Compressible generalized hybrid Monte Carlo.
Compressible generalized hybrid Monte Carlo.
复制标题
可压缩广义混合蒙特卡罗。
DOI：
10.1063/1.4874000
复制
发表时间：
2014
期刊：
影响因子：
--
通讯作者：
R. Skeel
中科院分区：
文献类型：
--
作者：
Youhan Fang;J. Sanz;R. Skeel
最苛刻的计算之一是从高维配置空间中指定的概率分布(通常具有未知的归一化前因子)生成随机样本。人们经常不得不求助于马尔可夫链蒙特卡罗方法，这种方法只在规定的分布的极限内收敛。这种方法通常一步一步地逐步探索配置空间，并接受基于Metropolis(-Hastings)标准的步骤。通过在高维相空间中嵌入组态空间和使用常微分方程组，原则上可以实现100%的接受率。在实践中，必须使用数字积分器，从而降低接受率。这就是混合蒙特卡罗方法的本质。给出了在宽松条件下构造这种方法的一般框架：所需的唯一几何性质是(减弱的)可逆性；不需要体积保持。通过推导出两种显式混合蒙特卡罗方法，其中一种基于降低势垒的变尺度动力学，另一种基于等速动力学，说明了这种可能性。
One of the most demanding calculations is to generate random samples from a specified probability distribution (usually with an unknown normalizing prefactor) in a high-dimensional configuration space. One often has to resort to using a Markov chain Monte Carlo method, which converges only in the limit to the prescribed distribution. Such methods typically inch through configuration space step by step, with acceptance of a step based on a Metropolis(-Hastings) criterion. An acceptance rate of 100% is possible in principle by embedding configuration space in a higher dimensional phase space and using ordinary differential equations. In practice, numerical integrators must be used, lowering the acceptance rate. This is the essence of hybrid Monte Carlo methods. Presented is a general framework for constructing such methods under relaxed conditions: the only geometric property needed is (weakened) reversibility; volume preservation is not needed. The possibilities are illustrated by deriving a couple of explicit hybrid Monte Carlo methods, one based on barrier-lowering variable-metric dynamics and another based on isokinetic dynamics.
影响因子：
1.4
作者：
Beskos, A.;Pinski, F. J.;Stuart, A. M.
通讯作者：
Stuart, A. M.
影响因子：
1.5
作者：
Beskos, Alexandros;Pillai, Natesh;Stuart, Andrew
通讯作者：
Stuart, Andrew
一种可分离阴影哈密顿混合蒙特卡罗方法。
DOI：
10.1063/1.3253687
发表时间：
2009
期刊：
The Journal of chemical physics
影响因子：
--
作者：
Sweet,ChristopherR;Hampton,ScottS;Skeel,RobertD;Izaguirre,JesusA
通讯作者：
Izaguirre,JesusA