Physikalische Optimierung - Physik - Universität Regensburg
Physikalische Optimierung - Physik - Universität Regensburg
Physikalische Optimierung - Physik - Universität Regensburg
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
KAPITEL 2. MONTE-CARLO-METHODEN 15<br />
folgendermaßen:<br />
〈A〉 = <br />
<br />
σ∈Γ<br />
A(σ)Pequ(σ) =<br />
σ∈Γ<br />
A(σ)exp<br />
<br />
− H(σ)<br />
<br />
kBT<br />
<br />
σ∈Γ exp<br />
(2.3)<br />
− H(σ)<br />
kBT<br />
Für A = H erhält man den Erwartungswert des Hamiltonians. Dieser läßt sich auch<br />
über die logarithmische Ableitung der Zustandssumme ausdrücken:<br />
− ∂ 1 ∂<br />
lnZ = −<br />
∂β Z ∂β exp(−βH(σ))<br />
=<br />
1<br />
Z<br />
σ∈Γ<br />
<br />
H(σ)exp(−βH(σ))<br />
σ∈Γ<br />
Daraus läßt sich die Wärmekapazität ableiten:<br />
C = d〈H〉<br />
dT<br />
=<br />
=<br />
=<br />
1<br />
kBT 2<br />
⎡<br />
⎣ 1<br />
Z<br />
σ∈Γ<br />
= 〈H〉 (2.4)<br />
<br />
H 2 <br />
⎤<br />
2<br />
1 <br />
(σ)exp(−βH(σ)) − H(σ)exp(−βH(σ)) ⎦<br />
Z<br />
1<br />
kBT 2<br />
2 2<br />
〈H 〉 − 〈H〉 <br />
1<br />
kBT 2V ar(H) (2.5)<br />
Aus dem Zusammenhang der Wärmekapazität mit der Varianz V ar(H) ergibt sich auch<br />
die Bedeutung dieser Größe für die Simulation: betrachtet man C(T), so sieht man, in<br />
welchem Temperaturbereich sich die größten Umordnungen ergeben. Dabei muß sich<br />
das System bei jeder Temperatur im thermischen Gleichgewicht befinden, sonst wäre<br />
die Boltzmann-Verteilung nicht verwendbar. Das Gleichgewicht stellt sich allerdings<br />
erst nach Einschwingvorgängen ein, was auch bei der Simulation berücksichtigt werden<br />
muß.<br />
Systeme im thermischen Gleichgewicht werden in der Statistischen <strong>Physik</strong> numerisch<br />
mit Hilfe von Monte-Carlo-Methoden untersucht. Damit bezeichnet man allgemein<br />
Algorithmen, die Zufallszahlen verwenden, um Mittelwerte in statistischen Systemen<br />
zu berechnen. Wie lassen sich aber nun die theoretisch hergeleiteten Observablen<br />
konkret berechnen? Bei einer exakten Berechnung müßte man über sämtliche Zustände<br />
summieren, die das System annehmen kann. In der Praxis ist es jedoch schwierig, alle<br />
möglichen Konfigurationen zu berücksichtigen.<br />
Daher macht man folgendes: die thermischen Erwartungswerte werden unter Verwendung<br />
einer nur begrenzten Anzahl von Konfigurationen bestimmt, und zwar so,<br />
dass sie den tatsächlichen Werten möglichst nahe kommen. Zwei Verfahren wurden in<br />
diesem Zusammenhang entwickelt, das Simple Sampling und das Importance Sampling.<br />
σ∈Γ