Sie sind auf Seite 1von 34

Zufallsbewegungen Random Walk G. Sutmann Research Centre Jülich (FZJ) John von Neumann Institut e for

Zufallsbewegungen Random Walk G. Sutmann Research Centre Jülich (FZJ) John von Neumann Institut e for
Zufallsbewegungen Random Walk G. Sutmann Research Centre Jülich (FZJ) John von Neumann Institut e for
Zufallsbewegungen Random Walk G. Sutmann Research Centre Jülich (FZJ) John von Neumann Institut e for
Zufallsbewegungen Random Walk G. Sutmann Research Centre Jülich (FZJ) John von Neumann Institut e for

Zufallsbewegungen

Random Walk

G. Sutmann

Zufallsbewegungen Random Walk G. Sutmann Research Centre Jülich (FZJ) John von Neumann Institut e for Computing

Research Centre Jülich (FZJ) John von Neumann Institute for Computing (NIC) Central Institute for Applied Mathematics (ZAM) D - 52425 Jülich

http://www.fz-juelich.de/zam/ZAMPeople/sutmann (ZAM Raum 126, Tel. 02461/61-6746 e-mail: g.sutmann@fz-juelich.de)

Zufall in der Physik?

Wie bereit gesehen können Zufallskomponenten einige Informationen auch über deterministische Systeme liefern:

– Bspw. Auswertung von Integralen mit bestimmten Wert

Andererseits gibt es Systeme, die inhärent stochastische Elemente beinhalten

– Zufallsbewegungen durch ungeregelte Stöße

Welche Aussagen kann man dann über zufällige Ereignisse machen?

Die einfachste (und intuitivste) Darstellung von Zufallsbewegungen sind die Random Walks

Was sind Random Walks ?

Sehr einfache Vorstellung:

– Starte bei einem beliebigen Anfangspunkt x 0

– Gehe in eine beliebige Richtung mit einer zufälligen Schrittweite dx

– Die Frage ist dann: wie weit kommt man eigentlich nach n Schritten?

x 0 x n
x 0
x n

Random Walks

In der statistischen Physik werden Random Walks sehr häufig angewandt, z.B.

– Diffusion von Partikeln in Flüssigkeiten und Festkörpern

– Strukturbildung in komplexen Systemen

– Modellierung von Chemische Reaktionen in komplexen Systemen

Eigenschaften sind sehr gut untersucht

Random Walks (cont‘d)

Ansatz: Führe „sehr viele“ Simulationen mit gleicher Schrittanzahl n aus und messe das Verschiebungsquadrat

Schrittanzahl n aus und messe das Verschiebungsquadrat • Ergebnis: – D.h. die Standardabweichung ist • D.h.

Ergebnis:

n aus und messe das Verschiebungsquadrat • Ergebnis: – D.h. die Standardabweichung ist • D.h. die
n aus und messe das Verschiebungsquadrat • Ergebnis: – D.h. die Standardabweichung ist • D.h. die
n aus und messe das Verschiebungsquadrat • Ergebnis: – D.h. die Standardabweichung ist • D.h. die

– D.h. die Standardabweichung ist

• Ergebnis: – D.h. die Standardabweichung ist • D.h. die Unsicherheit über zukünftige Entwicklungen

D.h. die Unsicherheit über zukünftige Entwicklungen nimmt mit der Wurzel der Schritte zu.

Random Walk (cont‘d)

Grund für das Wurzelverhalten

– Der Endabstand ergibt sich als Summe der Einzelschritte

– Random Walk kann also als vektorieller Prozeß aufgefaßt werden

Walk kann also als vektorieller Prozeß aufgefaßt werden # • Die Dimension des Problems ist noch

#

Die Dimension des Problems ist noch nicht berücksichtigt

Ergebnis für das mittlere Verschiebungsquadrat bleiben aber auch in höheren Dimensionen erhalten

