Mudanças entre as edições de "Algoritmo de Wang-Landau"
De Física Computacional
| Linha 1: | Linha 1: | ||
==Introdução== | ==Introdução== | ||
| − | Ao contrário dos métodos convencionais de Monte Carlo, que geram diretamente uma distribuição canônica <math>g(E) e^{-E/k_B T}</math> a uma dada temperatura <math>T</math>, a abordagem de Wang-Landau estima a densidade de estados <math>g(E)</math> diretamente por meio de um passeio aleatório, que produz um histograma plano no espaço de energia <math>H(E)</math>. | + | Simulações computacionais, como o método de Monte Carlo, são vastamente utilizadas para estudar transições de fase e fenômenos críticos. O método padrão para simulações de Monte Carlo é o algoritmo de Metropolis, entretanto, algoritmos novos e mais eficientes são usados em simulações modernas, como o algoritmo de Wang-Landau. Ao contrário dos métodos convencionais de Monte Carlo, que geram diretamente uma distribuição canônica <math>g(E) e^{-E/k_B T}</math> a uma dada temperatura <math>T</math>, a abordagem de Wang-Landau estima a densidade de estados <math>g(E)</math> diretamente por meio de um passeio aleatório, que produz um histograma plano no espaço de energia <math>H(E)</math>. <REF WANG LANDAU> |
| + | |||
| + | |||
==Amostragem de Wang-Landau== | ==Amostragem de Wang-Landau== | ||
Edição das 19h27min de 28 de novembro de 2021
Introdução
Simulações computacionais, como o método de Monte Carlo, são vastamente utilizadas para estudar transições de fase e fenômenos críticos. O método padrão para simulações de Monte Carlo é o algoritmo de Metropolis, entretanto, algoritmos novos e mais eficientes são usados em simulações modernas, como o algoritmo de Wang-Landau. Ao contrário dos métodos convencionais de Monte Carlo, que geram diretamente uma distribuição canônica 
a uma dada temperatura 
, a abordagem de Wang-Landau estima a densidade de estados 
diretamente por meio de um passeio aleatório, que produz um histograma plano no espaço de energia 
. Erro de citação: Marca <ref> inválida;
nomes inválidos (por exemplo, muito extenso)
