[Aquí] pueden bajar los infructuosos esfuerzos de las aproximaciones de campo medio para acercarse a la temperatura crítica de la red cuadrada. [Aquí], lo que vimos el lunes pasado: encontrar la función de partición de las cadenas unidimensionales usando el método de la matriz de transferencia.

La imagen ilustra la inminente llegada de la práctica computacional. Tengan en cuenta lo siguiente:

• Atención recursantes: si entregaron la práctica computacional en el último año, y si está aprobada, no es necesario que este cuatrimestre presenten una nueva práctica. Con algunos ya me comuniqué y les avisé. Los que estén en la situación antedicha  y no hayan recibido un mail al respecto, envíenme un mail a mí, así analizo su caso.
• Atención nuevos practicantes: para hacer la práctica computacional, no es necesario que instalen nada en sus computadoras, pero sí que tengan una cuenta de Gmail donde puedan acceder a Google Colaboratory o, sencillamente, Colab.
• Cuantas más cuentas de Gmail tengan, van a tener acceso a más sesiones independientes de Colab y, por lo tanto, será como si tuvieran varias computadoras.  Eso es importante, porque algunas simulaciones van a llevar, en términos relativos, mucho tiempo de máquina; tal vez un par de horas. Entonces, si tienen varias cuentas, pueden correr varias instancias de la simulación al mismo tiempo sin dividir los recursos.
• Google les deja crear cierto número de cuentas de Gmail por unidad de tiempo. Las limita por el número de teléfono asociado. Vayan creando estas cuentas paralelas. Pueden pedirle a otra persona que les cree cuentas en su nombre.
• Usen Chrome para acceder a las distintas cuentas agregando nuevos perfiles de ususario.
• Al mismo tiempo, si pueden, instalen en sus computadoras alguna distribución de Python. Así tendrán una computadora más. Una de las distribuciones más populares es Anaconda.
• No entren en pánico si no tienen idea de cómo programar en Python, aunque sí  deben tener nociones básicas de programación. Colab tiene un asistente de IA que les permite generar código con la sintaxis de Python correcta. ChatGPT también puede ser de ayuda, en especial para explicar errores en el código.
• El lunes que viene Pablo les va a contar el algoritmo de Metropolis-Montecarlo. Las últimas ediciones del libro de Pathria y Beale tienen una explicación breve. Son un par de páginas, vale la pena. También pueden mirar la  [Wikipedia]. Como referencia, tienen el libro de Landau y Binder,  “A Guide to Monte Carlo Simulations in Statistical Physics”.