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

Monte Carlo se déplace en simulation

Dans cours

CH-351: Molecular dynamics and Monte-Carlo simulation

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

Description

Cette séance de cours couvre le concept de Monte Carlo se déplace dans la simulation, en se concentrant sur les mouvements d'essai, les mouvements de traduction, et les mouvements plus sophistiqués. Il explique comment améliorer l'efficacité par des mouvements biaisés et des biais de configuration, et compare Monte Carlo avec la dynamique moléculaire. L'instructeur discute des propriétés de l'ensemble via la dynamique moléculaire en utilisant l'exemple de Ru-tris (bipy) dans l'eau, en mettant l'accent sur la dynamique intrinsèque pour générer des configurations thermiquement pertinentes.

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

Concepts associés (32)

Méthode de Monte-Carlo par chaînes de Markov

Les méthodes de Monte-Carlo par chaînes de Markov, ou méthodes MCMC pour Markov chain Monte Carlo en anglais, sont une classe de méthodes d'échantillonnage à partir de distributions de probabilité. Ces méthodes de Monte-Carlo se basent sur le parcours de chaînes de Markov qui ont pour lois stationnaires les distributions à échantillonner. Certaines méthodes utilisent des marches aléatoires sur les chaînes de Markov (algorithme de Metropolis-Hastings, échantillonnage de Gibbs), alors que d'autres algorithmes, plus complexes, introduisent des contraintes sur les parcours pour essayer d'accélérer la convergence (Monte Carlo Hybride, Surrelaxation successive).

Simulation de phénomènes

La simulation de phénomènes est un outil utilisé dans le domaine de la recherche et du développement. Elle permet d'étudier les réactions d'un système à différentes contraintes pour en déduire les résultats recherchés en se passant d'expérimentation. Les systèmes technologiques (infrastructures, véhicules, réseaux de communication, de transport ou d'énergie) sont soumis à différentes contraintes et actions. Le moyen le plus simple d'étudier leurs réactions serait d'expérimenter, c'est-à-dire d'exercer l'action souhaitée sur l'élément en cause pour observer ou mesurer le résultat.

Ensemble statistique

En physique statistique, un ensemble statistique est une abstraction qui consiste à considérer une collection de copies virtuelles (ou répliques) d'un système physique dans l'ensemble des états accessibles où il est susceptible de se trouver, compte tenu des contraintes extérieures qui lui sont imposées, telles le volume, le nombre de particules, l'énergie et la température. Cette notion, introduite par le physicien américain Josiah Willard Gibbs en 1902, est un concept central de la physique statistique.

Méthode de Monte-Carlo

Une méthode de Monte-Carlo, ou méthode Monte-Carlo, est une méthode algorithmique visant à calculer une valeur numérique approchée en utilisant des procédés aléatoires, c'est-à-dire des techniques probabilistes. Les méthodes de Monte-Carlo sont particulièrement utilisées pour calculer des intégrales en dimensions plus grandes que 1 (en particulier, pour calculer des surfaces et des volumes). Elles sont également couramment utilisées en physique des particules, où des simulations probabilistes permettent d'estimer la forme d'un signal ou la sensibilité d'un détecteur.

Ergodicity

In mathematics, ergodicity expresses the idea that a point of a moving system, either a dynamical system or a stochastic process, will eventually visit all parts of the space that the system moves in, in a uniform and random sense. This implies that the average behavior of the system can be deduced from the trajectory of a "typical" point. Equivalently, a sufficiently large collection of random samples from a process can represent the average statistical properties of the entire process.

Afficher plus

Séances de cours associées (54)

Simulation informatique : les premiers jours et la méthode Monte Carlo

Explore les débuts de la simulation informatique, en mettant l'accent sur la méthode Monte Carlo et son évolution dans la recherche scientifique.

Efficacité de l'échantillonnage: Fonctions d'ergonomie et d'autocorrélation

Explore l'efficacité de l'échantillonnage dans la dynamique moléculaire, en mettant l'accent sur l'ergonomie et les fonctions d'autocorrélation.

Théorie classique de la diffusion

Couvre la théorie de la diffusion classique pour les systèmes à deux corps et le comportement des molécules dans des conditions critiques.

Théorie du MCMC

Couvre la théorie de l'échantillonnage de Markov Chain Monte Carlo (MCMC) et discute des conditions de convergence, du choix de la matrice de transition et de l'évolution de la distribution cible.

Dynamique moléculaire classique : algorithmes de simulation et d'intégration

Explore les simulations de dynamique moléculaire classique, les algorithmes d'intégration et la précision de trajectoire.

Afficher plus

Concepts associés (32)

Méthode de Monte-Carlo par chaînes de Markov

Simulation de phénomènes

Ensemble statistique

Méthode de Monte-Carlo

Ergodicity

Afficher plus