Dynamisk Monte Carlo-simulering
Dynamisk Monte Carlo (DMC) simulering är en beräkningsmetod som spårar den stokastiska tidsutvecklingen av ett system genom att dra slumpmässiga händelseförlopp viktade av övergångsfrekvenser. Till skillnad från statisk Monte Carlo-sampling av jämviktsfördelningar, avancerar DMC explicit en klocka, vilket gör den lämplig för kinetiska, reaktions- och tidberoende fenomen där händelsernas sekvens och tidpunkt är avgörande.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Dynamic Monte Carlo Simulation. ScholarGate. https://scholargate.app/sv/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 statistik↔ compare
- Gibbs samplingBayesiansk statistik↔ compare
- Markov Chain Monte Carlo (MCMC)Simulering↔ compare
- Partikelfilter (sekventiell Monte Carlo)Bayesiansk statistik↔ compare
- Sekventiell Monte CarloBayesiansk statistik↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →