Из Википедии, бесплатной энциклопедии
  (Перенаправлено из выборки редких событий )
Перейти к навигации Перейти к поиску

Выборка редких событий - это общий термин для группы методов компьютерного моделирования, предназначенных для выборочной выборки «особых» областей динамического пространства систем, которые вряд ли посетят эти особые области посредством моделирования методом грубой силы. Знакомым примером редкого события в этом контексте может быть зарождение капли дождя из перенасыщенного водяного пара: хотя капли дождя образуются каждый день, относительно продолжительности и временных масштабов, определяемых движением молекул воды в паровой фазе, образование капли жидкости встречается крайне редко.

Из-за того, что компьютерное моделирование широко используется в самых разных областях, статьи по этой теме возникают из совершенно разных источников, и сложно провести последовательный обзор методов выборки редких событий. [1] Современные методы включают выборку пути перехода (TPS), [2] выборку интерфейса перехода обмена репликами (RETIS), [3] Испытания повторного моделирования после достижения пороговых значений (RESTART), [4] Выборка прямого потока (FFS), [5 ] Обобщенное разделение , [6] [7] Адаптивное многоуровневое разделение (AMS), [8] Выборка редких событий случайного процесса (SPRES),[9] Линейная выборка , [10] Моделирование подмножества , [11] и взвешенный ансамбль (WE). [12] [13] Первым опубликованным методом редких событий был Герман Кан и Теодор Эдвард Харрис в 1951 году [14], которые, в свою очередь, сослались на неопубликованный технический отчет Джона фон Неймана и Станислава Улама .

Временная зависимость [ править ]

Если система находится вне термодинамического равновесия , то возможно, что будет временная зависимость в потоке редких событий. Чтобы проследить эволюцию во времени вероятности редкого события, необходимо поддерживать постоянный поток траекторий в целевую область конфигурационного пространства. SPRES специально разработан для этого случая, и AMS также, по крайней мере формально, действительна для приложений, в которых это требуется.

В случаях, когда достигается диссипативное установившееся состояние (т. Е. Условия для термодинамического равновесия не выполняются, но поток редких событий, тем не менее, постоянен), тогда могут быть подходящими FFS и другие методы, а также обычно более дорогие полностью неравновесные подходы.

Ландшафтные методы [ править ]

Если сделано предположение о термодинамическом равновесии , тогда не будет временной зависимости в потоке редких событий, и термодинамический, а не статистический подход к проблеме может быть более подходящим. Эти методы обычно рассматриваются отдельно от методов редких событий, но могут решать те же проблемы. В этих стратегиях подготавливается ландшафт свободной энергии (или энергетический ландшафт для небольших систем). Для небольшой системы этот ландшафт может быть отображен полностью, в то время как для системы с большим числом степеней свободы все равно потребуется проекция на некоторый набор координат прогресса.

Составив карту ландшафта и сделав определенные допущения, можно использовать теорию переходного состояния, чтобы получить описание вероятностей путей внутри нее. Примером метода для картирования ландшафтов является моделирование обмена репликами, которое имеет то преимущество, когда применяется к проблемам с редкими событиями, поскольку в ходе метода генерируются кусочно-правильные фрагменты траектории, что позволяет проводить некоторый прямой анализ динамического поведения даже без создания всего ландшафта.

См. Также [ править ]

Связанное программное обеспечение [ править ]

  • Пакет R Mistral ( версия CRAN и dev ) для инструментов моделирования редких событий
  • Набор инструментов Python freshs.org в качестве примера набора инструментов для распространения вычислений FFS и SPRES для одновременного выполнения пробных выборок на параллельном оборудовании или распределенным образом по сети.
  • Pyretis , [15] библиотека Python с открытым исходным кодом для моделирования TIS (и RETIS). Он взаимодействует с общим программным обеспечением для моделирования MD GROMACS и QM / MD CP2K .
  • https://westpa.github.io/westpa/ и https://github.com/ADicksonLab/wepy - это пакеты для Weighted Ensemble .
  • PyVisA , [16] Программное обеспечение для анализа и визуализации выходных данных выборки путей с интеграцией алгоритмов на основе машинного обучения.

