重整化群（renormalization group）

退後一步、瞇起眼看一個系統，把最細微的細節模糊掉，然後問：在這個新的、較粗的尺度下，世界看起來如何？反覆這麼做，觀察那有效的描述如何演變。這個看似簡單的想法——有系統地消去短距離的自由度、觀察理論如何隨尺度改變——就是重整化群，它正是最終解釋了臨界指數為何取那些數值、以及普適性究竟為何存在的工具。

一次 RG 變換對系統做粗粒化（例如卡達諾夫的區塊自旋建構，把每一區塊的自旋換成單一有效自旋），接著把長度重新標度回原本的間距，並重整化場。其淨效果是耦合常數空間上的一個映射：每一步把一組耦合送往另一組，在「理論空間」中生成一道流。此流的不動點——耦合映射到自身之處——具有尺度不變性，而臨界點就恰好坐落於這樣一個不動點上。將不動點附近的流線性化，可把擾動分類為相關的（在粗粒化下增長，把系統推離臨界）、無關的（縮小消失，其被沖刷殆盡正是普適性的來源）、或邊際的（臨界情形）。臨界指數便可直接由不動點處線性化 RG 變換的本徵值讀出。肯尼斯·威爾森把它發展成一套計算方法（1982 年諾貝爾獎）。

重整化群由第一原理解釋了臨界指數與普適性，而同一套框架也支配量子場論中耦合常數的「跑動」（running），在那裡它解釋了強交互作用的漸近自由。關於名稱的一個誠實但書：RG 其實是一個「半群」，因為粗粒化捨棄了資訊、無法逆轉——你無法把流倒著跑回去以還原細粒化的理論。「群」是一個歷史遺留的誤稱。而在實務上，這道流只能近似地計算，透過如四維附近的 epsilon 展開或蒙地卡羅模擬等方案。