第十三章 monte carlo 模拟ii 重要抽样 郑大昉.pptVIP

非均匀抽样计算积分 若在某些（甚至是大量）的抽样点处，　　　的值很小，则它们对积分值的贡献将会很小，导致抽样效率(因此模拟效率)低． 实现方法是，构造一概率密度分布函数　　　，其形状应尽可能地与　　　接近，并按　　　的概率密度分布进行抽样．　　 若想获得高效率，则应在　　　值大的地方多抽些点，而在其值小的地方少抽些点，这便是重要抽样思想． 为此，可把(13-1) 改写成：　　 (13-4) 令： 因此，若从　　　区间中随机产生　　个随机数　　　，则可通过反函数法求得　　，即： 则： 并得积分估算值：　 (13-5) (13-6) (13-7) (13-8) 积分值的方差 为进一步理解重要抽样的优点，现估算按(13-8)给出的积分值的方差： 假设各样本之间是完全独立的（尽管实际情况并不能严格满足(?)），则(13-9)中的交叉项消失, 得：　　 (13-9) (13-10) 或：　　 (13-11) 若能找到　　，使 则：　　 但此理想情形下其积分也就能解析求解了． 然而,选 (简单抽样)方差最大, 让其逼近 可大大减少方差. 考察一给定粒子数 , 体积 及温度 的多体系统, 则热力学平衡下任一物理量的测量值可表为: Metropolis 重要抽样法 (13-12) 其中: ----体系状态. (13-13) 分析: 1. 如采用通常的数值积分, 是否可行? ----体系哈密顿量. (13-14) ----体系配分函数. (13-15) (13-16) 2. 若用MC简单抽样, 模拟又会面临什么问题? 3. 如何运用MC重要抽样进行模拟? Markov链及重要抽样的实现 Metropolis 给出如下的重要抽样方法: (Metropolis et al, J. Chem. Phys. 21, 1087(1953)) 1. 各态历经性 先在构型空间 预备一旧的状态 , 随之对该状态做一随机扰动, 得到一新的状态 ,相应的构型为 . 假定状态的演化遵循Markov链过程, 则满足(或最终将满足) 其中:　　 (13-17) 2. 细致平衡条件 ----状态 的概率密度 (13-18) ----状态 向状态 的一步转移概率. 显然, 上式给出的 的选择仍带有任意性. (13-17)给出: Metropolis 选取:　　 (13-19) (13-20) (13-21) 其中: 但当前较为流行的选取是: 此外, 还有Heat-bath 算法: (13-22) (13-23) (13-24) 即转移概率直接取为新状态出现的概率. 总之 , 的选取有相当的自由度,但应满足各态历经性及细致平衡条件, 且应能够具有较快的收敛性. 以下以 Ising 模型为例,具体给出Metropolis 方法的实现及模拟技术细节. Ising 模型的Monte Carlo 模拟 该模型虽然简单,但却包含着极其丰富的物理内容,可用于描述单轴各向异性的磁性系统. (13-25) ----最近邻对. a. Ising 最早给出该模型一维下的严格解(无相变). Ising 模型 ----自旋取值, ----铁磁(反铁磁)性, ----外加磁场. b. Onsager 44年给出该模型二维无外场下的严格解. c. 扬振宁 52年给出该模型二维弱场下的严格解. (13-26) a. 平均能量: 被关注的物理问题或物理量 b. 平均磁化强度: d. 比热: (13-27) c. 磁化率: e. 自旋相关性: f. Binder 4 阶累积量: (13-28) (13-29) (13-30) (13-31) g. 临界现象及临界指数. a. 选择(或根据问题要求给定)一晶格结构, 例如 模拟算法及技术细节 二维正方格子: 同时给出初始时刻的 个自旋取值在各格点的分布构型: 或三维立方格子: 例如: ----适合于低温下的模拟. 或随机给定 ---- 适合于高温下的模拟. 此外,应选择某种合适的边界条件,例如: 周期性边界条件: 即在所有行和列方向,均设定: 算出,若 导致的体系能量差: 由于相互作用是最近邻的, 故计算 可按如下简化: b. 每一时刻, 抽取一自旋 , 可以按顺序抽取,也可随机抽取. 设 的最近邻为 ,则: