Académique Documents
Professionnel Documents
Culture Documents
31
Gibbs
de
la
mcanique
statistique
sous
la
forme
dintgrales
U
k BT
Ui
kBT
32
Les problmes traits par les mthodes de Monte Carlo sont de deux
natures trs diffrentes. On les qualifie de probabilistes ou de dterministes
selon quils concernent directement ou non un comportement alatoire. Dans le
cas dun problme probabiliste par essence, lapproche Monte Carlo la plus
simple consiste observer le comportement de nombres alatoires qui simulent
directement les processus du problme initial et en tirer la solution. On parle
alors de simulation Monte Carlo. Dans le cas dun problme dterministe, ltat
du systme et son comportement sont parfaitement dfinis et lon est en principe
capable de prdire ce qui va se produire. Cest le cas dun systme de particules
obissant la mcanique classique. Cependant, on peut traiter certains
paramtres du problme comme sil sagissait de variables alatoires. On
transforme ainsi le problme dterministe en problme probabiliste et on le
rsout numriquement. Il sagit dune approche de Monte Carlo labor, on
parle alors destimation Monte Carlo. Mais dans la pratique on confond les
termes destimation et de simulation. Cette approche est intressante notamment
quand on ignore certains paramtres du problme ou lorsque le nombre de
paramtres est excessivement grand : cest le cas de lestimation des grandeurs
de la mcanique statistique dont il sera lobjet dans les paragraphes venir.
Mmoire de DEA 2004 -2005
TCHATCHOUANG Luther
33
avec =1/kBT
(2.1)
NVT
exp - H
Q
dr N dp N
(2.2)
Q N, V, T ... exp - H
, p N dr N dp N
(2.3)
A(r )
NVT
... A(r
exp- Ur dr
)
N
(2.4)
o Z est appele intgrale de configuration, car elle sobtient dans lespace des
configurations (positions) de dimension 3N :
Z
... exp- U r dr
N
(2.5)
34
1.1
a)
I f x dx
(2.6)
a 0
le
problme
dterministe
de
au
hasard
des
points
de
35
x,y 1
x,y 0
si y f(x)
(succs
si y < f(x)
(chec)
(2.7)
I
=I
11
(2.8)
1 n
k x, y
n k =1
(2.9)
ns
n
(2.10)
b)
f x dx
(2.11)
que nous avons abord prcdemment peut tre reformul en termes de calcul
dune moyenne :
I = b - a f x = lim
n
b -a n
b-a n
f
x
f xi
i n
n i=1
i=1
(2.12)
36
1 n n
2 f x i f x
n i1 j1
f x
j
f x
(2.13)
1 n
2 f xi f x
n i 1
2
2
1
f 2 x f x .
(2.14)
La dpendance en 1/n donne une convergence a priori assez lente, mais il n'y a
pas de modifications simples pour obtenir une convergence plus rapide. On peut
l'inverse modifier de faon importante l'cart-type. Pour cela, il parait clair que
si la fonction f ne prend des valeurs significatives que sur des petites rgions de
l'intervalle [a; b], il est inutile de calculer la fonction en des points o sa valeur
est trs faible.
Mmoire de DEA 2004 -2005
TCHATCHOUANG Luther
37
w x dx = 1
a
(2.15)
f x
w x dx
w x
(2.16)
Si w(x) est toujours positif, on peut dfinir une autre fonction u(x) tel que
du= w(x)dx avec u(a) = a et u(b) = b, et
Mmoire de DEA 2004 -2005
TCHATCHOUANG Luther
38
f x u
w x u
du,
(2.17)
n i 1 w x u i
(2.18)
f x ui
1
n
2
w x u i
f x ui
w x ui
(2.19)
LA METHODE METROPOLIS
r , r , r ,..., r
1
NVT
= ... A r
-U r N
1 n
dr =
r
Z
n i=1
N
A r
N
(2.20)
39
40
exp -U r N
i
=
Z
i = NVT r
(2.21)
une
La matrice de transition
ij
2.22)
ij
2.23)
(2.24)
i ij j ji
j
ij j ji
(2.25)
(2.26)
prsent et soutenu par NKAPNANG
41
i j ji
(2.27)
3)
i ij j ji
(2.28)
(2.29)
1re tape: on ralise un essai de dplacement alatoire pour passer dun tat i
un tat j. On note ij llment de matrice stochastique correspondant
la tentative i j. est appele matrice de base de la chane de
Markov (underlying matrix of the Markov chain).
