物理问题的计算机模拟方法—蒙特卡罗方法.doc

第三章 随机性模拟方法—蒙特卡罗方法（MC） § 3.1 预备知识 例：一个粒子在一个二维正方格点上跳跃运动 随机行走：每一时间步上，粒子可选择跳到四个最近邻格点上的任何一个，而记不得自己来自何方； 自回避行走：粒子记得自己来自什么地方，而回避同它自己的路径交叉。 随机行走的每一步的结果就是系统的一个状态，从一个状态到另一个状态的跃迁只依赖于出发的状态，这些状态形成一个序列，这就是一个马尔可夫链。 状态序列：x0, x1, …, xn, … 已给出状态x0, x1, …, xn+1 的确定值，xn出现的概率叫做条件概率 马尔可夫链的定义： 如果序列x0, x1, …, xn, …对任何n都有 则此序列为一个马尔可夫链（或过程）。 § 3.2 布朗动力学（BD） 1．郎之万方程 方程右边第一项为随机力，对粒子起加热作用；第二项为摩擦力，避免粒子过热。 将方程变形为： 于是，解可写为： 当随机力R(t)服从高斯分布时，上述方程的解描述的即为布朗运动，于是，布朗运动问题就化为在一些补充条件下求解郎之万方程，即 注： 表示随机力R在t和t’时刻没有关联, q为噪声强度。 为方差(R平均值为零)， h为随机力关联时间，一般即为时间步长，在此时间内，粒子受到一个恒定地随机力作用。 由于R(t)服从高斯分布，上述方程的解v(t) 也服从高斯分布。 算法A7 (布朗动力学) 指定粒子的初始位置r0和初始速度v0; 从均值为零，方差为R2的高斯分布中选取一个随机数； 对速度积分得出；（ ） 在速度上加上随机分量。(??) 可将上述算法推广到含有规则力的系统。下面考虑粒子系与热浴耦合保持系统温度恒定的方法之一——系统粒子和虚拟粒子发生碰撞（正则细综控制温度恒定的方法之一）。 在系统的哈密顿运动方程中的动量方程里加上一个随机力就可实现上述目的： 算法A8 (随机碰撞) 按泊松分布选取粒子发生碰撞的时间间隔(； 积分运动方程至发生碰撞为止（）; 若遭受碰撞的粒子为i, 则从温度为T的玻尔兹曼分布中随机选取一个动量pi ( (作为该粒子的新动量)； 回到第2步。 § 3.3 蒙特卡罗方法 1．什么是蒙特卡罗方法？ 建立问题的概率模型 问题的解为模型的数学期望 抽样计算算术平均近似为数学期望 2．蒙特卡罗方法的数学基础 （1）大数定理 算术平均数学期望I （2）中心极限定理 收敛程度，估计误差 对给定的置信区间，误差界与方差(成正比，与抽样次数n的平方根成反比。 3．蒙特卡罗方法的基本步骤 算法A9 规定; 产生; 计算跃迁概率； 产生随机数 ; 若，则（不动），回到第二步； 若，则接受，回到第二步。 4．蒙特卡罗方法的局限性 (1) 有限系统大小的限制； (2) 有限马尔科夫链长短的限制。 5．有关跃迁几率的问题 系统处于状态x的几率： ( 配分函数 ( 物理量的平均值 细致平衡条件： 定义： 对的限制： 对的限制： （1）， （2），（3） § 3.4 微正则系综蒙特卡罗方法 1．NVE恒定 配分函数： 系综平均： 中不含动能项，因此是一个由马尔可夫链产生的动力学。 允许的状态： 引入一个妖精（Spirit）,具有能量(允许的能量变化范围) 2．算法A10 NVE—MC方法 建立一个状态x, 使得； 设定初始的ED (例如ED=1)； 选定系统的一部分（例如某个粒子，随机选定）； 改变系统的局部状态： （例如粒子随机行走一步）； 计算 若，则，，返回第3步； 若，则当时，，，返回第3步； 当时，返回第3步（不发生跃迁）； 当系统达到平衡后，妖精的能量满足玻耳兹曼分布，即 因此，可以通过计算达到平衡后妖精的能量的平均值来确定系统的能量，从这个角度看，妖精像一支温度计，而系统为热库。 3. Ising 模型(d维格子) 广义体积：, 自旋： 哈密顿量： J 为交换耦合能， J 0, 此哈密顿量为铁磁体模型，自旋倾向于同向排列； J 0, 此哈密顿量为反铁磁体模型，自旋倾向于