kontinuasi ini pada medan skalar. Perhatikan
aksi untuk medan skalar
m2 2
 
1
Z
S= d x (∂µ φ)(∂ µ φ) −
4
φ (3.19)
2 2
Aksi tersebut dapat ditulis dalam bentuk
1
Z
d4 xφ −∂ 2 − m2 φ


S= (3.20)
2
bila kita melakukan kontinuasi ke waktu imajiner maka,

d4 x = dx0 dx1 dx2 dx3

= −idx1 dx2 dx3 dx4
= −id4 xE
∂ 2 = ∂02 − ∂12 − ∂22 − ∂32
= −∂42 − ∂12 − ∂22 − ∂32
= −∂E2

Maka eksponen pada path integral di ruang waktu Euclidean ialah

1
Z
(−i)d4 xE φ ∂E2 − m2 φ


iS = i
2
1
Z
d4 xE φ −∂E2 + m2 φ


= −
2
= −SE

dengan
1
Z
d4 xE φ −∂E2 + m2 φ


SE = (3.21)
2
merupakan aksi medan skalar pada ruang waktu Euclidean. Kemudian fungsi
Green versi Euclidean
1
Z
h0 | φ(x1 )φ(x2 ) . . . φ(xn ) |0i E = Dφ φ(x1 )φ(x2 ) . . . φ(xn )e−SE (3.22)
Z

17
 Gambar 3.3: Lattice atau kisi 3 dimensi

dengan Z
Z= Dφe−SE (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
xµ = mµ a, mµ = 0, 1, . . . , N − 1. (3.24)

sehingga panjang sisi dari kotak hiperkubik ialah L = N a dan volumenya L4 .

Medan pada titik kisi xµ = mµ a ditulis dengan notasi φx . Dengan dilakukannya
diskritisasi, maka integral dapat digantikan dengan sumasi
Z N
X −1 N
X −1 N
X −1 N
X −1 X X
4 4
d x→a = a4 = (3.25)
m1 m2 m3 m4 m x

18
Untuk fungsi di limit kontinu,
X Z L
f (x) → d4 xf (x), N → ∞, a → 0, L tetap (3.26)
x 0

Turunan atau derivatif diganti dengan perbedaan atau selisih medan antara dua
titik kisi,
1
∂ µ φx = (φx+aµ̂ − φx ), (3.27)
a
1
∂µ0 φx = (φx − φx−aµ̂ ), (3.28)
a
dengan µ̂ merupakan vektor satuan pada arah µ. Untuk fungsi pada limit kontinu,
∂
∂µ f (x), ∂µ0 f (x) → f (x), a → 0. (3.29)
∂xµ
Sedangkan operator d’Alambertian,

φx = ∂ µ ∂µ0 φx
1
= 2 (φx+aµ̂ + φx−aµ̂ − 2φx ) . (3.30)
a
Medan-medan pada kisi juga memenuhi periodisitas

φx+N aµ̂ = φx (3.31)

Dari kondisi periodisitas, operator turunan ∂µ dan ∂µ0 dihubungkan oleh sumasi
parsial (analog dengan integrasi parsial)
X X
φ1x ∂µ φ2x = − ∂µ0 φ1x φ2x (3.32)
x x

Transformasi Fourier pada lattice dapat dituliskan sebagai berikut

X
φ̃p = e−ipx φx , (3.33)
x
X
φx = e−ipx φ̃p . (3.34)
x

Untuk fungsi f (p) pada limit volume L = N a → ∞,

(∆p)4 X
 
X 2πm
f (p) = 4
f (3.35)
p
(2π) m
Na
Z π/a 4
dp
→ 4
f (p), N → ∞, a tetap, (3.36)
−π/a (2π)

19
dimana ∆p = 2π/N a.

