Pular para o conteúdo
Even3

Como funciona o método de Monte Carlo e o algoritmo de Metropolis

Trecho de 1 min 59 s de Simulações em física computacional, gravado no evento VIII Semana Acadêmica de Física.

Assistir à gravação completaNo Even3 Conteúdos · 1 h 12 min

Sobre este trecho

Entenda a lógica por trás da proposta de movimentos e aceitação probabilística de estados para simular sistemas em equilíbrio térmico.

Vai de a da gravação.

O que é dito neste trecho

OK? Se essa energia diminui, essa proposta de movimento é aceita, se não, ela é aceita com o com esse peso aqui, né, com essa probabilidade, tá? Que é exponencial dessa diferença de energia dividida pela energia térmica. Então isso permite uma dinâmica que minimiza a energia a priori, e se for ter que subir uma barreira de energia potencial, lembra que a energia potencial aqui é um espaço em N dimensões é em três N dimensões, esse espaço é muito grande, né? Uma dimensão muito grande. Mas enfim, mas nessa representação dimensional, se a gente for propor aumentar a energia, que esse aumento de energia, né? Claro que isso aqui esse essa tem que ser pequeno para isso aqui ser aceito. Esse aumento de energia é é é aceito com essa probabilidade. Então isso permite que não só o sistema busque minimizar a energia, como ele também consiga pular barreiras de energia no espaço de energia potencial, na superfície de energia potencial. E isso faz, né? Com que exista uma certa reversibilidade probabilística aqui, que a gente chama de balanço detalhado, entre o estado final e o estado inicial, entre o estado proposto, né? e o estado anterior. Então a taxa com que o essa molécula seria movida para lá é a mesma taxa que ela seria movida de volta. E isso garante que o sistema converge para depois de um transiente, já vou falar sobre isso, converge para para para estados que que que que representam o peso de Boltzmann.

Outros trechos deste conteúdo