Fizikteki Monte Carlo, istatistikteki Monte Carlo'dan nasıl farklıdır?

Algoritmalar aynı aileden gelmekle birlikte, fizik Monte Carlo'su spin kafesleri ve çok cisimli kuantum sistemleri gibi belirli fiziksel modellerin Boltzmann dağılımını hedeflemekte ve termodinamik ve kritik davranışı ne kadar iyi yeniden ürettiğine göre değerlendirilmektedir; oysa istatistiksel Monte Carlo artalan dağılımlarını (posterior distributions) ve tahmin edicileri (estimators) hedeflemektedir.

Kritik yavaşlama (critical slowing down) nedir?

Sürekli bir faz geçişinin yakınında, yerel güncellemeli Monte Carlo, büyük korelasyonlu bölgelerin çok yavaş değişmesi nedeniyle uzun korelasyon süreleri geliştirmektedir; bu nedenle bağımsız örnekler için birçok tarama (sweep) gerekmektedir. Küme algoritmaları, bunun üstesinden gelmek için tüm korelasyonlu bölgeleri tek seferde çevirmektedir.

Fizikte Monte Carlo Yöntemleri

Monte Carlo yöntemleri, fiziğin termal ortalamaları ve yüksek boyutlu integralleri, konfigürasyonları Boltzmann ağırlıklarına göre rastgele örnekleyerek hesaplamasına olanak tanımakta, böylece istatistiksel mekaniğin bölüşüm fonksiyonunu yönetilebilir bir simülasyona dönüştürmektedir.

PaperMind ile konu bulYakındaMakale ve konu bul

Tools & resources

Slaytları indir

Learn & explore

VideoYakında

Tanım

Fizikteki Monte Carlo yöntemleri, fiziksel konfigürasyon uzayı üzerindeki denge ortalamalarını ve integralleri, tipik olarak Boltzmann dağılımı olmak üzere, fiziksel bir olasılık dağılımına göre ağırlıklandırılmış örnekler üreterek tahmin eden stokastik algoritmalardır.

Kapsam

Bu alan, fizikte kullanılan Monte Carlo simülasyonunu kapsamaktadır: Metropolis algoritması ve termal toplulukların önem örneklemesi (importance sampling), Ising modeli gibi spin-modeli simülasyonları ve bunların küme algoritmaları (cluster algorithms), çok cisimli temel durumlar (ground states) için kuantum Monte Carlo ve yüksek boyutlu fiziksel integrallerin Monte Carlo ile değerlendirilmesi. İstatistiksel Monte Carlo'nun fizik odaklı karşılığıdır.

Alt konular

Temel sorular

Önem örneklemesi (importance sampling), astronomik sayıda konfigürasyon üzerindeki bir termal ortalamanın hesaplanmasını nasıl mümkün kılmaktadır?
Metropolis kabul kuralı, Boltzmann ağırlığına göre dağılmış örnekleri neden üretmektedir?
Küme algoritmaları, faz geçişlerinin yakınındaki kritik yavaşlamanın (critical slowing down) üstesinden nasıl gelmektedir?
Monte Carlo, işaret problemine (sign problem) rağmen kuantum çok cisimli sistemleri nasıl ele alabilmektedir?

Temel kuramlar

Boltzmann dağılımının önem örneklemesi (importance sampling): Tekdüze örneklenmiş durumları Boltzmann faktörleriyle ağırlıklandırmak yerine, fizik Monte Carlo'su o faktöre orantılı olasılıkla durumlar üretmekte, böylece örneklenmiş durumlar üzerindeki basit ortalamalar termal beklenen değerleri tahmin etmektedir.
Metropolis algoritması: Metropolis algoritması, yerel bir değişiklik önermekte ve enerji farkına bağlı bir olasılıkla bunu kabul etmektedir; bu, durağan dağılımı kanonik topluluk (canonical ensemble) olan bir Markov zinciri oluşturmaktadır.
Kuantum Monte Carlo: Kuantum Monte Carlo, çok cisimli bir kuantum sisteminin sanal zaman evrimini veya temel durum izdüşümünü stokastik bir örnekleme problemine eşlemekte, bu da ortalama alan teorisinin (mean-field theory) ötesinde enerjilerin ve korelasyonların hesaplanmasını sağlamaktadır.

Klinik önem

Monte Carlo simülasyonu, manyetik ve kafes modellerinin faz diyagramlarını ve kritik üstellerini, akışkanların durum denklemlerini, kuantum çok cisimli sistemlerin temel durum enerjilerini ve radyasyon taşınımını hesaplamakta, bu da onu istatistiksel ve yoğun madde fiziğinin merkezi hesaplama araçlarından biri haline getirmektedir.

Tarihçe

Fizikte Monte Carlo simülasyonu, 1953 yılında Los Alamos'ta sert kürelerin durum denklemini hesaplayan Metropolis-Rosenbluth-Teller makalesiyle başlamıştır; sonraki on yıllar faz geçişlerinin spin-modeli çalışmalarını, 1980'lerde kritik yavaşlamayı (critical slowing down) kontrol altına alan küme algoritmalarını ve çok cisimli sistemler için kuantum Monte Carlo'nun olgunlaşmasını beraberinde getirmiştir.

Tartışmalar

Fermiyon işaret problemi (fermion sign problem): Birçok fermiyonik ve engellenmiş (frustrated) kuantum sistemi için Monte Carlo ağırlıkları negatif hale gelmekte, bu da istatistiksel hatada üstel büyümeye neden olmaktadır; genel verimli çözümlerin var olup olmadığı açık ve aktif olarak çalışılan bir soru olmaya devam etmektedir.

Öne çıkan isimler

Nicholas Metropolis
Marshall Rosenbluth
Kurt Binder
David P. Landau

İlgili konular

Temel eserler

metropolis1953
newmanbarkema1999

Sıkça sorulan sorular

Fizikteki Monte Carlo, istatistikteki Monte Carlo'dan nasıl farklıdır?: Algoritmalar aynı aileden gelmekle birlikte, fizik Monte Carlo'su spin kafesleri ve çok cisimli kuantum sistemleri gibi belirli fiziksel modellerin Boltzmann dağılımını hedeflemekte ve termodinamik ve kritik davranışı ne kadar iyi yeniden ürettiğine göre değerlendirilmektedir; oysa istatistiksel Monte Carlo artalan dağılımlarını (posterior distributions) ve tahmin edicileri (estimators) hedeflemektedir.
Kritik yavaşlama (critical slowing down) nedir?: Sürekli bir faz geçişinin yakınında, yerel güncellemeli Monte Carlo, büyük korelasyonlu bölgelerin çok yavaş değişmesi nedeniyle uzun korelasyon süreleri geliştirmektedir; bu nedenle bağımsız örnekler için birçok tarama (sweep) gerekmektedir. Küme algoritmaları, bunun üstesinden gelmek için tüm korelasyonlu bölgeleri tek seferde çevirmektedir.