Was ist der effizienteste Weg, um stationäre Konfigurationen des Ising-Modells zu simulieren? Ich bin nur daran interessiert, einen großen Satz zufälliger Steady-State-Konfigurationen des 1D-Ising-Modells (mit homogenen Kopplungskonstanten) zu haben. Ein paar Ideen kamen mir in den Sinn:
Hinweis: In 1D gibt es auch einen exakten Ausdruck für die Ising-Zustandsdichte, mit . Siehe diese andere Frage: Ising-Modell Zustandsdichte .
Irgendwelche Ideen, wie man das am besten angeht?
Für das eindimensionale Modell ist die bei weitem effizienteste Methode zur Simulation des Ising-Modells die Verwendung einer Markov-Kette , wodurch ein Spin nach dem anderen generiert wird, abhängig von den Werten, die von den vorherigen Spins genommen wurden. Beachten Sie auch, dass Sie auf diese Weise genau von der Gibbs-Verteilung abtasten , ohne Annäherung (im Gegensatz zu einem Monte-Carlo-Ansatz).
Betrachten wir der Einfachheit halber das Modell mit freier Randbedingung, also das Modell mit Hamiltonoperator
Zusammenfassen:
Dies ist sehr einfach zu implementieren und extrem schnell (natürlich compute nur einmal). Dann wird die meiste Zeit von der Pseudozufallszahlengenerierung in Anspruch genommen. Auf diese Weise können Sie problemlos beliebig lange Ketten simulieren.
(Siehe auch diese Antwort für einen anderen Gesichtspunkt der Beziehung zwischen eindimensionalen Modellen und Markov-Ketten.)
Erklärung der Formel für .
Der einfachste Weg, um zu sehen, warum die Formel für Oben gegebene gilt entweder durch Verwendung der Random-Cluster- oder der Hochtemperatur-Darstellung des Ising-Modells, wenn Sie damit vertraut sind (sie werden beispielsweise in den Abschnitten 3.7.3 und 3.10.6 in diesem Buch beschrieben ) . .
Wenn Sie mit diesen Darstellungen nicht vertraut sind, lassen Sie mich versuchen, ein direktes Argument zu liefern.
Lassen und schreibe Und (also die Konfiguration ergibt sich aus der Konfiguration indem Sie die Spins umdrehen ).
Jetzt,
PianoEntropie
Jan Velenik
PianoEntropie
PianoEntropie
Jan Velenik
Jan Velenik
PianoEntropie