ScholarGate
Ассистент
Bayesian methodsBayesian / computational

Динамическое моделирование методом Монте-Карло

Динамическое моделирование методом Монте-Карло (DMC) — это вычислительный метод, который отслеживает стохастическую временную эволюцию системы путем генерации случайных последовательностей событий, взвешенных по скоростям переходов. В отличие от статической выборки равновесных распределений методом Монте-Карло, DMC явно продвигает время, что делает его подходящим для кинетических, реакционных и зависящих от времени явлений, где последовательность и время событий имеют значение.

Открыть в MethodMindСкороВидеоСкороСкачать слайды

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Карта метода

Окружение родственных методов — выберите узел, чтобы перейти к нему.

Источники

  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

Как цитировать эту страницу

ScholarGate. (2026, June 3). Dynamic Monte Carlo Simulation. ScholarGate. https://scholargate.app/ru/bayesian/dynamic-monte-carlo-simulation

Какой метод?

Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.

Сравнить рядом
ScholarGateDynamic Monte Carlo Simulation (Dynamic Monte Carlo Simulation). Получено 2026-06-15 из https://scholargate.app/ru/bayesian/dynamic-monte-carlo-simulation · Набор данных: https://doi.org/10.5281/zenodo.20539026