Dengan diskritisasi yang telah dijelaskan maka kita dapat menulis aksi untuk
medan skalar pada persamaan (3.21) dalam bentuk diskrit
X1 
φx+aµ̂ + φx−aµ̂ − 2φx
 
4 2 2
S=a −φx 2
+ m φx (3.37)
m,µ
2 a

3.4 Transformasi Gauge pada Lattice

Perhatikan aksi dari medan skalar pada persamaan (3.37). Untuk medan skalar
kompleks, aksi tersebut dapat dituliskan
X  
φx+aµ̂ + φx−aµ̂ − 2φx
 
4 † 2 †
S=a Re −φx + m φx φx (3.38)
m,µ
a2

Aksi tersebut invarian terhadap transformasi gauge global

φx → φ0x = Ωφx
φ†x → φ†0 † †
x = φx Ω

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 = Ωx . Sehingga medan φx bertansformasi sebagai
berikut,

φx → φ0x = Ωx φx (3.39)
φ†x → φ†0 † †
x = φ x Ωx . (3.40)

Dari transformasi tersebut, perhatikan besaran φ†x φx+aµ̂ dan φ†x φx−aµ̂ . Besaran
tersebut tidak invarian terhadap transformasi gauge lokal yang didefinisikan pada
persamaan (3.39) dan (3.40)

φ†x φx+aµ̂ → φ†x Ω†x Ωx+aµ̂ φx+aµ̂ , (3.41)

φ†x φx+aµ̂ → φ†x Ω†x Ωx−aµ̂ φx−aµ̂ . (3.42)

Agar besaran tersebut invarian, maka kita membutuhkan suatu besaran Uµx yang
bertransformasi sebagai berikut,

Uµx → Ωx Uµx Ω†x+aµ̂ (3.43)

20
 Gambar 3.4: 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 ”. Di dalam variabel link
terdapat medan gauge Aµ agar besaran pada persamaan (3.38) invarian terhadap
transformasi gauge lokal. Variabel link didefinisikan sebagai

Uµx = Ux,x+aµ̂ = eigaAµx (3.44)

Sehingga kita memiliki bentuk yang invarian terhadap transformasi gauge lokal
pada lattice

φ†x φx+aµ̂ → φ†x Ux,x+aµ̂ φx+aµ̂ (3.45)

†
φ†x φx−aµ̂ → φ†x Ux−aµ̂,x φx+aµ̂ (3.46)

dimana
†
U−µx = Ux−aµ̂,x = Ux,x−aµ̂ = e−igaAµx−aµ̂ (3.47)

Pada teori kontinum Uµx 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.
Rx
U (x, y; C) = eig y Aµ (z)dzµ
. (3.48)

Parallel transporter tidak hanya bergantung pada titik x dan y tetapi juga kurva
C yang dipilih.

Dengan diperkenalkannya variabel link Uµx yang didalamnya terdapat medan

gauge Aµ , maka kita dapat menulis aksi untuk medan skalar pada lattice yang

21
 Gambar 3.5: Uµνx pada sebuah Plaquette

invarian terhadap transformasi gauge lokal

X  
Uµx φx+aµ̂ + U−µx φx−aµ̂ − 2φx
 
4 † 2 †
S=a Re −φx + m φx φx (3.49)
m,µ
a2

Sementara itu kontribusi medan gauge pada aksi yang berbentuk 14 Fµν F µν da-
pat dituliskan dalam variabel link Uµx 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

† †
Uµνx = Uµx Uνx+aµ̂ Uµx+aν̂ Uνx (3.50)

Substitusi Uµ pada persamaan (3.44) ke persamaan di atas diperoleh

2F
Uµνx = eiga µνx
(3.51)

dengan Fµνx merupakan versi diskrit dari kuat tensor kontinum,

1
Fµνx ≡ [(Aνx+µ̂ − Aνx ) − (Aµx+ν̂ − Aµx )] .
a
Untuk jarak antar titik kisi a yang kecil, dari persamaan (3.50)
 
1 XX 1 † 1X 4
Re 1 − (U µνx + U µνx ) ≈ a Fµνx Fµνx . (3.52)
2g 2 m µ<ν 2 4 m

22
Sehingga aksi medan gauge pada lattice dapat ditulis,
 
1 X 1 †
SG [U ] = 2 Re 1 − (UP + UP ) (3.53)
2g P 2

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 Aµ pada persamaan (2.16) akan menghasilkan persamaan Navier Stokes.
Lagrangian pada persamaan (2.11) dapat ditulis dalam bentuk
1
L = (Dµ φ∗ )(D µ φ) − m2 φ∗ φ − Fµν F µν (4.1)
4
dengan Dµ ialah turunan kovarian yang didefinisikan sebagai berikut,

