Metropolis Monte Carlo dalam Fisika

Algoritma Metropolis adalah tulang punggung simulasi fisika statistik: dengan menerima atau menolak usulan pergerakan berdasarkan biaya energinya, algoritma ini membangun rantai Markov yang mengambil sampel konfigurasi dengan probabilitas Boltzmann yang benar.

Definition

Algoritma Metropolis adalah metode Monte Carlo rantai Markov yang menghasilkan urutan konfigurasi yang distribusi batasnya adalah ensemble kanonik, dengan mengusulkan perubahan lokal dan menerimanya dengan probabilitas yang ditetapkan oleh faktor Boltzmann dari perubahan energi.

Scope

Topik ini mencakup algoritma Metropolis dan Metropolis-Hastings sebagaimana diterapkan pada sistem fisik: aturan penerimaan, keseimbangan terperinci dan ergodisitas, ekuilibrasi dan autokorelasi, serta estimasi rata-rata termal dan kesalahan statistiknya. Ini adalah metode pengambilan sampel dasar yang mendasari area Monte Carlo yang lebih luas.

Core questions

• Bagaimana probabilitas penerimaan bergantung pada perubahan energi dari pergerakan yang diusulkan?
• Mengapa keseimbangan terperinci menjamin distribusi stasioner yang benar?
• Bagaimana waktu ekuilibrasi dan autokorelasi didiagnosis dan diperhitungkan?
• Bagaimana kesalahan statistik dari rata-rata Monte Carlo diperkirakan dari sampel yang berkorelasi?

Key theories

Keseimbangan terperinci dan stasioneritas

Memilih probabilitas penerimaan yang memenuhi keseimbangan terperinci sehubungan dengan distribusi Boltzmann memastikan bahwa distribusi tersebut stasioner di bawah rantai Markov, sehingga rata-rata jangka panjang konvergen ke nilai ekspektasi termal.

Generalisasi Metropolis-Hastings

Hastings menggeneralisasi aturan penerimaan ke distribusi proposal asimetris, memperluas algoritma di luar pergerakan lokal simetris sambil mempertahankan distribusi stasioner target.

Autokorelasi dan estimasi kesalahan

Sampel Metropolis yang berurutan berkorelasi, sehingga jumlah efektif sampel independen berkurang oleh waktu autokorelasi, yang harus diukur untuk menetapkan batang kesalahan yang jujur pada rata-rata termal.

Clinical relevance

Pengambilan sampel Metropolis menghitung kuantitas termodinamika model spin kisi, fluida dan polimer, menemukan transisi fase, dan berfungsi sebagai mesin inti dalam simulasi molekuler Monte Carlo dan banyak skema Monte Carlo kuantum.

History

Diperkenalkan pada tahun 1953 untuk menghitung persamaan keadaan fluida cakram keras dua dimensi pada komputer MANIAC di Los Alamos, algoritma ini digeneralisasi oleh Hastings pada tahun 1970 dan menjadi metode simulasi yang paling banyak digunakan dalam fisika statistik dan, kemudian, dalam statistik Bayesian.

Key figures

• Nicholas Metropolis
• Arianna Rosenbluth
• W. Keith Hastings

Seminal works

• metropolis1953
• hastings1970

Frequently asked questions

Mengapa pergerakan yang menurunkan energi selalu diterima?

Pergerakan yang menurunkan energi meningkatkan bobot Boltzmann, sehingga menerimanya selalu menggerakkan rantai menuju keadaan yang lebih mungkin; pergerakan menanjak hanya kadang-kadang diterima, dengan probabilitas yang ditetapkan oleh peningkatan energi, yang memungkinkan rantai menjelajahi distribusi termal penuh daripada hanya bergerak menurun.

Mengapa sampel harus dibuang pada awal suatu proses?

Rantai dimulai dari konfigurasi arbitrer yang belum mewakili distribusi ekuilibrium. Periode ekuilibrasi awal atau burn-in dibuang agar rata-rata yang diukur mencerminkan ensemble termal yang sebenarnya daripada bias awal.