Baixe o app para aproveitar ainda mais
Prévia do material em texto
Sistemas aleatórios Random walks e parentes próximos Sistemas aleatórios Agora: sistemas estocásticos ⇒ Grande número de graus de liberdade ⇒ Descrição estatística Até agora: sistemas determinísticos ⇒ Equação diferencial + cc Líquido, spins, difusão Já sabem! Décima Terceira Aula: Números aleatórios Geração de distribuições não-uniformes Met Comp I – Érica Décima Quarta Aula: Método de Monte-Carlo: Resolução de Integrais Café com creme Não !!! 1 gota de creme numa xícara de café ~1023 moléculas de “creme” ~1023 equações de movimento Método de euler Como espalha? Café com creme Random walk 1 gota de creme numa xícara de café Modelo Como espalha? Do mais simples para o mais complicado ... Random walk 1 dimensão � Random walk 2 dimensões � Self-avoiding walks Difusão Passo constante Passo aleatório Random Walk – Passeio aleatório Movimento browniano difusão Random Walk 1d Passos de tamanho 1X0=0 Programa x=0 Para i=1 até Npassos r=random se (r<0.5) x=x+1 se (r>=0.5) x=x-1 <x(i)>=<x(i)>+x <x2(i)>=<x2(i)>+x*x Random Walk 1d 0 20 40 60 80 100 -8 -6 -4 -2 0 2 4 6 8 10 12 14 x passo 3 realizações diferentes 10 realizações diferentes 0 20 40 60 80 100 -10 -8 -6 -4 -2 0 2 4 6 8 10 < x > t < >→→→→ Média sobre realizações Aumentando o número de realizações 0 20 40 60 80 100 -0,20 -0,15 -0,10 -0,05 0,00 0,05 0,10 0,15 0,20 < x > t 0 20 40 60 80 100 -0,20 -0,15 -0,10 -0,05 0,00 0,05 0,10 0,15 0,20 < x > t <x>~0 Flutuações! 100 10.000 Calculando <x2> 0 20 40 60 80 100 0 20 40 60 80 100 < x 2 > t <x2>=2Dt <x2>=2dDt Em d dimensões 100 Comparando com uma partícula livre Random walk <x2>=2Dt Livre x=x0+vt <x 2>~t2 Mais devagar Difusão anômala Lim t →∞ <x 2> ~ tµ 0 < µ < 1 subdifusão µ =1 difusão normal µ > 1 Superdifusão µ = 2 Regime balístico 10.000 realizações diferentes D=1/2 0 20 40 60 80 100 0 20 40 60 80 100 < x 2 > t Não é surpreendente ∑ = = n i in sx 1 Xn é a posição depois de n passos Si =+-1 Si é o deslocamento para o i-ésimo passo: Não é surpreendente 0 1 == ∑ = n i in sx Si =+-1 Com igual probabilidade <Si >=0 Fazendo o mesmo para x2 Como os passos são independentes entre si∑ ∑ = = = n i n j jin ssx 1 1 2 SiSj=+-1 com igual probabilidade para i≠j <SiSj>=0 para i≠j Para um número grande de rw Lembrando que Si2=1 como n=t nsx n i in =><>=< ∑ =1 22 <x2>=2Dt com D=1/2 Desvio padrão de x2 ∑ = ><>=< n lkji lkjin ssssx 1,,, 4 ( ) 224222 nnnn xxxx −=−=σ Não nulo quando i,j,k e l são iguais ou quando são iguais aos pares nsx n i in =><>=< ∑ =1 22 ( ) 224222 nnnn xxxx −=−=σ nnsssx n i n i ij jiin 233 2 1 1 2244 −= +>=< ∑ ∑ ∑ = = ≠ nnn 222 2 ≈−=σ nxn ~~ 2σ A separação entre dois andarilhos cresce com n Histogramas 10.000 realizações bin=2 t=10 passos -40 -30 -20 -10 0 10 20 30 40 0,00 0,05 0,10 0,15 0,20 0,25 p ro b ab il id ad e x Histogramas 10.000 realizações bin=2 t=100 passos -40 -30 -20 -10 0 10 20 30 40 0,00 0,05 0,10 0,15 0,20 0,25 p ro b ab il id ad e x Difusão Na próxima aula ... Tamanhos de passo aleatórios Passos de tamanho (0,1] X0=0 Programa x=0.d0 Para i=1 até Npassos r=random rb=random se (rb<0.5) x=x+(1-r) se (rb>=0.5) x=x-(1-r) <x(i)>=<x(i)>+x <x2(i)>=<x2(i)>+x*x 500 realizações diferentes D=1/2 0 20 40 60 80 100 0 20 40 60 80 100 < x 2 > t D<1/2 Também não é surpreendente ∑ = = n i in sx 1 Xn é a posição depois de n passos -1=<Si =<1 Si é o deslocamento para o i-ésimo passo: Calculando xn2 ∑ ∑ = = = n i n j jin ssx 1 1 2 Como os passos são independentes entre si SiSj=+-(0,1) com igual probabilidade para i≠j 0=∑ ≠ n ji jiss Para um número grande de rw Calculando xn2 ><>=< ∑ = n i in sx 1 22 Lembrando que Si2 está distribuído uniformemente no intervalo(0,1] ∫∫ ==>=< 1 0 2 1 0 22 3 1 )( dyydyyPysi constante Substituindo si2 6 1 =D como n = t <x2>=2Dt 33 1 1 2 n x n i n =>=< ∑ = De acordo com o gráfico! Random Walk 2d Passos de tamanho 1 RandomWalk Programa x=0, Y=0 Para i=1 até Npassos r=random rb=random se (rb<0.5) se (rb>=0.5) <r(i)>=<r(i)>+sqrt(x*x+y*y) <r2(i)>=<r2(i)>+x*x+y*y se (r<0.5) x=x-1 se (r>=0.5) x=x+1 se (r<0.5) y=y-1 se (r>=0.5) y=y+1 500 realizações diferentes 0 20 40 60 80 100 0 20 40 60 80 100 < r2 > t <x2> ~ t 10.000 realizações diferentes 0 20 40 60 80 100 0 20 40 60 80 100 < r2 > t D=1/6 <x2>=2dDt Self-avoiding Walk - SAW Passos de tamanho 1 Self-avoiding Walk - SAW Random walk: cada passo é completamente independente de todos os anteriores Na natureza nem sempre é assim: polímeros SAW Blocos de construção Porém: não é permitido superpor Iguais a RW Self-avoiding Walk - SAW Self-avoiding Walk - SAW Interrompe o crescimento Growing SAWs ou Kinetic SAWs simulação Problema! Problema: probabilidades diferentes Escolher o próximo passo entre TODAS as direções e parar se interceptar simulação Solução SAW RW SAW Cresce mais rápido Expoente de Flory <r2> ~ t2ν RW <r2>~t, ν =0.5 � ν = 0.735 livre <r2>~t2, ν =1 � ν = 0.661 SAW em mais dimensões 2D ν=3/4=0.75 3D ν=3/5=0.6 4D α=0.575 D cresce ⇒ ν → 0.5 ⇒ RW Solução: parar e recomeçar ao interceptar simulação Enumeração X simulação Para um dado n (pequeno!) enumerar todos os possíveis SAWs enumeração Custo computacional alto Método da enumeração Método da enumeração nnr r n n ν ν 2 1~ 1 1~ 2 2 2 1 + + + ν = 0.735 Próxima aula Random walks e difusão Referência Computational Physics N. J. Giordano e H. Nakanishi Fundamentals of Statistical and Thermal Physics Federick Reif
Compartilhar