Dµ = ∂µ + igAµ (4.2)

substitusi Dµ ke persamaan (4.1),

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
(4.3)
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) − m2 φ∗ φ (4.4)

Aksi dari lagrangian tersebut ialah

Z
S = d4 x (∂µ φ∗ )(∂ µ φ) − m2 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
X  
φx+aµ̂ + φx−aµ̂ − 2φx
 
4 ∗ 2 ∗
S=a Re −φx 2
+ m φx φx (4.6)
m,µ
a

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 Uµx yang di dalamnya terdapat medan gauge Aµ , sehingga
diperoleh aksi medan skalar kompleks yang invarian
∗
X  Ux,x+aµ̂ φx+aµ̂ + Ux−aµ̂,x φx−aµ̂ − 2φx
  
4 ∗ 2 ∗
S=a Re −φx 2
+ m φx φx (4.7)
m,µ
a

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 Uµ
pada persamaan (3.50) menjadi

Ux,x+aµ̂ = eigaAµx
g 2 a2 2
≈ 1 + igaAµx − Aµx + O(a3 ) (4.8)
2
dan

∗
Ux−aµ̂,x = e−igaAµx−aµ̂
g 2 a2 2
≈ 1 − igaAµx−aµ̂ − A + O(a3 ) (4.9)
2 µx−aµ̂

25
dimana,
Aµx−aµ̂ = Aµx − a∂µ Aµx + O(a2 ) (4.10)

serta mengekspansi φx+aµ̂ dan φx−aµ̂ ,

a2
φx+aµ̂ ≈ φx + a∂µ φx + φx + O(a3 ) (4.11)
2
a2
φx−aµ̂ ≈ φx − a∂µ φx + φx + O(a3 ) (4.12)
2
Substitusi persamaan (4.13) - (4.17) ke persamaan (4.12), ambil bagian real dari
aksi dan a → 0 didapat
Z
d4 x (Dµ φ∗ )(D µ φ) + m2 φ∗ φ
 
S= (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),

Stotal [φ, U ] = Sboson [φ] + SG [U ] (4.14)

dengan
∗
Ux,x+aµ̂ φx+aµ̂ + Ux−aµ̂,x φx−aµ̂ − 2φx
X   
4 ∗ 2 ∗
Sboson [φ] = a Re −φx 2
+ m φx φx
m,µ
a
(4.15)
1 X
SG [U ] = − 2 Re (UP + UP∗ ) . (4.16)
2g P
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 ) = h0 | φ∗ (x1 )φ(x2 ) |0i

= h0 | φ∗ (~x, τ )φ(~x, 0) |0i
= h0 | eHτ φ∗ (~x, 0)e−Hτ φ(~x, 0) |0i
= h0 | φ∗ (~x, 0)e−(H−E0 )τ φ(~x, 0) |0i

dimana H merupakan operator Hamiltonian yang energi pada keadaan dasarnya

E0 , H | 0i = E0 dan τ merupakan waktu Euclidean. Dengan memasukkan com-
plete set dari eigenstate energi
X
|ni hn | = 1 (4.17)
n

26
diperoleh
X
G(τ ) = h0| φ∗ (~x, 0) |ni e−(En −E0 )τ hn | φ(~x, 0) |0i
n
X
= | h0 | φ(~x, 0) |ni |2 e−(En −E0 )τ . (4.18)
n

Untuk waktu Euclidean yang besar, τ → ∞ maka keadaan yang berkontribusi

hanya keadaan dasar dan eksitasi pertama

τ besar
X
G(τ ) −→ |h0 | φ(~x, 0) |1i|2 e−(E1 −E0 )τ . (4.19)
n

Sehingga kita dapat mengekstrak selisih energi sebagai berikut

G(τ )
= e(E1 −E0 )at (4.20)
G(τ + at )
maka,
1 G(τ )
∆E = ln (4.21)
at G(τ + at )
dengan ∆E ≡ E1 − E0 .

