4. 马尔可夫链与 Metropolis–Hastings 平衡
本课位置: 第 4/10 课。先完成前一课的推导;使用下方练习检查理解。
先修知识: 条件概率;重要性采样
本课目标:理解下面各步的数学依据,能够手算核对例子,并说明结论依赖的条件。
1. 转移核必须包含拒绝
马尔可夫链的下一状态只依赖当前状态。离散转移矩阵 \(P_{xy}\) 满足每行求和为一。平稳条件是全局平衡 \(\pi_y=\sum_x\pi_xP_{xy}\)。细致平衡 \(\pi_xP_{xy}=\pi_yP_{yx}\) 更强,对 \(x\) 求和即可恢复平稳条件。沿有向环流动的平稳链可以不满足细致平衡,因此可逆性是一种方便的构造方式,而不是所有正确采样器的必要条件。
2. 逐步推导接受率
从 \(x\) 按 \(q(y|x)\) 提议 \(y\),以 \(\alpha(x,y)\) 接受。不同状态间的转移为 \(q(y|x)\alpha(x,y)\),剩余概率用于停留在原处。取
乘上平衡概率和提议概率,正向流为 \(\min[\pi(x)q(y|x),\pi(y)q(x|y)]\),正反方向完全相同。若某个提议没有反向支持,对应接受率可能为零,应检查状态空间。正则目标的配分函数在比值中消掉,留下 \(r=e^{-\beta\Delta U}q(x|y)/q(y|x)\)。只有对称提议才能省略 \(q\) 的比值;不对称提议中,降能移动也未必必然接受。
3. 两状态不对称算例
设 \(\pi(A)=0.8\)、\(\pi(B)=0.2\),提议概率为 \(q(B|A)=0.5\)、\(q(A|B)=1\)。得到 \(r(A,B)=0.5\),因此 \(P_{AB}=0.25\)、\(P_{BA}=1\);自转移概率分别为 \(0.75\) 与零。平衡正反流都等于 \(0.2\)。若漏掉提议比值,则 \(P_{AB}=0.125\),正向流变成 \(0.1\)。此时真正的平稳 \(B\) 概率为 \(1/9\),而不是预期的 \(1/5\)。这个小例子无需模拟即可发现算法错误。
4. 采集协议也属于算法
每次提议后进行接受或拒绝,然后按固定节奏记录当前状态。拒绝后的重复状态代表停留时间,不能随意丢掉。只保留接受移动通常改变分布;如果采用跳跃链,需要显式的停留时间重加权。为避免指数溢出,可计算 \(\log r=-\beta\Delta U+\log q(x|y)-\log q(y|x)\),比较 \(\log u\) 与 \(\min(0,\log r)\)。高接受率不能证明探索充分:极小移动几乎全被接受,但穿越构型空间的速度很慢。
边界处理属于提议机制。如果出盒位移直接拒绝,原对称提议可能保持正确;若不断重抽直到进入盒内,条件归一化因子依赖起点,提议就可能不对称。周期绕回与反射又是不同构造,必须分别检查。看起来幅度很小的移动不一定对称,用完整正反比值推导比凭直觉套公式更可靠。还应确认约束附近没有方向被遗漏,否则细致平衡可能正确而状态空间仍不连通。
5. 练习与局限
练习: 三状态确定性有向循环的均匀分布是否平稳?是否可逆?从单一状态能否收敛?
解答
均匀初始分布保持均匀,所以平稳;没有反向流,故不满足细致平衡;单一起点周期性循环,不能收敛。加入停留概率可消除周期性,但不自动使有向链可逆。
练习: 细致平衡是否保证所有状态可达?
解答
不保证。单位矩阵对任何分布都满足细致平衡,却从不移动。连通性和收敛性必须另行分析。
原创教学示意图;用于解释本课数学或算法结构,不是模拟或实验测量。
6. 延伸阅读与相邻课程
软件衔接:CP2K · Quantum ESPRESSO
以上软件教程提供势能、轨道或收敛管理的相关背景;不代表这些软件教程已经执行本页的 QMC 或蒙特卡洛算例。