– Immer proportional zur Anzahl der durchgeführten Schritte

– Eigenschaft von selbstähnlichen Systemen

– Statistische Eigenschaften sind auf jedem Detaillierungsgrad dieselben

– Jede Schrittweite läßt sich auffassen als End-zu-End-Vektor eines Random Walk mit kleinerer Schrittweite

– Jeder Endvektor läßt sich auffassen als Schrittweite eines gröberen

#

Random Walks

Random Walk (cont‘d)

Die statistische Verteilung des End-zu-End-Vektors ist normalverteilt (für große n)

– Folgt aus dem zentralen Grenzwertsatz

– Die Wahrscheinlichkeitsdichte ist daher

ist normalverteilt (für große n) – Folgt aus dem zentralen Grenzwertsatz – Die Wahrscheinlichkeitsdichte ist daher

Random Walk (cont‘d)

Bisher war nur angenommen worden, daß die Zufallsbewegungen „irgendwie“ zufällig sind

Die Verteilung der Entfernungen war normalverteilt mit

• Die Verteilung der Entfernungen war normalverteilt mit • Ist das immer so? • Was passiert,
• Die Verteilung der Entfernungen war normalverteilt mit • Ist das immer so? • Was passiert,

Ist das immer so?

Was passiert, wenn man Schrittweiten nimmt, die verschiedenen Verteilungen genügen?

Beispiele: Zufallszahlen gezogen aus

– Bernoulli-Verteilung

– Gleichverteilung

– Normalverteilung

Jedes mal wird eine Normalverteilung angenommen!

Random Walk (cont‘d)

Ziehe Zufallszahlen aus einer Cauchy-Verteilung

• Ziehe Zufallszahlen aus einer Cauchy-Verteilung • Verteilung für größere Zeiten bleibt eine

Verteilung für größere Zeiten bleibt eine Cauchyverteilung!

Weiterhin gilt

Warum ist das so?

! • Weiterhin gilt • Warum ist das so? – Im zentralen Grenzwertsatz wird gefordert, daß

– Im zentralen Grenzwertsatz wird gefordert, daß der Mittelwert aus der Verteilung und die Standardabweichungen (bzw. Varianz) existieren und endlich sind

daß der Mittelwert aus der Verteilung und die Standardabweichungen (bzw. Varianz) existieren und endlich sind
daß der Mittelwert aus der Verteilung und die Standardabweichungen (bzw. Varianz) existieren und endlich sind

Random Walk (cont‘d)

Cauchy Verteilung ist ein Spezialfall der Levy Verteilungen (μ=1)

– Die Levy Verteilung ist durch eine einfache Form der charakteristischen Funktion definiert

– Die Verteilung in Abhängigkeit von x bekommt man durch Fouriertrnsformation

Abhängigkeit von x bekommt man durch Fouriertrnsformation • Gauß Verteilung wird angenommen für μ =2 •
Abhängigkeit von x bekommt man durch Fouriertrnsformation • Gauß Verteilung wird angenommen für μ =2 •

Gauß Verteilung wird angenommen für μ=2

Dabei steuert der Parameter μ>0 die Form der Verteilung

Die asymptotische Form ist dabei

Form der Verteilung • Die asymptotische Form ist dabei – In Analogie zu Wechselwirkungspotentialen steuert μ

– In Analogie zu Wechselwirkungspotentialen steuert μ das Konvergenzverhalten und somit die Existenz der Momente

– Für μ < 2 divergiert das 2. Moment, d.h. die Varianz existiert nicht

– Für μ ≤ 1 divergiert auch das 1. Moment, d.h. selbst der Mittelwert existiert nicht mehr!

Random Walks

Vergleich zwischen Cauchy- und Gauß-Walk

Random Walks • Vergleich zwischen Cauchy- und Gauß-Walk
Random Walks • Vergleich zwischen Cauchy- und Gauß-Walk
Random Walks • Vergleich zwischen Cauchy- und Gauß-Walk

Random Walks

Vergleich zwischen Cauchy- und Gauß-Walk

Random Walks • Vergleich zwischen Cauchy- und Gauß-Walk

Random Walks

Vergleich zwischen Cauchy- und Gauß-Walk

Random Walks • Vergleich zwischen Cauchy- und Gauß-Walk

Random Walks

Wozu kann man die Random Walks nun einsetzen?

