Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Chaîne de Markov: Configuration Échantillonnage

Dans cours

CH-351: Molecular dynamics and Monte-Carlo simulation

Introduction to molecular dynamics and Monte-Carlo simulation methods. ...

Description

Cette séance de cours explique le concept d'un processus de Markov et d'une chaîne de Markov dans le contexte de l'algorithme de Metropolis pour générer des configurations aléatoires dans l'espace de configuration avec les poids relatifs corrects de Boltzmann. L'instructeur discute de l'importance de commencer par une configuration initiale appropriée, d'apporter des modifications aléatoires au système et d'accepter ou de rejeter de nouvelles configurations en fonction de leurs poids Boltzmann relatifs.

Enseignant·e

Ursula Röthlisberger

U. Röthlisberger was born in Solothurn (Switzerland). In 1988 she made her diploma in Physical Chemistry in the group of Prof. Ernst Schumacher at the University of Berne (Switzerland). Her Ph.D. thesis was done in collaboration with Dr. Wanda Andreoni at the IBM Zurich Research Laboratory in Rüschlikon. After finishing her Ph.D in 1991 she spent some time as a postdoctoral research assistant at the IBM Research Lab. From 1992-1995 she was a postdoctoral research assistant in the group of Prof. Michael L. Klein at the University of Pennsylvania in Philadelphia (USA). In 1994 she was awarded an advanced researcher fellowship (Profil 2) from the Swiss National Science Foundation. Before starting her Profile 2-fellowship she spent another year as postdoctoral research assistant in the group of Prof. Michele Parrinello at the Max-Planck-Institute for Solid State Physics in Stuttgart, Germany. In 1996 she moved as Profile 2-fellow to the ETH in Zurich, hosted by the group of Prof. Wilfred F. van Gunsteren. In 1997 she became Assistant Professor of Computer-Aided Inorganic Chemistry at the ETH Zurich.

Source officielle

Proximité ontologique

Physique

Thermodynamique: Statistical mechanics

Concepts associés (32)

Ensemble canonique

En physique statistique, l’ensemble (ou situation) canonique est un ensemble statistique introduit par le physicien américain Josiah Willard Gibbs. Il correspond au cas d'un système physique de volume donné et contenant un nombre fixe de particules, en interaction avec un autre système, appelé réservoir ou thermostat, beaucoup plus grand que le système considéré et avec lequel il peut échanger de l'énergie mais pas de matière. Le thermostat se comporte comme un réservoir supposé infini d'énergie, la réunion des deux systèmes étant considérée comme isolée.

Ensemble grand-canonique

En physique statistique, l’ensemble grand-canonique est un ensemble statistique qui correspond au cas d'un système qui peut échanger de l'énergie avec un réservoir externe d'énergie (ou thermostat), ainsi que des particules. Il est donc en équilibre thermodynamique thermique et chimique avec le réservoir d'énergie et de particules. Plus précisément, il s'agit de l'ensemble des « copies virtuelles » (ou répliques fictives) du même système en équilibre avec le réservoir d'énergie et de particules.

Probabilité

vignette|Quatre dés à six faces de quatre couleurs différentes. Les six faces possibles sont visibles. Le terme probabilité possède plusieurs sens : venu historiquement du latin probabilitas, il désigne l'opposé du concept de certitude ; il est également une évaluation du caractère probable d'un événement, c'est-à-dire qu'une valeur permet de représenter son degré de certitude ; récemment, la probabilité est devenue une science mathématique et est appelée théorie des probabilités ou plus simplement probabilités ; enfin une doctrine porte également le nom de probabilisme.

Chaîne de Markov

vignette|Exemple élémentaire de chaîne de Markov, à deux états A et E. Les flèches indiquent les probabilités de transition d'un état à un autre. En mathématiques, une chaîne de Markov est un processus de Markov à temps discret, ou à temps continu et à espace d'états discret. Un processus de Markov est un processus stochastique possédant la propriété de Markov : l'information utile pour la prédiction du futur est entièrement contenue dans l'état présent du processus et n'est pas dépendante des états antérieurs (le système n'a pas de « mémoire »).

Ensemble microcanonique

En physique statistique, l'ensemble microcanonique est un ensemble statistique constitué des répliques fictives d'un système réel pouvant être considéré comme isolé, par suite dont l'énergie (E), le volume (V) et le nombre de particules (N) sont fixés. Cet ensemble statistique a une importance particulière, car c'est à partir de celui-ci que le postulat de la physique statistique est défini. Cet ensemble permet aussi de déterminer les ensembles canonique et grand-canonique, à l'aide d'échanges d'énergie et/ou de particules avec un réservoir.

Afficher plus

Séances de cours associées (49)

Inégalités de concentration

Couvre les inégalités de concentration et les méthodes d'échantillonnage pour estimer les distributions inconnues, en mettant l'accent sur les taux d'infection de la population.

Théorie de la probabilité : Solutions à moyen terme

Couvre les solutions à l'examen à mi-parcours d'un cours de théorie des probabilités, y compris le calcul des probabilités et des attentes.

Stratégies d'échantillonnage MOOC: Sujets choisis sur le choix discret

Explore le processus de recherche, les types variables, la causalité et la corrélation, et les stratégies d'échantillonnage.

Canonical Ensemble: Distribution de probabilités

Explore la distribution de probabilité dans l'ensemble canonique et la distribution de Boltzmann.

Variables aléatoires continues

Explore les variables aléatoires continues, les fonctions de densité, les variables articulaires, l'indépendance et les densités conditionnelles.

Afficher plus

Concepts associés (32)

Ensemble canonique

Ensemble grand-canonique

Probabilité

Chaîne de Markov

Ensemble microcanonique

Afficher plus