Irreversible Markov-chains for particle systems and spin models: Mixing and dynamical scaling
Chaînes de Markov irréversibles pour les systèmes de particules et les modèles de spin: mélange et mise à l'échelle dynamique
Résumé
This thesis studies the irreversible Markov chain in the spin systems and particle systems,
theoretically explains their dynamical specialties, proposes an improvement to
the Monte Carlo methods with respect to the systematic properties.
The first two chapters review the probability theory, Markov chain and Monte
Carlo method. The irreversible Markov chain, with the “lifting” scheme and factorized
Metropolis filter, increases the mixing speed at a higher scale in many models.
The third chapter studies the hard sphere model. From the exact result obtained
from the one-dimensional model in the continuous limit, the “event-chain” algorithm
is related to the coupon-collector problem, in the evaluation of mixing time. A sequential
“event-chain” algorithm is proposed to accelerate the mixing process, which
is also valid in more general cases of higher dimensions. For more general Metropolis
algorithms with “lifting”, their crossover with the “event-chain” algorithm is discussed.
The fourth chapter presents the dynamics of the irreversible Markov-chain for
continuous spin models using Metropolis filter, in the presence of topological excitations.
The local nature of the Markov-chain dynamics leads to a slow vortex mode
and a fast spin-wave mode in the XY model. The equilibrium correlation varies from
z~2 at the critical temperature to z~0 at the low temperature limit, and the respective
influence on three-dimensional Heisenberg model is also described.
The fifth chapter, based on the knowledge of the previous two chapters, proposes
an optimization of Metropolis filter for general particle models, by introducing an
auxiliary field. Simulations on one dimensional Lennard-Jones chain exhibit an obvious
acceleration as the spin-wave mode. Further studies verify a super-diffusive
behavior of the “event-chain” algorithm, which may explain the high speed of the
dynamics.
Cette thèse étudie la chaîne de Markov irréversible dans les systèmes de spin et les
systèmes de particules, explique théoriquement leurs spécialités dynamiques, propose
une amélioration des méthodes de Monte Carlo en ce qui concerne les propriétés
systématiques.
Les deux premiers chapitres examinent la théorie des probabilités, la chaîne de
Markov et la méthode de Monte Carlo. La chaîne de Markov irréversible, avec le
schéma de «lifting» et le filtre Metropolis factorisé, augmente la vitesse de mélange à
une échelle supérieure dans de nombreux modèles.
Le troisième chapitre étudie le modèle de la sphère dure. À partir du résultat exact
obtenu à partir du modèle unidimensionnel dans la limite continue, l’algorithme
de «event-chain» est lié au problème du collecteur de coupons dans l’évaluation du
temps de mélange. Un algorithme séquentiel de «event-chain» est proposé pour
accélérer le processus de mélange, ce qui est également valable dans les cas plus
généraux de dimensions supérieures. Pour les algorithmes Metropolis plus généraux
avec «lifting», leur croisement avec l’algorithme de «event-chain» est discuté.
Le quatrième chapitre présente la dynamique de la chaîne de Markov irréversible
pour les modèles de spin continu utilisant le filtre de Metropolis, en présence d’excitations
topologiques. La nature locale de la dynamique de la chaîne de Markov conduit à un
mode lent de vortex et à un mode rapide d’onde de spin dans le modèle XY. La corrélation
à l’équilibre est quantifiée pour varier de z ~ 2 à la température critique à
z ~ 0 à la limite de basse température, et l’influence respective sur le modèle tridimensionnel
de Heisenberg est également décrite.
Le cinquième chapitre, basé sur la connaissance des deux chapitres précédents,
propose une optimization du filtre de Metropolis pour les modèles de particules
généraux, en introduisant un champ auxiliaire. Les simulations sur une chaîne unidimensionnelle
de Lennard-Jones montrent une accélération évidente en tant que
mode de spin-wave. D’autres études vérifient le comportement super-diffusif de
l’algorithme de «event-chain», ce qui peut expliquer la vitesse haute de la dynamique.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...