Lösung von partiellen Differentialgleichungen durch RWs

– 1.) Diskretisierung der DGl. Und Anwendung von finiten Differenzen Lösung durch RW (ähnlich wie bei der Mitelwert-Integrations- Methode)

– 2.) Suche einen dynamischen Prozeß (physikalisch, chemisch,

biologisch,

),

der auf diese DGl führt und simuliere diesen Prozeß

Bsp.: Wärmetransportgleichung -> Brownsche Bewegung

Bsp.: Wärmetransportgleichung -> Brownsche Bewegung • Reine Simulation von Systemen, für die keine

Reine Simulation von Systemen, für die keine geeigneten DGl‘s existieren

– Self awoiding RW (SARW)

– Anomale Diffusion

Diffusions-Konvektions-Prozesse

Beispiel: - Bewegung von Positronen durch einen Festkörper - Kosmische Strahlung durch interstellare Materie

Man kann dabei drei grundlegende Prozesse unterscheiden, die die Wahrscheinlichkeit bestimmen ein Teilchen an x zu finden

– Diffusion: ungeregelte Bewegung

– Konvektion: gerichtete Bewegung, die i.a. durch Temperatur oder Dichtegradienten erzeugt wird

– Annihilation: Auslöschung der Teilchen durch Zerstörung (Absorption oder Materie/Antimaterie Zerstrahlung) oder durch Änderung der Eigenschaften (chemische Reaktionen)

– Erzeugung: Spontane Erzeugung von Teilchen (Erzeugung von Neutronen bei Kernspaltung)

Diffusion-Konvektion

Die ortsabhängige Dichteänderung aufgrund dieser Prozesse kann dann allgemein geschrieben werden als

dieser Prozesse kann dann allgemein geschrieben werden als – Diffusion Diffusionsstrom durch Dichtegradienten und

– Diffusion Diffusionsstrom durch Dichtegradienten und lokalen Diffusionskoeffizienten

durch Dichtegradienten und lokalen Diffusionskoeffizienten – Drift mit v als lokale Driftgeschwindigkeit der Teilchen

– Drift mit v als lokale Driftgeschwindigkeit der Teilchen

– Annihilation:

– Drift mit v als lokale Driftgeschwindigkeit der Teilchen – Annihilation: – Erzeugung: Quellfunktion S(x,t)

– Erzeugung: Quellfunktion S(x,t)

– Drift mit v als lokale Driftgeschwindigkeit der Teilchen – Annihilation: – Erzeugung: Quellfunktion S(x,t)

Diffusion Konvektion

Im Falle der Temperatur resultiert daraus die allgemeine Form der Wärmeleitungsgleichung

daraus die allgemeine Form der Wärmeleitungsgleichung – ρ = Dichte – C p = spezifische Wärme

ρ = Dichte

– C p = spezifische Wärme

– k = Wärmeleitkoeffizient

Diffusion Konvektion

Modellierung durch Random Walks

– Teilchen bewegen sich mit Wahrscheinlichkeiten q=w + nach rechts und (1-q)=w - nach links

– Wenn q = ½ und x 0 =x(t=0) = 0, so ist der Erwartungswert der Bewegung bei Null

– Die Wahrscheinlichkeit, ein Teilchen an einem Ort x zu einer Zeit t zu finden ist (Mastergleichung)

einem Ort x zu einer Zeit t zu finden ist ( Mastergleichung ) # – Und

#

– Und nach einigen Umformungen erhält man daraus

einem Ort x zu einer Zeit t zu finden ist ( Mastergleichung ) # – Und

mit

einem Ort x zu einer Zeit t zu finden ist ( Mastergleichung ) # – Und
einem Ort x zu einer Zeit t zu finden ist ( Mastergleichung ) # – Und

