Мультиканонический ансамбль
В статистике и физике мультиканонический ансамбль (также называемый мультиканонической выборкой или плоской гистограммой ) представляет собой метод выборки Монте-Карло с использованием цепи Маркова , который использует алгоритм Метрополиса-Гастингса для вычисления интегралов , где подынтегральное выражение имеет грубый ландшафт с несколькими локальными минимумами . Он производит выборку состояний в соответствии с обратной плотностью состояний : [1] который должен быть известен априори или быть вычислен с использованием других методов, таких как алгоритм Ванга и Ландау . [2] Мультиканоническая выборка — важный метод для спиновых систем, таких как модель Изинга или спиновые очки . [1] [3] [4]
Мотивация
[ редактировать ]В системах с большим числом степеней свободы, таких как спиновые системы, интегрирование Монте-Карло требуется . В этой интеграции выборка по важности и, в частности, алгоритм Метрополиса . очень важным методом является [3] Однако алгоритм Метрополиса выбирает состояния в соответствии с где бета — обратная температура. Это означает, что барьер энергетический в энергетическом спектре экспоненциально трудно преодолеть. [1] Системы с несколькими локальными минимумами энергии, такие как модель Поттса, становится трудными для выборки, поскольку алгоритм застревает в локальных минимумах системы. [3] Это мотивирует другие подходы, а именно, другие распределения выборки.
Обзор
[ редактировать ]Мультиканонический ансамбль использует алгоритм Метрополиса – Гастингса с распределением выборки, определяемым обратной плотностью состояний системы, в отличие от распределения выборки. алгоритма Метрополиса. [1] При таком выборе в среднем количество состояний, выбранных при каждой энергии, является постоянным, т.е. это моделирование с «плоской гистограммой» по энергии. Это приводит к алгоритму, для которого энергетические барьеры уже не сложно преодолеть. Еще одним преимуществом перед алгоритмом Метрополиса является то, что выборка не зависит от температуры системы, а это означает, что одно моделирование позволяет оценить термодинамические переменные для всех температур (отсюда и название «мультиканонический»: несколько температур). Это большой шаг вперед в изучении фазовых переходов первого рода . [1]
Самая большая проблема при создании мультиканонического ансамбля состоит в том, что плотность состояний должна быть известна априори . [2] [3] Одним из важных вкладов в мультиканоническую выборку стал алгоритм Ванга и Ландау , который асимптотически сходится к мультиканоническому ансамблю при вычислении плотности состояний во время сходимости. [2]
Мультиканонический ансамбль не ограничивается физическими системами. которые имеют функцию стоимости F. Его можно использовать в абстрактных системах , Используя плотность состояний относительно F, метод становится общим для вычисления интегралов более высокой размерности или поиска локальных минимумов. [5]
Мотивация
[ редактировать ]Рассмотрим систему и ее фазовое пространство. характеризуется конфигурацией в и функция «стоимости» F из фазового пространства системы в одномерное пространство. : , спектр F .
пример: |
Вычисление средней величины по фазовому пространству требует вычисления интеграла:
где — это вес каждого состояния (например, соответствуют равномерно распределенным состояниям).
Когда Q не зависит от конкретного состояния, а только от конкретного значения F состояния. ,формула для может быть проинтегрировано по f путем добавления дельта-функции Дирака и записано как
где
является маргинальным распределением F.
пример: |
Когда система имеет большое число степеней свободы, аналитическое выражение для часто трудно получить, и вычислении при . В простейшей формулировке метод выбирает N равномерно распределенных состояний. и использует оценку
для вычислений потому что почти наверняка сходится к по сильному закону больших чисел :
Одна типичная проблема этой сходимости заключается в том, что дисперсия Q может быть очень высокой, что приводит к большим вычислительным затратам для достижения разумных результатов.
пример |
Для улучшения этой сходимости алгоритм Метрополиса – Гастингса был предложен . Как правило, идея методов Монте-Карло состоит в использовании выборки по важности для улучшения сходимости оценщика. путем выборки состояний по произвольному распределению и используйте соответствующую оценку:
- .
Эта оценка обобщает оценку среднего значения для выборок, взятых из произвольного распределения. Поэтому, когда является равномерным распределением, оно соответствует тому, которое использовалось выше для равномерной выборки.
Когда система представляет собой физическую систему, находящуюся в контакте с тепловой баней, каждое состояние взвешивается в соответствии с фактором Больцмана , .В Монте-Карло канонический ансамбль определяется выбором быть пропорциональным . В этой ситуации оценка соответствует простому среднему арифметическому:
Исторически это произошло потому, что первоначальная идея [6] заключалась в использовании алгоритма Метрополиса – Гастингса для вычисления средних значений для системы, находящейся в контакте с тепловой баней, где вес задается фактором Больцмана, . [3]
Хотя часто бывает, что выборочное распределение выбрано распределение веса , это не обязательно так.Одна из ситуаций, когда канонический ансамбль не является эффективным выбором, — это когда для сходимости требуется сколь угодно много времени. [1] Одна из ситуаций, когда это происходит, — это когда функция F имеет несколько локальных минимумов.Вычислительные затраты алгоритма на выход из определенной области с локальным минимумом экспоненциально возрастают с увеличением минимального значения функции стоимости. То есть, чем глубже минимум, тем больше времени алгоритм там проводит, и тем труднее будет уйти (экспоненциально растет с глубиной локального минимума).
