Bayesian methodsBayesian / computational

شبیه‌سازی مونت کارلو دینامیک

شبیه‌سازی مونت کارلو دینامیک (DMC) یک روش محاسباتی است که تکامل زمانی تصادفی یک سیستم را با ترسیم توالی‌های رویداد تصادفی وزن‌دهی شده بر اساس نرخ‌های گذار، ردیابی می‌کند. برخلاف نمونه‌برداری مونت کارلو ایستا از توزیع‌های تعادلی، DMC به صراحت یک ساعت را به جلو می‌برد، که آن را برای پدیده‌های جنبشی، واکنشی و وابسته به زمان که توالی و زمان‌بندی رویدادها اهمیت دارند، مناسب می‌سازد.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. 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
  2. Gillespie, D. T. (1977). Exact stochastic simulation of coupled chemical reactions. The Journal of Physical Chemistry, 81(25), 2340–2361. DOI: 10.1021/j100540a008

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Dynamic Monte Carlo Simulation. ScholarGate. https://scholargate.app/fa/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.

Compare side by side
ScholarGateDynamic Monte Carlo Simulation (Dynamic Monte Carlo Simulation). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/bayesian/dynamic-monte-carlo-simulation · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026