Perhitungan propagator dilakukan menggunakan simulasi Monte Carlo dengan

mengevaluasi path integral yang berbentuk

G(τ ) = h0 | φ∗ (x1 )φ(x2 ) |0i

DφDU φ∗ (x1 )φ(x2 )e−S[φ,U ]
R
= R
DφDU e−S[φ,U ]
Ncf
1 X
≈ φ∗ (x1 )φ(α) (x2 ). (4.22)
Ncf α=1 (α)

Konfigurasi acak yang memiliki probabilitas

P [φα ] ∝ e−S[φ,U ]

dibangkitkan dengan menggunakan algoritma Metropolis yang dijelaskan pada

Lampiran A.

Simulasi dilakukan pada lattice 4 dimensi dengan jumlah titik kisi 83 × 32 dengan
jarak antar titik kisi a = 0, 5 fm, yang berarti volume lattice yang digunakan

27
 15

10
∆E (x 0,197 GeV)

0
0 50 100 150 200
v (m/s)

Gambar 4.1: Grafik ∆E terhadap kecepatan fluida vuntuk g = 1.

ialah 43 × 16 fm4 , dan beberapa jumlah konfigurasi Ncf , 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 at juga divariasikan.
Dari konfigurasi sebanyak Ncf yang dibangkitkan, kita akan memperoleh nilai
∆E sebanyak Ncf 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 Ncf 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
 15

10
∆E (x 0,197 GeV)

0
0 50 100 150 200
v (m/s)

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
 15

Ncf = 100
Ncf = 10
Ncf = 50

10
∆E (x 0,197 GeV)

0
0 50 100 150 200
v (m/s)

Gambar 4.3: Grafik ∆E terhadap kecepatan fluida beberapa nilai Ncf .

Hasil simulasi untuk jumlah konfigurasi (Ncf ) yang berbeda-beda dapat dilihat
pada Gambar (4.3). Grafik tersebut dihasilkan dari simulasi dengan jarak antar
titik kisi a = at = 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 Ncf semakin besar maka kesalahan statistiknya akan semakin kecil.

hhΓ2 ii − hhΓii2
σΓ2 =
Ncf
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
 15

Ncf = 100
Ncf = 100, bootstrap

10
∆E (x 0,197 GeV)

0
0 50 100 150 200
v (m/s)

Gambar 4.4: Grafik ∆E terhadap kecepatan fluida untuk Ncf = 100 dengan dan
tanpa bootstrap.

termalisasi yaitu sebanyak 200Ncf . 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
 30

a = at = 0,5
25 a = 0,4; at = 0,2
a = at = 0,8

20
∆E (x 0,197 GeV)

15

10

0
0 50 100 150 200
v (m/s)

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 = at = 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 at = 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
 20

tanpa bootstrap
bootstrap

15
∆E (x 0,197 GeV)

10

0
0 50 100 150 200
v (m/s)

Gambar 4.6: Grafik ∆E terhadap v untuk m = 500 GeV, g = 1 dengan dan

tanpa bootstrap sampling.

20

dengan bootstrap
tanpa boostrap

15
∆E (x 0,197 GeV)

10

0
0 50 100 150 200
v (m/s)

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 · 404 . Untuk grup gauge SU(3) memberikan variabel real sebanyak
81.920.000.

Secara prinsip, rata-rata path integral hhΓ[x]ii dari sembarang fungsional Γ[x]
dapat digunakan untuk menghitung bermacam-macam sifat fisis dari keadaan
tereksitasi di teori kuantum. Besaran
R
Dx(t)Γ[x]e−S[x]
hhΓ[x]ii = R (A.1)
Dx(t)e−S[x]
merupakan rata-rata berbobot terhadap konfigurasi dengan bobot e−S[x] . Kon-
figurasi acak dibangkitkan dalam jumlah yang banyak, Ncf ,

xα ≡ xα0 xα1 . . . xαN −1 ,


α = 1, 2, . . . , Ncf (A.2)

sehingga probabilitas untuk memperoleh konfigurasi tertentu x(α) ialah

P [xα ] ∝ 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:
Ncf
1 X
hhΓ[x]ii ≈ Γ ≡ Γ[x(α) ]. (A.4)
Ncf α=1

Γ merupakan ”Monte Carlo estimator ” untuk hhΓ[x]ii di lattice. Estimasi terse-

but tentunya tidak akan pernah eksak karena jumlah konfigurasi Ncf tidak per-
nah berjumlah tak berhingga. Ketidakpastian Monte Carlo σΓ pada estimasi kita
merupakan sumber kesalahan yang potensial; diestimasi seperti pada umumnya,
Ncf
( )
2 1 1 X 2 (α) 2
σΓ ≈ Γ [x ] − Γ (A.5)
Ncf Ncf α=1

Persamaan di atas menjadi

hhΓ2 ii − hhΓii2
σΓ2 = (A.6)
Ncf
untuk Ncf yang besar. Karena pembilang pada persamaan di atas tidak bergan-
tung pada jumlah konfigurasi, ketidakpastian statistik berkurang sesuai dengan
√
1/ Ncf ketika Ncf 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 xj 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 Ncf konfigurasi. Himpunan konfigurasi ini mem-
punyai distribusi yang benar bila Ncf cukup besar.

Algoritma untuk membangkitkan bilangan acak untuk xj pada titik kisi j ialah
sebagai berikut [10]:

• Bangkitkan bilangan acak ζ, dengan probabilitas terdistribusi seragam an-

tara − dan  untuk suatu konstanta .

• Ganti xj → xj + ζ dan hitung perubahan aksi ∆S yang disebabkan oleh

penggantian xj .

• Bila aksi berkurang, ∆S < 0, ambil nilai baru untuk xj 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 xj 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 xj akan sama pada dua konfigurasi.
Jumlah overlap ini ditentukan oleh parameter : ketika  sangat besar, perubahan
pada xj biasanya besar dan kebanyakan akan ditolak; ketika  sangat kecil, pe-
rubahannya akan kecil, perubahannya kecil dan kebanyakan akan diterima, tetapi
nilai xj yang baru akan mendekati atau sama dengan nilai yang lama. Parameter
 harus di sesuaikan sehingga 40%-60% xj 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 Ncor konfig-
urasi, memberikan kita konfigurasi yang tidak bergantung secara statistik. Nilai
optimal dari Ncor bergantung dari teori dan bisa diperoleh dengan eksperimentasi.

38
Ncor juga bergantung pada jarak antar titik kisi a,
1
Ncor ∝ (A.7)
a2
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 5Ncor sam-
pai 10Ncor konfigurasi biasanya cukup. Ini disebut dengan ”termalisasi lattice”.

Sebagai ringkasan perhitungan Monte Carlo yang lengkap untuk hhΓ[x]ii untuk
suatu Γ[x] dari konfigurasi x terdiri dari beberapa langkah berikut:

• Inisialisasi konfigurasi, sebagai contoh, semua x diset menjadi nol.

• Update konfigurasi 5Ncor sampai 10Ncor kali untuk termalisasi.

• Update konfigurasi Ncor kali, kemudian hitung Γ[x] dan simpan, ulangi se-
banyak Ncf kali.

• Rata-ratakan Ncf nilai dari Γ[x] yang disimpan pada langkah sebelumnya
untuk memperoleh Monte Carlo estimator Γ untuk hhΓ[x]ii.

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