Entropikus modellezési módszer

A számítástechnika fejlődésével a Monte Carlo szimuláció egyre népszerűbb a különböző statisztikai rendszerek tanulmányozásában, ideértve: neurális hálózatok, biológia és kémia problémák, optimalizálási problémák különböző területeken, valamint a statisztikai fizika a fázisok tanulmányozásában. átmenetek és kritikus jelenségek.

A Monte Carlo-módszer szinte minden változata az alapvető mintavételi módszer ötletén alapul, melynek szerzője N. Metropolis és munkatársai [1]

Az entrópiás modellezési módszer megvalósításának egyik példája a Wang-Landau algoritmus

Monte Carlo módszer a klasszikus statisztikai mechanikában

A klasszikus rendszerek egyensúlyi statisztikai termodinamikájának problémái a statisztikai integrál számítására redukálhatók. Például a kanonikus együttesben :

- a részecskék száma a térfogatban egy hőmérsékleten , ; - a részecskék teljes mechanikai energiája; - nyomatékuk és koordinátáik halmaza, és . A klasszikus energia mindig ábrázolható a kinetikus és a potenciális energiák összegeként. A mozgási energia a momentum négyzetes függvénye, és a felettük való integráció általános módon történhet. Ennek eredményeként a következőket kapjuk:

ahol a tömegű de Broglie-részecskék termikus hullámhossza hőmérsékleten . Így a probléma a konfigurációs integrál kiszámítására redukálódik

A koordinátákon keresztüli integrációtól kezdve eljuthatunk az energia feletti integrációig:

ahol a konfigurációs tér azon részének térfogata, amelyben a rendszer energiája a -tól ig terjedő tartományba esik , a delta függvény.

Számításokat a fenti képletekkel fogunk végezni numerikus módszerekkel. Ezért az integrálokról az integrálösszegekre térünk át. A rendszer energiatartománya véges számú egyenlő szegmensre van felosztva . Az értékek meg vannak határozva . Ennek eredményeként bármely érték kanonikus átlagai a következő képlettel számíthatók ki:

,

ahol a th energiaszegmens mennyiségének értéke . Mivel a képlet számlálójába és nevezőjébe is lineárisan lép be , nem csak térfogatként, hanem az energiának megfelelő konfigurációs tér töredékeként is felfogható . Minden állapotban (konfigurációban) a rendszernek van egy bizonyos energiája. Azok. a rendszer minden állapota (konfigurációja) az energiatérben (ez a tér egydimenziós) az energiaskála (tengely) egy pontjához rendelhető. A rendszer konfigurációjában bekövetkező véletlenszerű változások sorrendje megfelel az energiatér egy pontjának véletlenszerű sétájának. A véletlenszerű séták folyamatát Monte Carlo módszerrel modellezve és értékeinek ismeretében, illetve kiszámításával megtalálhatjuk a fizikai mennyiségek átlagértékeit.

Entropikus modellező algoritmus

Az entrópikus modellezési algoritmus a következő körülményen alapul. Az állapotok reciproka sűrűségével arányos átmeneti valószínűségekkel véletlenszerű sétát végezve az energiatérben , egyenletes energiaeloszlást kapunk. Más szóval, ha az átmenet valószínűségét úgy választjuk meg, hogy az összes energiaállapot meglátogatása egységessé váljon, egy kezdetben ismeretlen állapotsűrűséget kaphatunk .

Írjuk be a konfigurációs integrált a kanonikus együttesbe a következő formában:

hol van az entrópia adott értéknél (néha kimarad, mert a szimulációban nem szükséges ezt az állandót figyelembe venni).

A konfigurációs térben való bolyongással a részletes egyensúlyi relációt kielégítő átmeneti valószínűségekkel

,

kap egy kanonikus mintát az állapotokról (vagy ). Az energiaállapotok tetszőleges mintája , ahol egy tetszőleges függvény , megfelel a feltételnek

.

Amikor a vándorlás során a statisztikai szóráson belül egységes energiaállapot-mintát kell kapni, . Ebben az esetben az entrópia definíciója azt jelenti

Így, ha az átmeneti valószínűségek bizonyos megválasztásával egyenletes látogatásokat kapunk az energiaállapotokban, akkor kiszámíthatjuk az állapotok sűrűségét , és ebből következően a konfigurációs integrált .

Jegyzetek

  1. N. Metropolis, A. W. Rosenbluth, M. N. Rosenbluth, A. H. Teller és E. Teller, J. Chem. Phys. 21, 1087 (1953).