Esta pregunta realmente no tiene sentido. Un algoritmo de grupo de renormalización de espacio real debe diseñarse a medida para cada problema individual que se quiera estudiar. No hay un programa informático de “talla única” para esto.
Hay clases de algoritmos, pero no hay una teoría que nos diga que una clase particular de algoritmo dará mejores resultados que otra para un problema en particular. El hecho es que un algoritmo RSRG es generalmente una aproximación no controlada. Leo Kadanoff intentó introducir parámetros variacionales en el RSRG, pero no hay muchas matemáticas sólidas detrás de esto, excepto en el caso del modelo 2D Ising.
Y este es un problema general con el grupo de renormalización. Una expansión épsilon es una serie asintótica. Ir a un orden superior en epsilon no siempre da mejores resultados.
- Cómo acceder a la raíz de un árbol binario si está almacenado en una estructura
- ¿Puede un algoritmo descubrirse a sí mismo?
- ¿Qué SDK y lenguaje de programación debo usar para codificar algoritmos de aprendizaje automático para predicciones en tiempo real?
- ¿Qué escenario aplica algoritmo y estructura de datos?
- Dada una matriz 2D de valores booleanos, ¿cuál es la forma correcta de determinar si contiene un triángulo?
La única manera de asegurarse de que su RSRG sea bueno para un problema en el que la respuesta no se conoce analíticamente es comparar los resultados con experimentos de laboratorio o simulaciones numéricas (por ejemplo, Monte Carlo). Las ideas de escalado de tamaño finito son muy útiles aquí.
