抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ワームアルゴリズムは,古典的および量子系の両方に対するMarkov連鎖モンテカルロ法における多目的技術である。このアルゴリズムは,実質的に臨界減速を緩和し,様々な古典的システムの動的臨界指数を低減する。物理的システムのために,アルゴリズムを改善し,モンテカルロ法の境界をプッシュすることが重要である。ここでは,計算効率を著しく改善する有向ワームアルゴリズムを提案した。ウオーム散乱プロセスを最適化するために幾何学的配置手法を用いた:ワーム後方散乱は反転し,前方散乱は有利であった。著者らのアプローチは,2つのキンクの相対位置の確率分布において明白である,ウオームヘッド(kink)の拡散性をうまく強化する。指数自己相関時間と漸近分散の測定による臨界温度でのIsingモデルに対して性能改善を実証した。このワーム更新は,単純な立方格子モデルに対する従来のワーム更新より約25倍効率的である。驚くべきことに,提案アルゴリズムはWolffクラスタアルゴリズムよりもさらに効率的であり,それは最良の更新アルゴリズムの1つである。ワーム更新においてz≒0.27である簡単な立方格子Isingモデルの動的臨界指数を推定した。ワームとWolffアルゴリズムは,磁化率推定器の積分自己相関時間の異なる指数を生成するが,漸近分散の同じ指数を生成する。また,Markov連鎖モンテカルロ法の計算効率を定量化する方法を論じた。本アプローチは,|φ| ̄4モデル,Pottsモデル,O(n)ループモデル,および格子QCDのような広範囲の物理システムに適用できる。【JST・京大機械翻訳】