Один из способов избежать застревания в локальных минимумах функции стоимости — сделать метод выборки «невидимым» для локальных минимумов. Это основа мультиканонического ансамбля.
Мультиканонический ансамбль
[ редактировать ]Мультиканонический ансамбль определяется выбором распределения выборки, которое будет
где — предельное распределение F, определенное выше.Следствием этого выбора является то, что среднее количество выборок с заданным значением f , m(f), определяется выражением
то есть среднее количество выборок не зависит от f : все затраты f выбираются одинаково независимо от того, более или менее вероятны они. Это объясняет название «плоская гистограмма». Для систем, контактирующих с тепловой баней, отбор проб не зависит от температуры, и одно моделирование позволяет изучить все температуры.
пример: |
Время туннелирования и критическое замедление
[ редактировать ]Как и в любом другом методе Монте-Карло, существуют корреляции выборок, взятых из . Типичным измерением корреляции является время туннелирования . Время туннелирования определяется количеством шагов Маркова (цепи Маркова), которые необходимы моделированию для выполнения обхода между минимумом и максимумом спектра F . Одной из причин использования времени туннелирования является то, что когда оно пересекает спектры, оно проходит через область максимума плотности состояний, тем самым декоррелируя процесс. С другой стороны, использование туда и обратно гарантирует, что система посещает весь спектр.
Поскольку гистограмма плоская по переменной F , мультиканонический ансамбль можно рассматривать как диффузионный процесс (т.е. случайное блуждание ) на одномерной линии F. значений Детальный баланс процесса диктует отсутствие отклонений в процессе. [7] Это означает, что время туннелирования в локальной динамике должно масштабироваться как диффузионный процесс, и, таким образом, время туннелирования должно масштабироваться квадратично с размером спектра N :
Однако в некоторых системах (наиболее парадигматичной является модель Изинга) масштабирование страдает от критического замедления: где зависит от конкретной системы. [4]
Нелокальная динамика была разработана для улучшения масштабирования до квадратичного масштабирования. [8] (см. алгоритм Вольфа ), преодолевая критическое замедление. Однако до сих пор остается открытым вопрос, существует ли локальная динамика, которая не страдает от критического замедления в спиновых системах, подобных модели Изинга.
Ссылки
[ редактировать ]- ^ Jump up to: а б с д и ж Берг, Б.; Нейхаус, Т. (1992). «Мультиканонический ансамбль: новый подход к моделированию фазовых переходов первого рода». Письма о физических отзывах . 68 (1): 9–12. arXiv : hep-lat/9202004 . Бибкод : 1992PhRvL..68....9B . дои : 10.1103/PhysRevLett.68.9 . ПМИД 10045099 . S2CID 19478641 .
- ^ Jump up to: а б с Ван, Ф.; Ландау, Д. (2001). «Эффективный многодиапазонный алгоритм случайного блуждания для расчета плотности состояний». Письма о физических отзывах . 86 (10): 2050–2053. arXiv : cond-mat/0011174 . Бибкод : 2001PhRvL..86.2050W . doi : 10.1103/PhysRevLett.86.2050 . ПМИД 11289852 . S2CID 2941153 .
- ^ Jump up to: а б с д и Ньюманн, МЭЖ; Баркема, GT (2002). Методы Монте-Карло в статистической физике . США: Издательство Оксфордского университета. ISBN 0198517971 .
- ^ Jump up to: а б Даял, П.; Требст, С.; Вессель, С.; Вюрц, Д.; Тройер, М.; Сабхапандит, С.; Копперсмит, С. (2004). «Ограничения производительности методов плоских гистограмм». Письма о физических отзывах . 92 (9): 097201. arXiv : cond-mat/0306108 . Бибкод : 2004PhRvL..92i7201D . doi : 10.1103/PhysRevLett.92.097201 . ПМИД 15089505 . S2CID 1128445 .
- ^ Ли, Дж.; Чой, М. (1994). «Оптимизация путем мультиканонического отжига и задача коммивояжера». Физический обзор E . 50 (2): R651–R654. Бибкод : 1994PhRvE..50..651L . дои : 10.1103/PhysRevE.50.R651 . ПМИД 9962167 .
- ^ Метрополис, Северная Каролина; Розенблут, AW; Розенблут, Миннесота; Теллер, А.Х.; Теллер, Э. (1953). «Уравнение вычислений состояния с помощью быстрых вычислительных машин». Журнал химической физики . 21 (6): 1087. Бибкод : 1953ЖЧФ..21.1087М . дои : 10.1063/1.1699114 . ОСТИ 4390578 . S2CID 1046577 .
- ^ Роберт, Кристиан; Казелла, Джордж (2004). Статистические методы Монте-Карло . Спрингер. ISBN 978-0-387-21239-5 .
- ^ Вольф, У. (1989). «Коллективное обновление Монте-Карло для спиновых систем». Письма о физических отзывах . 62 (4): 361–364. Бибкод : 1989PhRvL..62..361W . дои : 10.1103/PhysRevLett.62.361 . ПМИД 10040213 .