跳转至
学习路线

蒙特卡罗方法

本课程把直觉、数学推导、模型边界和可验证实践结合起来。每课含假设、算例和带解释的练习;图示明确区分解析模型与模拟数据。

1. 预备知识与学习方法

需要代数、微积分和初等概率。量子课程还使用复数和线性代数;统计课程使用配分函数。先阅读总学习路线,再按下表顺序学习。不要只记公式:写出其变量、单位、假设和失效条件。

建议先修:分子动力学

2. 编号课程

  1. 概率、积分与随机估计
  2. 正则权重与热力学估计量
  3. 重要性采样与重加权
  4. 马尔可夫链与 Metropolis–Hastings 平衡
  5. 遍历性、能垒与收敛
  6. 伊辛更新与相关误差棒
  7. 粒子移动、体积移动与插入
  8. 簇更新、副本交换与哈密顿量提议
  9. 自由能、伞形采样与稀有事件
  10. 可复现的蒙特卡洛研究

3. 基础与进阶路径

基础路径:按顺序完成前六课的推导与练习,再阅读其余课程的直觉和局限部分。进阶路径:完成全部课程,独立重推关键方程,并把结论连接到软件教程中的数值收敛或统计设计。基础路径不意味着后续方法可以跳过适用条件。

4. 结课任务

选择一个目标观测量,说明物理模型、数值近似、统计估计与验证证据。给出一项手算检查、一项收敛计划及一项可能失败的条件。未执行的计算计划不能写成已得到的结果。