Solving the master equation without kinetic Monte Carlo: Tensor train approximations for a CO oxidation model
Solving the master equation without kinetic Monte Carlo: Tensor train approximations for a CO oxidation model
复制标题
在没有动力学蒙特卡罗的情况下求解主方程：CO 氧化模型的张量列近似
DOI：
10.1016/j.jcp.2016.03.025
复制
发表时间：
2016
期刊：
影响因子：
--
通讯作者：
C. Schütte
中科院分区：
文献类型：
--
作者：
Patrick Gelß;S. Matera;C. Schütte
在多相催化过程的多尺度模拟中，描述随机反应动力学的马尔可夫主方程的求解是一个关键问题。通常情况下，这是一个高维的问题，不能用标准的数值方法来解决，只能依靠基于动力学蒙特卡罗方法的抽样方法。在这项研究中，我们通过利用张量训练格式来打破马尔可夫主方程直接解的量纲曲线。在基于第一性原理的RuO2(110)面上CO氧化的简化模型上证明了该方法的有效性。我们研究了增加系统规模和不同反应条件下的复杂性。通过一个刚度增加的问题，说明了随机模拟方法的优势。
In multiscale modeling of heterogeneous catalytic processes, one crucial point is the solution of a Markovian master equation describing the stochastic reaction kinetics. Usually, this is too high-dimensional to be solved with standard numerical techniques and one has to rely on sampling approaches based on the kinetic Monte Carlo method. In this study we break thecurse of dimensionalityfor the direct solution of the Markovian master equation by exploiting the Tensor Train Format for this purpose. The performance of the approach is demonstrated on a first principles based, reduced model for the CO oxidation on the RuO2(110) surface. We investigate the complexity for increasing system size and for various reaction conditions. The advantage over the stochastic simulation approach is illustrated by a problem with increased stiffness.
DOI：
10.1016/j.cpc.2013.12.017
发表时间：
2013-06
期刊：
Comput. Phys. Commun.
影响因子：
--
作者：
S. Dolgov;B. Khoromskij;I. Oseledets;D. Savostyanov
通讯作者：
S. Dolgov;B. Khoromskij;I. Oseledets;D. Savostyanov
影响因子：
6.3
作者：
Hoffmann, Max J.;Matera, Sebastian;Reuter, Karsten
通讯作者：
Reuter, Karsten