Monte Carlo -menetelmä



Samankaltaiset tiedostot
3 Tilayhtälöiden numeerinen integrointi

Tchebycheff-menetelmä ja STEM

Mat Lineaarinen ohjelmointi

Mittausvirhe. Mittaustekniikan perusteet / luento 6. Mittausvirhe. Mittausepävarmuus ja siihen liittyvää terminologiaa

Tilastollisen fysiikan luennot

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 7: Lagrangen kertojat. Pienimmän neliösumman menetelmä.

1. Luvut 1, 10 on laitettu ympyrän kehälle. Osoita, että löytyy kolme vierekkäistä

4. A priori menetelmät

1 0 2 x 1 a. x 1 2x c b 2a c a. Alimmalta riviltä nähdään että yhtälöyhmällä on ratkaisu jos ja vain jos b 3a + c = 0.

d L q i = V = mc 2 q i 1 γ = = p i. = V = γm q i + QA i. ṗ i + Q A i + Q da i t + j + V + Q φ

Työn tavoitteita. 1 Johdanto. 2 Ideaalikaasukäsite ja siihen liittyvät yhtälöt

HASSEN-WEILIN LAUSE. Kertausta

BL20A0600 Sähkönsiirtotekniikka

Mat /Mat Matematiikan peruskurssi C3/KP3-I Harjoitus 2, esimerkkiratkaisut

Galerkin in menetelmä

Puupintaisen sandwichkattoelementin. lujuuslaskelmat. Sisältö:

3.5 Generoivat funktiot ja momentit

Mittausepävarmuus. Mittaustekniikan perusteet / luento 7. Mittausepävarmuus. Mittausepävarmuuden laskeminen. Epävarmuuslaskelma vai virhearvio?

COULOMBIN VOIMA JA SÄHKÖKENTTÄ, PISTEVARAUKSET, JATKUVAT VARAUSJAKAUMAT

FYSIIKAN LABORATORIOTYÖT P

Markov-prosessit (Jatkuva-aikaiset Markov-ketjut)

Mittaustulosten käsittely

1, x < 0 tai x > 2a.

Sähköstaattinen energia

Työn tavoitteita. 1 Johdanto. 2 Ideaalikaasukäsite ja siihen liittyvät yhtälöt

r i m i v i = L i = vakio, (2)

Jaksolliset ja toistuvat suoritukset

Lohkoasetelmat. Lohkoasetelmat. Lohkoasetelmat: Mitä opimme? Lohkoasetelmat. Lohkoasetelmat. Satunnaistettu täydellinen lohkoasetelma 1/4

6. Stokastiset prosessit (2)

Jaetut resurssit. Tosiaikajärjestelmät Luento 5: Resurssien hallinta ja prioriteetit. Mitä voi mennä pieleen? Resurssikilpailu ja estyminen

ABTEKNILLINEN KORKEAKOULU

Johdatus tekoälyn taustalla olevaan matematiikkaan

5. KVANTTIMEKANIIKKAA

FYSA220/2 (FYS222/2) VALON POLARISAATIO

Mekaniikan jatkokurssi Fys102

Yksikköoperaatiot ja teolliset prosessit

Uuden eläkelaitoslain vaikutus allokaatiovalintaan

PPSS. Roolikäyttäytymisanalyysi Tämän raportin on tuottanut: MLP Modular Learning Processes Oy Äyritie 8 A FIN Vantaa info@mlp.

A = B = T = Merkkijonon A osamerkkijono A[i..j]: n merkkiä pitkä merkkijono A:

Eräs Vaikutuskaavioiden ratkaisumenetelmä

13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit

Tavoitteet skaalaavan funktion lähestymistapa eli referenssipiste menetelmä

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

4. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman

Työllistääkö aktivointi?

Tarkastellaan kuvan 8.1 (a) lineaarista nelitahoista elementtiä, jonka solmut sijaitsevat elementin kärkipisteissä ja niiden koordinaatit ovat ( xi

3. Datan käsittely lyhyt katsaus

Sähkökiukaan kivimassan vaikutus saunan energiankulutukseen

Pyörimisliike. Haarto & Karhunen.

