Dynamisk Monte Carlo-simulering
Dynamisk Monte Carlo (DMC)-simulering er en beregningsmetode, der sporer et systems stokastiske tidsudvikling ved at trække tilfældige hændelsesforløb vægtet efter overgangsrater. I modsætning til statisk Monte Carlo-sampling af ligevægtsfordelinger, fremfører DMC eksplicit et ur, hvilket gør den velegnet til kinetiske, reaktions- og tidsafhængige fænomener, hvor rækkefølgen og timingen af hændelser er afgørende.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Bortz, A. B., Kalos, M. H., & Lebowitz, J. L. (1975). A new algorithm for Monte Carlo simulation of Ising spin systems. Journal of Computational Physics, 17(1), 10–18. DOI: 10.1016/0021-9991(75)90060-1 ↗
- Gillespie, D. T. (1977). Exact stochastic simulation of coupled chemical reactions. The Journal of Physical Chemistry, 81(25), 2340–2361. DOI: 10.1021/j100540a008 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Dynamic Monte Carlo Simulation. ScholarGate. https://scholargate.app/da/bayesian/dynamic-monte-carlo-simulation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bootstrap-simuleringSimulering↔ compare
- Dynamisk Bayesiansk InferensBayesiansk↔ compare
- Gibbs SamplingBayesiansk↔ compare
- Markov Chain Monte Carlo (MCMC)Simulering↔ compare
- Partikelfilter (sekventiel Monte Carlo)Bayesiansk↔ compare
- Sekventiel Monte CarloBayesiansk↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →