3D无精确解-真值来源与RG的意义

3D 没有精确解：真值从哪来，以及为什么仍需 RG

两个问题：3D 没有昂萨格那样的精确解，RG 的误差拿什么对？既然 3D 高精度数值能拿到，RG 是不是多此一举？前者讲”真值从哪来”，后者讲”RG 与数值各管什么”。

3D 的”真值”：多种独立方法的共识

3D 伊辛确实没有解析闭式（这是公开难题）。但”没有解析解”不等于”不知道答案”。3D 的基准值来自几条互不依赖的高精度路线，它们都收敛到同一组数：

• 蒙特卡洛（在大格点上随机抽样模拟）：配合有限尺寸标度外推，今天能把指数定到 4–5 位有效数字。
• 高温级数展开：把热力学量展成 $\tanh K$（或 $1/T$）的幂级数，组合地精确算出很多项，再用逼近技巧外推到临界点。
• 共形自举：只用对称性与内部自洽性，对 3D 伊辛的指数给出严格的数值上下界，今天逼到约 6 位有效数字，是目前最精确的来源（如 $\nu =0.629971(4),\tilde{\eta }=0.0362978(20)$）。

三条路出身完全不同，却给出一致的数——这种跨方法的一致本身就是”真值”：不是某一条算法的输出，而是大家收敛到的共识。RG（高阶 $\epsilon$ 展开 + 重求和）的误差，就是它的输出对这组共识值的偏差；重求和后的 $\epsilon$ 展开给出 $\nu \approx 0.6300,\tilde{\eta }\approx 0.036$，正落在共识里，这就完成了验证。

要点：没有”解析精确解”也能有”高精度真值”。一维的特殊只是真值有初等闭式 $\ln (2\cosh K)$（一维伊辛自由能-Chandler精确值）；2D 有昂萨格闭式；3D 没闭式，但有数值上的准精确值。

既然有数值，为什么还要 RG

因为数值与 RG 回答的是不同问题。数值给你某个具体模型的一串数字；RG 给这些数字背后的结构与理由——数字本身给不了。RG 提供而暴力数值给不出的东西：

1. 普适性。数值只能算”立方晶格、近邻耦合的 3D 伊辛”这一个模型，本身说不清：液气临界点、单轴铁磁体、合金有序化、${\phi }^4$ 场论，凭什么量出同一套指数。RG 给理由——它们流向同一个不动点，微观差异是被冲掉的无关方向（05-重整化群）。这是预言：只看维度 $d$ 与序参量对称性就能判断谁与谁同类，不必逐个去模拟。

2. 为什么有幂律、为什么有标度律。临界点的幂律奇异、Rushbrooke/Widom/Fisher/超标度这些关系、数据塌缩，都是不动点结构的推论（04-标度假设与普适性 假设的标度，05-重整化群 把它导出）。数值能验证某条标度律成立，却讲不出为什么成立。

3. 什么重要、什么不重要。RG 把扰动分成相关/无关/边缘：加个次近邻耦合不改变普适类（无关），改变对称性才改变。这是组织性的预测知识。

4. 数值其实建在 RG 之上。3D 高精度指数靠蒙特卡洛的有限尺寸标度外推，而有限尺寸标度本身就是 RG 的产物：模拟有限格点 $L$，用 RG 导出的标度形式（某量 $\sim L^{x}f(L/\xi )$）把数据外推到 $L\to \infty$；连”修正到标度”的指数 $\omega$ 也来自 RG 的无关本征值。不知道这套标度形式，有限数据根本不知道怎么外推。所以”轻易拿到 3D 数值”，是 RG 把路铺好了才轻易。

5. 一套机器，到处能用。RG 不止算临界点：场论重整化、近藤问题、高分子、湍流……都是它；$\epsilon$ 展开还一次给出整族任意分量数 $n$、任意维度 $d$ 的指数，能预言尚未模拟的系统。数值得一个个从头来。

所以不是脱裤子放屁：数值给”是多少”，RG 给”为什么是这样、谁和谁一样、以及凭什么能这样外推”。历史上正是 RG（威尔逊，1971）才解释了平均场为何失败、普适性为何成立——拿诺奖靠的不是多算一个数，而是理解。