统计物理中的蒙特卡罗简介精讲.ppt

统计物理中的蒙特卡罗算法简介 2013年6月 丁成祥 统计物理中的蒙特卡罗简介 正则系综 抽样模拟方法： 按照一定的规则尝试让系统从 s 态跃迁到另一个态 s1，如 果跃迁的规则满足细致平衡和各态历经，则该规则是合法的重 要性抽样规则. 简单抽样： 在系统的态空间中随机的选取样本 重要性抽样： 规则就是常说的算法，重要性抽样的效率主要取 决于算法的优劣 细致平衡: 各态历经（Ergodicity）： 样本函数的时间平均 统计平均 在晶格统计模型中，造成不能各态历经的往往是因为阻搓 等原因，导致具有某些特定特征的态的一旦进入就无法跃迁 出来或者很难；使得模拟总是在一个子空间中进行，从而得 不出正确的结果来。 例子: Ising 模型的 Monte Carlo 模拟 系统状态 s s1,s2,……,sN ，共有 2N 个态。 简单抽样：从 2N 个态里任意挑选出若干个态来做统计平均，计算物理量的值。 效率很低、 效率真的很低…… 重要性抽样： 1、局域算法（local algorithm）：Metropolis（Heat bath 2、集团算法（cluster algorithm）：Swendsen-Wang 例子: Ising 模型的 Monte Carlo 模拟 一、局域算法（local algorithm） 随机选一个格点，设其当前状态为 si，尝试让其跃迁到 -si，跃迁概率为： 例子: Ising 模型的 Monte Carlo 模拟 或者等效的采用 Heat bath： Metropolis 或者 Heat bath 比简单抽样的效率高多了，但是有临界慢化…… 例子: Ising 模型的 Monte Carlo 模拟 二、集团算法：Swendsen-Wang 算法 对晶格上的每条边，如果其两端的自旋相同，则以概率 p 1-e-2K 放一个棒 2. 有棒相连的两个自旋被认为属于同一个集团，一个孤立的自旋也算一个集团 3. 对于每个集团，其自旋（整体）随机的取 +1 或者 -1 二、集团算法：Swendsen-Wang 算法 对晶格上的每条边，如果其两端的自旋相同，则以概率 p 1-e-2K 放一个棒 2. 有棒相连的两个自旋被认为属于同一个集团，一个孤立的自旋也算一个集团 3. 对于每个集团，其自旋（整体）随机的取 +1 或者 -1 4. 统计相关物理量，返回 1 进行下一次循环 效率很高，基本没有临界慢化 关于SW算法的理解 将连乘展开，共有 2B 项，这些项可以和晶格上的随机图一一对应，随机图如下定义：每个边，如果其两端的自旋状态一样，则按照概率 p 放一个棒，否则不放。每个图的权重是 pb 1-p B-b。由于δ函数的性质，每个随机图上，属于同一个集团的格点必定有相同的自旋状态；将自旋随机重新取值，图的权重不变。这样就实现了自旋状态的更新。 这里 s 1,2,……q；从两个态推广到 q 个态 Swendsen-Wang 算法： 对晶格上的每条边，如果其两端的自旋相同，则以概率 p 1-e-K’ 放一个棒 2. 有棒相连的两个自旋被认为属于同一个集团，一个孤立的自旋也算一个集团 3. 对于每个集团，其自旋（整体）随机的取 1,2,…...q 4. 统计相关物理量，返回 1 进行下一次循环 Potts 模型的 Swendsen-Wang 算法 反铁磁 Potts 模型的 Wang-Swendsen-Koteky算法 每条边，若两端自旋不相同，则以概率 p 放棒，展开式中每一项都对应于一个图……，之后的做法和铁磁 Potts 模型的情况类似。 和 Potts 模型的唯一差别是：反铁磁 Potts 中 K’ 0；低温的时候系统更倾向于取紧邻自旋都不同的状态。 Wang-Swendsen-Roteky 算法 0. 在q 个自旋中，随机的选取连个状态 a, b作为演化自旋；其余的自旋将被暂时冻结 1. 对晶格上的每条边，如果其两端的自旋不同，则以概率 p 1-eK’ 放一个棒 2. 有棒相连的两个自旋被认为属于同一个集团，一个孤立的自旋也算一个集团 3. 对于每个集团，将其中的自旋翻转（a - b 4. 统计相关物理量，返回 1 进行下一次循环 弱点：会收到阻搓的影响，有些情况下可能不能各态历经 讲完了……. 谢谢！ 统计物理中的蒙特卡罗算法简介 2013年6月 丁成祥