Diffusion Konvektion

Der Startpunkt für einen RW kann beliebig sein

Für viele Teilchen, die an verschiedenen Startpunkten x 0 beginnen, muß man mit einer bedingten Wahrscheinlichkeit rechnen

muß man mit einer bedingten Wahrscheinlichkeit rechnen • Für viele Teilchen wird man die Dichteverteilung

Für viele Teilchen wird man die Dichteverteilung betrachten, d.h. für t=0

viele Teilchen wird man die Dichteverteilung betrachten, d.h. für t=0 • Zu einer späteren Zeit wird

Zu einer späteren Zeit wird man daher haben

viele Teilchen wird man die Dichteverteilung betrachten, d.h. für t=0 • Zu einer späteren Zeit wird

Diffusion Konvektoin

Differenzieren liefert dann

#

Diffusion Konvektoin • Differenzieren liefert dann # • Es gilt somit dieselbe DGl. Für die Teilchendichte

Es gilt somit dieselbe DGl. Für die Teilchendichte wie für die Wahrscheinlichkeitsdichte

Diffusion Konvektion

In mehreren Dimensionen sieht die Mastergleichung ähnlich aus

mehreren Dimensionen sieht die Mastergleichung ähnlich aus • Wiederum durch Taylorentwicklung der rechten Seite

Wiederum durch Taylorentwicklung der rechten Seite erhält man (wenn w + = w - = ½ )

durch Taylorentwicklung der rechten Seite erhält man (wenn w + = w - = ½ )

durch Taylorentwicklung der rechten Seite erhält man (wenn w + = w - = ½ )

Damit gilt aber auch wieder

durch Taylorentwicklung der rechten Seite erhält man (wenn w + = w - = ½ )

Diffusion Konvektion

Die Lösung der Differentialgleichung kann mit einem RW durchgeführt werden

Lasse N Teilchen aus einer Startverteilung ρ(x 0 ,t 0 ) (gibt man sich vor, Anfangswertproblem) mit einem RW laufen

Schrittweite wird so gewählt, dass gilt

mit einem RW laufen • Schrittweite wird so gewählt, dass gilt Diffusionskonstante D wird dabei vorgegeben

Diffusionskonstante D wird dabei vorgegeben

mit einem RW laufen • Schrittweite wird so gewählt, dass gilt Diffusionskonstante D wird dabei vorgegeben

Diffusion Konvektion

Die Lösung der DGl, d.h. die Dichte ρ(x,t) am Ort x zur Zeit t kann durch ein Histogramm Verfahren gefunden werden

Approximation: Lösung eigentlich nur „exakt“, wenn dt -> 0 (Diskretisierungsfehler)

Bemerkung: die Relation zwischen DGl und dem RW ist nicht eindeutig. RWs mit anderen Verteilungen können ebenfalls gegen die Lösung konvergieren

– Zentraler Grenzwertsatz

– Man kann auch andere Schrittweiten nehmen

Diffusion Konvektion

Man kann auch nicht konstante Schritweiten im RW nehmen

Der Diffusionskoeffizient kann dann bestimmt werden über

Man kann auch nicht konstante Schritweiten im RW nehmen • Der Diffusionskoeffizient kann dann bestimmt werden

#

Man kann auch nicht konstante Schritweiten im RW nehmen • Der Diffusionskoeffizient kann dann bestimmt werden
Man kann auch nicht konstante Schritweiten im RW nehmen • Der Diffusionskoeffizient kann dann bestimmt werden