Ссылки [ править ]

  1. ^ Морио, Дж .; Балесдент, М. (2014). «Обзор методов моделирования редких событий для статических моделей ввода-вывода» (PDF) . Практика и теория имитационного моделирования . 49 (4): 287–304. DOI : 10.1016 / j.simpat.2014.10.007 .
  2. ^ Деллаго, Кристоф; Bolhuis, Peter G .; Гейсслер, Филипп Л. (2002). Выборка пути перехода . Успехи химической физики . 123 . С. 1–84. DOI : 10.1002 / 0471231509.ch1 . ISBN  978-0-471-21453-3.
  3. ^ Риккарди, Энрико; Дален, Ода; ван Эрп, Титус С. (06.09.2017). «Быстрое сопоставление перемещений по методу Монте-Карло для эффективной выборки пути». Журнал писем по физической химии . 8 (18): 4456–4460. DOI : 10.1021 / acs.jpclett.7b01617 . ISSN 1948-7185 . PMID 28857565 .  
  4. ^ Виллен-Альтамирано, Мануэль; Виллен-Альтамирано, Хосе (1994). «Перезагрузка: простой метод для быстрого моделирования редких событий» . Написано в Сан-Диего, Калифорния, США. Материалы 26-й Зимней симуляционной конференции . WSC '94. Орландо, Флорида, США: Международное общество компьютерного моделирования. С.  282–289 . ISBN  0-7803-2109-X. acmid 194044.
  5. ^ Аллен, Розалинд Дж .; десять Вольдов, Питер Рейн; Райн Тен Вольде, Питер (2009). «Прямая выборка потока для моделирования редких событий». Журнал физики: конденсированное вещество . 21 (46): 463102. arXiv : 0906.4758 . Bibcode : 2009JPCM ... 21T3102A . DOI : 10.1088 / 0953-8984 / 21/46/463102 . PMID 21715864 . S2CID 10222109 .  
  6. ^ Ботев, ЗИ; Крезе, Д.П. (2008). «Эффективное моделирование Монте-Карло с помощью обобщенного метода расщепления». Методология и вычисления в прикладной теории вероятностей . 10 (4): 471–505. CiteSeerX 10.1.1.399.7912 . DOI : 10.1007 / s11009-008-9073-7 . S2CID 1147040 .  
  7. ^ Ботев, ЗИ; Крезе, Д.П. (2012). «Эффективное моделирование Монте-Карло с помощью обобщенного метода расщепления». Статистика и вычисления . 22 (1): 1–16. DOI : 10.1007 / s11222-010-9201-4 . S2CID 14970946 . 
  8. ^ Cerou., Фредерик; Арно Гюядер (2005). Адаптивное многоуровневое разбиение для анализа редких событий (Технический отчет). INRIA. RR-5710.
  9. ^ Берриман, Джошуа Т .; Шиллинг, Таня (2010). «Выборка редких событий в неравновесных и нестационарных системах». Журнал химической физики . 133 (24): 244101. arXiv : 1001.2456 . Bibcode : 2010JChPh.133x4101B . DOI : 10.1063 / 1.3525099 . PMID 21197970 . S2CID 34154184 .  
  10. ^ Schueller, GI; Pradlwarter, HJ; Куцурелакис, П. (2004). «Критическая оценка процедур оценки надежности больших размеров». Вероятностная инженерная механика . 19 (4): 463–474. DOI : 10.1016 / j.probengmech.2004.05.004 .
  11. ^ Au, SK; Бек, Джеймс Л. (октябрь 2001 г.). «Оценка малых вероятностей отказов в больших размерах путем моделирования подмножества». Вероятностная инженерная механика . 16 (4): 263–277. CiteSeerX 10.1.1.131.1941 . DOI : 10.1016 / S0266-8920 (01) 00019-4 . 
  12. ^ Цукерман, Дэниел М .; Чонг, Лиллиан Т. (22 мая 2017 г.). «Весовое ансамблевое моделирование: обзор методологии, приложений и программного обеспечения» . Ежегодный обзор биофизики . 46 (1): 43–57. DOI : 10,1146 / annurev-Biophys-070816-033834 . ISSN 1936-122X . PMC 5896317 . PMID 28301772 .   
  13. ^ Хубер, Джорджия; Ким, С. (январь 1996 г.). "Моделирование броуновской динамики взвешенного ансамбля для реакций ассоциации белков" . Биофизический журнал . 70 (1): 97–110. Bibcode : 1996BpJ .... 70 ... 97H . DOI : 10.1016 / S0006-3495 (96) 79552-8 . PMC 1224912 . PMID 8770190 .  
  14. ^ Кан, H .; Харрис Т. Е. (1951). «Оценка пропускания частиц методом случайной выборки». Национальное бюро стандартов Прил. Математика. Серии . 12 : 27–30.
  15. ^ Риккарди, Энрико; Андерс, Лервик; ван Эрп, Титус С. (2020). «PyRETIS 2: невероятный драйв для редких событий» . Журнал вычислительной химии . 41 (4): 379–377. DOI : 10.1002 / jcc.26112 .
  16. ^ Аароэн, Ола; Kiær, Henrik; Риккарди, Энрико (2020). «PyVisA: Визуализация и анализ траекторий выборки пути». Журнал вычислительной химии . DOI : 10.1002 / jcc.26467 .