Каков наиболее эффективный способ моделирования стационарных конфигураций модели Изинга? Меня просто интересует наличие большого набора случайных устойчивых конфигураций одномерной модели Изинга (с однородными константами связи). Пришло в голову несколько идей:
Примечание: в 1D также есть точное выражение для изинговской плотности состояний, с . См. этот другой вопрос: плотность состояний модели Изинга .
Любые идеи о том, как лучше всего подойти к этому?
Для одномерной модели наиболее эффективным способом симуляции модели Изинга на сегодняшний день является использование цепи Маркова на , генерируя по одному вращению за раз, в зависимости от значений, принятых предыдущими вращениями. Также обратите внимание, что таким образом вы делаете выборку точно из распределения Гиббса, без аппроксимации (в отличие от подхода Монте-Карло).
Для простоты рассмотрим модель со свободным граничным условием, т. е. модель с гамильтонианом
Обобщить:
Это очень легко реализовать и очень быстро (конечно, вычислить только один раз). Затем большую часть времени занимает генерация псевдослучайных чисел. Таким образом, вы можете без проблем моделировать цепочки сколь угодно большой длины.
(См. также этот ответ для другой точки зрения на отношения между одномерными моделями и цепями Маркова.)
Объяснение формулы для .
Самый простой способ понять, почему формула для приведенное выше выполняется с использованием либо случайного кластера, либо высокотемпературных представлений модели Изинга, если вы знакомы с ними (они описаны, например, в разделах 3.7.3 и 3.10.6 в этой книге ) . .
Если вы не знакомы с этими представлениями, позвольте мне попытаться привести прямой аргумент.
Позволять и написать и (то есть конфигурация получается из конфигурации переворачивая спины на ).
Сейчас,
ФортепианоЭнтропия
Иван Веленик
ФортепианоЭнтропия
ФортепианоЭнтропия
Иван Веленик
Иван Веленик
ФортепианоЭнтропия