Fizikte Metropolis Monte Carlo
Metropolis algoritması, istatistiksel fizik simülasyonlarının temel aracıdır: önerilen hareketleri enerji maliyetlerine göre kabul ederek veya reddederek, doğru Boltzmann olasılıklarıyla konfigürasyonları örnekleyen bir Markov zinciri oluşturmaktadır.
Tanım
Metropolis algoritması, sınırlayıcı dağılımı kanonik topluluk olan bir dizi konfigürasyon üreten bir Markov zinciri Monte Carlo yöntemidir; bu yöntem, yerel değişiklikler önermekte ve bunları enerji değişiminin Boltzmann faktörü tarafından belirlenen bir olasılıkla kabul etmektedir.
Kapsam
Bu konu, fiziksel sistemlere uygulanan Metropolis ve Metropolis-Hastings algoritmalarını kapsamaktadır: kabul kuralı, ayrıntılı denge ve ergodisite, dengeleme ve otokorelasyon ile termal ortalamaların ve istatistiksel hatalarının tahmini. Daha geniş Monte Carlo alanının temel örnekleme yöntemini oluşturmaktadır.
Temel sorular
- Kabul olasılığı, önerilen bir hareketin enerji değişimine nasıl bağlıdır?
- Ayrıntılı denge neden doğru durağan dağılımı garanti etmektedir?
- Dengeleme ve otokorelasyon süreleri nasıl teşhis edilmekte ve dikkate alınmaktadır?
- Monte Carlo ortalamasının istatistiksel hatası, korelasyonlu örneklerden nasıl tahmin edilmektedir?
Temel kuramlar
- Ayrıntılı denge ve durağanlık
- Boltzmann dağılımına göre ayrıntılı dengeyi sağlayan kabul olasılıklarının seçilmesi, bu dağılımın Markov zinciri altında durağan olmasını sağlamaktadır; böylece uzun vadeli ortalamalar termal beklenen değerlere yakınsamaktadır.
- Metropolis-Hastings genellemesi
- Hastings, kabul kuralını asimetrik öneri dağılımlarına genelleştirerek, hedef durağan dağılımı korurken algoritmayı simetrik yerel hareketlerin ötesine genişletmiştir.
- Otokorelasyon ve hata tahmini
- Ardışık Metropolis örnekleri korelasyonlu olduğundan, bağımsız örneklerin etkin sayısı otokorelasyon süresiyle azalmaktadır; bu süre, termal ortalamalara doğru hata çubukları atamak için ölçülmelidir.
Klinik önem
Metropolis örneklemesi, kafes spin modellerinin, akışkanların ve polimerlerin termodinamik niceliklerini hesaplamakta, faz geçişlerini belirlemekte ve Monte Carlo moleküler simülasyonu ile birçok kuantum Monte Carlo şemasının temel motoru olarak hizmet etmektedir.
Tarihçe
1953 yılında Los Alamos'taki MANIAC bilgisayarında iki boyutlu sert disk akışkanının durum denklemini hesaplamak amacıyla tanıtılan algoritma, 1970 yılında Hastings tarafından genelleştirilmiş ve istatistiksel fizikte, daha sonra da Bayesçi istatistikte en yaygın kullanılan simülasyon yöntemi haline gelmiştir.
Öne çıkan isimler
- Nicholas Metropolis
- Arianna Rosenbluth
- W. Keith Hastings
İlgili konular
Temel eserler
- metropolis1953
- hastings1970
Sıkça sorulan sorular
- Enerjiyi düşüren hareketler neden her zaman kabul edilmektedir?
- Enerjiyi düşüren bir hareket Boltzmann ağırlığını artırmaktadır, bu nedenle bu tür bir hareketi kabul etmek zinciri her zaman daha olası durumlara doğru ilerletmektedir; yokuş yukarı hareketler ise yalnızca bazen, enerji artışıyla belirlenen bir olasılıkla kabul edilmektedir, bu da zincirin sadece yokuş aşağı yuvarlanmak yerine tam termal dağılımı keşfetmesini sağlamaktadır.
- Bir çalıştırmanın başlangıcında örnekler neden atılmalıdır?
- Zincir, denge dağılımını henüz temsil etmeyen rastgele bir konfigürasyondan başlamaktadır. Ölçülen ortalamaların başlangıçtaki yanlılığı değil, gerçek termal topluluğu yansıtması için başlangıçtaki dengeleme veya ısınma (burn-in) dönemi atılmaktadır.