Kynä-paperi -harjoitukset. Taina Lehtinen Taina I Lehtinen Helsingin yliopisto

Luento 6 Luotettavuus Koherentit järjestelmät

Kvanttimekaanisten joukkojen yhteys termodynamiikkaan

Kanoniset muunnokset

Moderni portfolioteoria

Pikaopas. Valmistelu ja esitäyttö

Taustaa. Sekventiaalinen vaikutuskaavio. Päätöspuista ja vaikutuskaavioista. Esimerkki: Reaktoriongelma. Johdantoa sekventiaalikaavioon

Työssä tutustutaan harmonisen mekaanisen värähdysliikkeen ominaisuuksiin seuraavissa

Kollektiivinen korvausvastuu

Mat Tilastollinen päättely 7. harjoitukset / Tehtävät. Hypoteesien testaus. Avainsanat:

Viiteopas. 2 Kokoa ja kiinnitä uusi natronkalkkikolonni. 1 Poista vanha natronkalkki. Esitäyttö esiliitetyn letkuston avulla

PUTKIKELLON SUUNNITTELU 1 JOHDANTO 2 VÄRÄHTELEVÄN PALKIN TEORIAA. dm Q dx = (1) Matti A Ranta

7. Modulit Modulit ja lineaarikuvaukset.

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli

JYVÄSKYLÄN YLIOPISTO Taloustieteiden tiedekunta

SMG-1100: PIIRIANALYYSI I

Painotetun metriikan ja NBI menetelmä

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 7B Ratkaisuehdotuksia.

Ilmanvaihdon lämmöntalteenotto lämpöhäviöiden tasauslaskennassa

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli

Kokonaislukuoptimointi

Mat Sovellettu todennäköisyyslaskenta B 8. harjoitukset / Ratkaisut Aiheet: Otos ja otosjakaumat Avainsanat:

Mekatronisten koneiden reaaliaikainen simulointi Linux-ympäristössä

on määritelty tarkemmin kohdassa 2.3 ja pi kohdassa 2.2.

Kansainvälisen konsernin verosuunnittelu ja tuloksenjärjestely

Maanhintojen vikasietoisesta mallintamisesta

5. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman

Mekaniikan jatkokurssi Fys102

MAOL-Pisteitysohjeet Fysiikka kevät 2009

Rahastoonsiirtovelvoitteeseen, perustekorkoon ja vakuutusmaksukorkoon liittyvät laskentakaavat ja periaatteet

Raja-arvot. Osittaisderivaatat.

KOHTA 1. AINEEN/SEOKSEN JA YHTIÖN/YRITYKSEN TUNNISTETIEDOT

LIITE 2 SUORAN SOVITTAMINEN HAVAINTOPISTEISIIN

LIITE 2. KÄSITELUETTELO

Epätäydelliset sopimukset

Karttaprojektion vaikutus alueittaisten geometristen tunnuslukujen määritykseen: Mikko Hämäläinen 50823V Maa Kartografian erikoistyö

S , FYSIIKKA III (ES), Syksy 2002, LH 4, Loppuviikko 39. Partitiofunktiota käyttäen keskiarvo voidaan kirjoittaa muotoon

Kuinka väestö sijoittuu siirryttäessä tietoyhteiskuntaan?

Hyrynsalmen kunta, jäljempänä kunta. Laskutie 1, HYRYNSALMI. Kohde sijaitsee Hallan Sauna- nimisessä kiinteistössä.

Usean muuttujan funktioiden integraalilaskentaa

KUVIEN LAADUN ANALYSOINTI

Jäykän kappaleen liike

Korkealämpötilakemia

Tchebycheff-menetelmä ja STEM

Mat Sovellettu todennäköisyyslasku A

Mat Lineaarinen ohjelmointi

Mekaniikan jatkokurssi Fys102

Ilkka Mellin (2008) 1/24

Mat Lineaarinen ohjelmointi

SEKAELEMENTIT ABSOLUUTTISTEN SOLMUKOORDINAATTIEN MENETELMÄSSÄ

4. MARKKINOIDEN TASAPAINOTTUMINEN 4.1. Tasapainoperiaate Yritysten ja kuluttajien välinen tasapaino

Transkriptio:

Monte Carlo -menetelmä Helumn perustlan elektron-elektron vuorovakutuksen laskemnen parametrsodulla yrteaaltofunktolla. Menetelmän käyttökohde Monen elektronn systeemen elektronkorrelaato oteuttamnen mulla menetelmllä raskasta Kvanttmekankka perustuu todennäkösyyksn. Hyödynnetään Monte Carlo -menetelmässä. Otetaan näytepstetä satunnasest ja optmodaan aaltofunktossa esntyvä parametrejä. Parametrsodun aaltofunkton lokaaleta energota panotetetaan todennäkösyystheydellä.