2ime tape:on doit dcider si lon accepte ou pas le dplacement ij. Appelons
Pij la probabilit daccepter lessai de dplacement de i j.
Alors :
ij ijPij
(2.30)
On choisit symtrique :
ij ji
Mmoire de DEA 2004 -2005
TCHATCHOUANG Luther
(2.31)
42
5)
comment dans la pratique, les tentatives (ou essais) de passage de ltat i ltat
j sont acceptes ou rejetes.
a)
b)
Uj=i+1 > Ui
probabilit.
Pij
j
i
exp - U j Ui
(2.32)
Pour dcider, on gnre un nombre alatoire dans lintervalle [0,1] dans une
distribution uniforme. La probabilit que Pij est gale Pij. Par consquent :
- on accepte si Pij
- on refuse si Pij
Cette rgle garantit que lacceptation de la tentative i j ait la probabilit Pij.
c)
43
construire une telle marche. Pour un systme continu, lapproche introduite par
Metropolis et ses collaborateurs est la suivante :
1) On choisit une particule au hasard parmi lensemble des particules et
on calcule son nergie potentielle U(r)
2) On effectue un dplacement alatoire de la particule, r = r + et on
Calcule sa nouvelle nergie potentielle U(r)
3) On accepte le dplacement de r r avec la probabilit
Pr r min 1, exp U r U r
44
45
3.2
1)
Comme les systmes que lon peut simuler sont de taille finie, le rapport
de la surface sur le volume de lchantillon est gnralement important. Pour
viter ces effets de surface, les systmes sont gnralement simuls avec des
conditions aux limites priodiques. Le volume contenant les N particules est
trait comme la maille lmentaire dun rseau priodique infini de cellules
identiques. Une particule donne (par exemple i), interagit avec toutes les autres
particules du rseau priodique infini ; cest--dire quelle interagit avec toutes
les particules contenues dans les autres mailles. Par exemple, si les interactions
entre particules sont des interactions par paire, lnergie potentielle totale des N
particules dune maille est :
U tot
1 ' r r
u rij n L
2 i,j,nr
(2.33)
r
n
composantes entire, tandis que le prime sur la sommation indique que le terme
i=j est exclu lorsque n = 0 . Sous cette forme trs gnrale, les conditions aux
limites priodiques ne sont pas trs utiles car, pour simuler les proprits dun
systme fini, nous devons rcrire lnergie potentielle comme une somme
infinie, au lieu dune somme finie.
Toutefois, dans les systmes tudis, les interactions entres particules sont
souvent de courtes portes. Dans ce contexte prcis, courte porte signifie que
lnergie potentielle dune particule est domine par les interactions avec les
particules voisines situes une distance voisine infrieure un seuil r c. Dans ce
cas, on utilise le potentiel interatomique tronqu. Il existe plusieurs faons de
46
Initialisation
Pour dmarrer une simulation Monte Carlo, il faut dabord dfinir une
configuration initiale. Comme les proprits dquilibre du systme ne
dpendent pas du choix de la configuration initiale, toutes les configurations
initiales raisonnables sont acceptables. Si lon veut simuler ltat solide dun
systme, il faut choisir une configuration initiale ayant la structure cristalline du
systme que lon veut tudier. Par contre, si lon veut tudier la phase liquide, on
choisit nimporte quelle structure cristalline.
3)
47