Random Walk mit Absorption

Hierbei wird eine Auslöschung der Walker unterwegs erlaubt

– Bedeutet, dass von vielen Walkern nur wenige sehr weit kommen

– D.h. man kann jedem Walker auch ein entsprechendes Gewicht geben

– Die Wahrscheinlichkeiten nach rechts (w + ) oder nach links (w - ) zu laufen, müssen modifiziert werden

nach links (w - ) zu laufen, müssen modifiziert werden mit γ der Auslöschwahrscheinlichkeit pro Zeiteinheit

mit γ der Auslöschwahrscheinlichkeit pro Zeiteinheit

– Der Formalismus kann leicht erweitert werden Neue Mastergleichung

γ der Auslöschwahrscheinlichkeit pro Zeiteinheit – Der Formalismus kann leicht erweitert werden Neue Mastergleichung

Random Walk mit Absorption

Taylor Entwicklung der Mastergleichung liefert

#

• Taylor Entwicklung der Mastergleichung lie fert # da dt gegen Null strebt mit • Die

da dt gegen Null strebt

mit

der Mastergleichung lie fert # da dt gegen Null strebt mit • Die Überlebenswahrscheinlichkeit für die
der Mastergleichung lie fert # da dt gegen Null strebt mit • Die Überlebenswahrscheinlichkeit für die

Die Überlebenswahrscheinlichkeit für die nächsten N Schritte von einem Zeitpunkt aus ist

für die nächsten N Schritte von einem Zeitpunkt aus ist • D.h. die Wahrscheinlichkeit, ein Teilchen

D.h. die Wahrscheinlichkeit, ein Teilchen bei (x,t) zu finden wird entsprechend gewichtet

Random Walk mit Absorption

Der Formalismus ist einfach auf ein ortsabhängiges γ erweiterbar

ist einfach auf ein ortsabhängiges γ erweiterbar • Ebenso gilt weiterhin für die Dichte • Macht

Ebenso gilt weiterhin für die Dichte

γ erweiterbar • Ebenso gilt weiterhin für die Dichte • Macht die Beschreibung von chemischen Reaktionen,
γ erweiterbar • Ebenso gilt weiterhin für die Dichte • Macht die Beschreibung von chemischen Reaktionen,

Macht die Beschreibung von chemischen Reaktionen, Elektron- Positron-Annihilation, Strahlungsabsorption etc. möglich

Random Walk mit Absorption

Offensichtliches Problem ist nur, dass für die Zeit t=O(γ -1 ) kaum noch Walker überleben und daher keine Verteilungsfunktion mehr konstruierbar ist

Die Überlebenswahrscheinlichkeit pro Schritt ist d.h. für einen bestimmten Pfad λ gilt

pro Schritt ist d.h. für einen bestimmten Pfad λ gilt • Eine Möglichkeit für solche Simulationen
pro Schritt ist d.h. für einen bestimmten Pfad λ gilt • Eine Möglichkeit für solche Simulationen

Eine Möglichkeit für solche Simulationen eine bessere Statistik zu bekommen ist die Methode des „survival biasing“

Survival biasing

Dabei werden

– Teilchen nicht gelöscht in dem Walk

– In die Histogramme werden nicht Integers geschrieben (also nicht eine 1 für Vorkommen am Ort x), sondern die Wahrscheinlichkeiten w λ bis dort gekommen zu sein

die Wahrscheinlichkeiten w λ bis dort gekommen zu sein – D.h. die Anzahl der Ereignisse, die

– D.h. die Anzahl der Ereignisse, die für das Histogramm gezählt werden, ist immer die gleiche

Survival biasing

Bsp. Für Walker mit Decay, γ = 0.2

Survival biasing • Bsp. Für Walker mit Decay, γ = 0.2

Survival biasing

Bsp. Für Walker mit Decay, γ = 0.2

Survival biasing • Bsp. Für Walker mit Decay, γ = 0.2

Survival biasing

Bsp. Für Walker mit Decay, γ = 0.2

Survival biasing • Bsp. Für Walker mit Decay, γ = 0.2

Survival biasing

Bsp. Für Walker mit Decay, γ = 0.2

Survival biasing • Bsp. Für Walker mit Decay, γ = 0.2

Survival biasing

Bsp. Für Walker mit Decay, γ = 0.2

Survival biasing • Bsp. Für Walker mit Decay, γ = 0.2