蒙特卡罗方法(Ⅰ)解析.ppt

蒙特卡罗方法 D. Frenkel and B. Smit, Understanding Molecular Simulation: From Algorithms to Applications (Elsevier, 1996) D.P. Landau and K. Binder, A Guide to Monte Carlo Simulations in Statistical Physics (Cambridge University Press, Cambridge, 2000) 马文淦， 《计算物理学》 （中国科技大学出版社，2001年） 丁泽军，《计算物理》 （2011年） 主要参考书目 计算机模拟和蒙特卡罗方法 实验方法 模拟方法 理论方法 格林函数 重整化群（NRG，DMRG，FRG） 微扰法 变分法 转移矩阵法 精确对角化方法 DMFT等 分子束外延 电化学方法 ARPES STM 中子散射 x射线衍射等 第一性原理 分子动力学 蒙特卡罗方法（KMC,QMC,PMC） 耗散动力学等。 物理学研究方法 目 录 第一节 蒙特卡罗方法概述 第二节 随机数与随机变量抽样 第三节 量子蒙特卡罗方法（1） 第四节 量子蒙特卡罗方法（2） 第五节 蒙特卡罗方法的应用实例 §1 蒙特卡罗方法概述---基本思想 理论依据： 　大数定理：均匀分布的算术平均收敛于真值 　中心极限定理：置信水平下的统计误差 两个例子： 　Buffen投针实验求π 　射击问题（打靶游戏） 基本思想： 　针对待求问题，根据物理现象本身的统计规律，或人为构造一合适的依赖随机变量的概率模型，使某些随机变量的统计量为待求问题的解，进行大统计量的统计实验方法或计算机随机模拟方法。 Buffon投针实验(1777年）求π: ３．各向同性随机投针，则夹角α在[０,π]均匀分布，所以： ４．设投针N次，相交次数为M，则相交概率的期望值： N→∞大数定理 §1 蒙特卡罗方法概述---基本思想 ２．针与平行线垂直方向夹角为α，则相交概率为： １．平行线间距＝针长＝s 许多人进行了实验，其结果列于下表 ： 实验者 年份 投计次数 π的实验值 沃尔弗(Wolf) 1850 5000 3.1596 史密思(Smith) 1855 3204 3.1553 福克斯(Fox) 1894 1120 3.1419 拉查里尼(Lazzarini) 1901 3408 3.1415929 §1 蒙特卡洛方法的基本思想 §1 蒙特卡罗方法概述---基本思想 ２.用概率语言，g是随机变量ｇ(r)的数学期望，即 ３.假设该运动员进行了Ｎ次射击，每次射击的弹着点依次为r1，r2，…，rN，则Ｎ次得分g(r1)，g(r2)，…，g(rN)的算术平均值 代表了该运动员的成绩 射击问题（打靶游戏） §1 蒙特卡罗方法概述---基本思想 1.设r表示射击运动员弹着点到靶心的距离，ｇ(r)表示击中r处相应的得分数（环数），f(r)为该运动员弹着点的分布密度函数，则该运动员的射击成绩为： ４.用Ｎ次试验所得成绩的算术平均值作为数学期望g的估计值。 例如，设射击运动员的弹着点分布为 环数 7 8 9 10 概率 0.1 0.1 0.3 0.5 用计算机作随机试验（射击）：选取一个随机数ξ，按右边所列方法判断得到成绩。这样，就进行了一次随机试验（射击），得到了一次成绩ｇ(r)，作Ｎ次试验后，得到该运动员射击成绩的近似值 §1 蒙特卡罗方法概述---基本思想 　收敛性:大数定理 由大数定律，如果X1，X2，…，XN独立同分布，且具有有限期望值（E(X)∞），则 即随机变量X的简单子样的算术平均值 ，当子样数Ｎ充分大时，以概率1收敛于它的期望值E(X)。 蒙特卡罗方法是由随机变量X的简单子样X1，X2，…，XN的算术平均值，作为所求解问题的近似值 ： §1 蒙特卡罗方法概述---大数定理 §1 蒙特卡洛方法概述---中心极限定理 f(x)是X的分布密度函数。则当N充分大时，有如下的近似式 如果随机变量序列X1，X2，…，XN独立同分布，且具有有限非零的方差σ2 ，即 其中α称为置信度，1－α称为置信水平。这表明，不等式 近似地以概率1－α成立，且误差收敛速度的阶为：O(N-1/2) 中心极限定理给出了MC方法的近似值与真值的误差问题。 置信度α是一一对应的，查标准正态分布表，可以确定。 误差ε定义为 几个常用的α与λα 的数值： α 0.5 0.05 0.003 λα 0.6745 1.96 3 §1 蒙特卡洛方法概述---中心极限定理 两点说明： (1)MC方法的误差为概率误差，这与其他数值计算方法是有区别的