Varatonal Monte Carlo -menetelmä Muodostetaan parametrsotu yrtefunkto, joka on hukkasysteemn (helumn kaks elektrona) mahdollsmman tarkka monen elektronn aaltofunkto. Arvotaan elektronen pakkavektorelle arvoja (r 1, r 2 ) ja lasketaan lokaalenerga nällä pakkavektoreden arvolla. Lokaaln energan keskarvo lähestyy otoskoon kasvaessa Hamltonn operaattorn odotusarvoa, kyseselle yrtefunktolle valtulla parametrn arvolla. Seuraavaks muutetaan yrtefunkton parametra ja lasketaan jälleen tälle parametrlle lokaalen energoden keskarvo. Lokaal energa? arkka aaltofunkto toteuttaa kakssa avaruuden pstessä Schrödngern yhtälön. Esmerkks helumlle Hr1,, pˆ1, pˆ2< r1, E< r1, mssä (atomykskössä: m = 4SH 0 1) 2 2 1 2 ˆ 2 2 1 H 2 2 r1 r12 Jos aaltofunkto < r1, e ole tarkka ratkasu vodaan slt määrtellä lokaal energa: H r1,, pˆ1, pˆ2< r1, E < r1, Vodaan osottaa, että mtä paremp approksmaato< r1, stä penemp on lokaalen energod en keskarvo E.

Raylght Rtz varaatoperaate 1/2 ämän teoreeman mukaan hukkasen (systeemn) perustlan tarkka omnasfunkto antaa alhasmman energan odotusarvon. ³ ³ allspace * * 0 0 R 0 d app allspace < H< d E < H< dr ässä < on Hamltonn tarkka perustla ts. H< E< < app on approksmatvnen ratkasu, joka vodaan ana esttää kehtelmänä yl tarkkojen ratkasujen H< E< : < c< c< app 0 0 0 0 f app 0 0 1 f 2 2 c0 c 1 HUOM ntegraalssa dr tarkottaa tlavuusntegronta yl Jos kakk aaltofunktot on normtettu 3 3 1 2 pakkavektoreden r ja r ts dr{ d rd r 1 2 1. Raylght Rtz varaatoperaate 2/2 odstetaan, R-R teoreema osottamalla että approksmatvselle aaltofunktolle energan odotusarvo on ana suuremp kun tarkalle perustlalle. f f * * * ³ < apph< appdr c cj ³ < H< jdr allspace 0 j 0 allspace f f f f f * * * 2 cc j ³ < Ej< jdr cce j jgj c E 0 j 0 allspace 0 j 0 0 f 2 2 c0 E0 c E t E0 1 1 edellyttäen, että anakn yks c z 0, 1,.. f. Jos c 0, 1,.. < app < 0 f Ÿ ts kyseessä on tarkka ratkasu, ja saadaan yhteläsyysmerkk yhtälössä (1).

Energan approksmont VMC-menetelmällä Systeemn energa el Hamltonn operaattorn omnasarvo on E = ³ ³ Ψ Ψ HΨ ˆ Ψ dr dr Systeemn konfguraaton R lokaal energa on E L R HΨ ˆ = Ψ R R Systeemn energaa vodaan approksmoda laskemalla otannasta (koko N) lokaaln energan keskarvo: E 1 N E L R R ssältää systeemn kakken hukkasten pakkavektort R{ r, r, r,... 1 2 3 Hukkasten pakkojen varont Monte Carlo -menetelmässä hukkasten pakkoja r 1, r 2 muutetaan satunnasest ja lasketaan keskarvo nätä pakkavektoreta vastaavsta lokaalesta energosta. 1, Systeem pyrk koht tasapanoa, mutta se e kehty determnstsest ekä luktu tasapanotlaan. Käytetään 50-luvulta peräsn olevaa Metropolsalgortma. 1, Edellnen pakkavektorvalnta r vakuttaa shen, mten hukkasten uudet pakkavektort r määrätään.

Metropols-algortm (1/2) Aluks muodostetaan yrtefunkto < D (r 1, r 2 ) joka kuvaa todellsta systeemä mahdollsmman älykkääst. Valtaan yrtefunkton parametrlle D järkevä alkuarvo. ostetaan seuraavaa teraatota: 1. Lasketaan energan lokaal arvo valtulle vektorelle 2. Muutetaan vektoreta satunnasest ja 1, päätetään, kelpaako uus vektorpar r, jos kelpaa lasketaan jälleen lokaal energa. 3.ostetaan kunnes rttävä tlastollnen stablsuus on saavutettu lokaalen energoden keskarvolle. 1, r Metropols-algortm (2/3) r1, t r1, r > @ 1, < < (1) Jos (1) e toteudu arvotaan satunnasluku r välltä 0,1. Jos < 1, r1, < t r Uus vektorpar r kelpuutetaan, mkäl tonen seuraavsta ehdosta toteutuu: uus vektorpar 1, r (2) hyväksytään. Jos kumpkaan ehto e toteudu arvotaan uudet 1, r

Metropols-algortm (3/3) Edellä kuvattua teraatota tostetaan kunnes tlastollsest stabl lokaalen energoden keskarvo on saatu laskettua yrtefunktolle < D (r 1, r 2 ). Seuraavaks muutetaan D:n arvoa ja etstään uutta parametrn arvoa vastaava lokaalen energoden keskarvo. ätä jatketaan kunnes on löytynyt se D:n arvo, joka antaa penmmän lokaalen energoden keskarvon Helumn omnasenergan laskemnen Ydntä kertää kaks elektrona, joden sähköstaattsesta vuorovakutuksesta aheutuu hylkvä voma. Mallssa tulee ottaa huomoon elektronen välnen repulso. Koska kahden elektronn perustlan aaltofunkto on ana snglett (spnt vastakkassuuntaset el antsymmetrnen spnaaltofunkto) on rataosan oltava symmetrnen kun elektronen pakkavektort vahdetaan keskenään) Alkeellsn mahdollnen Helumn perustlan aaltofunkto on vedyn kaltasten 1s-orbtaalen tulo (atomykskössä): -2r1 2, < r 1 r 2 Ce e C ( normtusvako) ämä yrtefunkto e kutenkaan ota huomoon elektronen hylkvää vuorovakutusta.

Helumatomn yrtefunkto Hylkvä vuorovakutus tuodaan mukaan yrtefunktolla 2r 2 r 1 2 r12 /2(1 D r12 ) < e e e mssä r1 ja ovat elektronen 1 ja 2 etäsyydet ytmestä ja r12 r1 on elektronen kesknänen etäsyys. Säädettävä parametr D kuvaa efektvstä varjostusvarausta. Huomaa että etäsyydestä r 12 rppuva osa penentää todennäkösyyttä, että elektront ovat hyvn lähellä tosaan. Lokaaln energan numeernen laskemnen Lokaal energa : H E r1,, pˆ1, pˆ2< r1, < r, r 1 2 1 2 12 1 joudutaan laskemaan numeersest. Hamlton on 2 2 1 2 ˆ 2 2 1 H 2 2 2 r r r Yhtälössä (1) on ss laskettava Hamltonn (2) vakutus approksmatvseen aaltofunktoon satunnasest valtussa psteessä r, r. 1 2

Fnte dfference -menetelmä Hamltonssa esntyvä funkton tonen dervaatta 2 w w w 2 2 2 wx wy wz (lke-energa term) vodaan laskea fnte dfference menetelmällä '' f xh2 f x f xh f x h 2 Kolmulottesessa avaruudessa Laplacen operaattorn approksmontn tarvtaan kuus apupstettä evaluontpsteen ympärstössä. Ptkän Monte Carlo -smulaatoajon tuloksena saatu helumn omnasenerga yrtefunkton D-parametrn suhteen. Arvo D vastaa helumatomn perustlan energaa. ällön energa on -2,878 a.u. el -78,3 ev. Kokeellnen arvo on -79,0 ev. Monte Carlo approksmaatossa on kohnaa menetelmän luonteesta johtuen. Vertalun vuoks vedynkaltasten orbtaalen tulo lman hylkvää termä antaa odotusarvoks -74,8 ev. Yrtefunkton yksnkertasuudesta huolmatta Monte-Carlo menetelmällä saatn vrhe penennettyä 4,2 ev:stä 0,7 ev:tn!!