Metropolis Monte Carlo trong Vật lý

Thuật toán Metropolis là công cụ chính trong mô phỏng vật lý thống kê: bằng cách chấp nhận hoặc từ chối các bước di chuyển được đề xuất dựa trên chi phí năng lượng của chúng, nó xây dựng một chuỗi Markov lấy mẫu các cấu hình với xác suất Boltzmann chính xác của chúng.

Definition

Thuật toán Metropolis là một phương pháp Monte Carlo chuỗi Markov tạo ra một chuỗi các cấu hình có phân bố giới hạn là tập hợp chính tắc, bằng cách đề xuất các thay đổi cục bộ và chấp nhận chúng với xác suất được đặt bởi yếu tố Boltzmann của sự thay đổi năng lượng.

Scope

Chủ đề này bao gồm các thuật toán Metropolis và Metropolis-Hastings khi áp dụng cho các hệ vật lý: quy tắc chấp nhận, cân bằng chi tiết và tính ergodic, cân bằng và tự tương quan, và ước tính các giá trị trung bình nhiệt và sai số thống kê của chúng. Đây là phương pháp lấy mẫu nền tảng làm cơ sở cho lĩnh vực Monte Carlo rộng lớn hơn.

Core questions

• Xác suất chấp nhận phụ thuộc vào sự thay đổi năng lượng của một bước di chuyển được đề xuất như thế nào?
• Tại sao cân bằng chi tiết đảm bảo phân bố dừng chính xác?
• Thời gian cân bằng và tự tương quan được chẩn đoán và tính toán như thế nào?
• Sai số thống kê của giá trị trung bình Monte Carlo được ước tính từ các mẫu tương quan như thế nào?

Key theories

Cân bằng chi tiết và tính dừng

Việc chọn các xác suất chấp nhận thỏa mãn cân bằng chi tiết đối với phân bố Boltzmann đảm bảo rằng phân bố đó là dừng dưới chuỗi Markov, do đó các giá trị trung bình dài hạn hội tụ về các giá trị kỳ vọng nhiệt.

Tổng quát hóa Metropolis-Hastings

Hastings đã tổng quát hóa quy tắc chấp nhận cho các phân bố đề xuất không đối xứng, mở rộng thuật toán vượt ra ngoài các bước di chuyển cục bộ đối xứng trong khi vẫn giữ nguyên phân bố dừng mục tiêu.

Tự tương quan và ước tính sai số

Các mẫu Metropolis liên tiếp có tương quan, do đó số lượng mẫu độc lập hiệu quả bị giảm bởi thời gian tự tương quan, điều này phải được đo để gán các thanh sai số đáng tin cậy cho các giá trị trung bình nhiệt.

Clinical relevance

Lấy mẫu Metropolis tính toán các đại lượng nhiệt động lực học của các mô hình spin mạng tinh thể, chất lỏng và polyme, xác định các chuyển pha, và đóng vai trò là công cụ cốt lõi trong mô phỏng phân tử Monte Carlo và nhiều sơ đồ Monte Carlo lượng tử.

History

Được giới thiệu vào năm 1953 để tính toán phương trình trạng thái của một chất lỏng đĩa cứng hai chiều trên máy tính MANIAC tại Los Alamos, thuật toán này đã được Hastings tổng quát hóa vào năm 1970 và trở thành phương pháp mô phỏng được sử dụng rộng rãi nhất trong vật lý thống kê và sau đó là trong thống kê Bayes.

Key figures

• Nicholas Metropolis
• Arianna Rosenbluth
• W. Keith Hastings

Seminal works

• metropolis1953
• hastings1970

Frequently asked questions

Tại sao các bước di chuyển làm giảm năng lượng luôn được chấp nhận?

Một bước di chuyển làm giảm năng lượng sẽ làm tăng trọng số Boltzmann, do đó việc chấp nhận nó luôn di chuyển chuỗi về các trạng thái có xác suất cao hơn; các bước di chuyển lên dốc chỉ được chấp nhận đôi khi, với xác suất được đặt bởi sự tăng năng lượng, điều này cho phép chuỗi khám phá toàn bộ phân bố nhiệt chứ không chỉ lăn xuống dốc.

Tại sao các mẫu phải bị loại bỏ ở đầu một lần chạy?

Chuỗi bắt đầu từ một cấu hình tùy ý chưa đại diện cho phân bố cân bằng. Giai đoạn cân bằng ban đầu hoặc giai đoạn khởi động bị loại bỏ để các giá trị trung bình đo được phản ánh tập hợp nhiệt thực sự chứ không phải là sai lệch ban đầu.