ям (XIII.77) |
и (XIII.78), |
можно |
определить |
различным образом. |
В частности, |
можно |
положить: |
|
|
|
|
|
|
|
j Щ |
|
|
|
|
при Uj < Uс |
|
Р// = |
| |
( |
Uj-Ui\ |
J |
|
(XIII . 79) |
|
|
I аіг ехр ( — |
— ^ |
при |
Uj > U,; |
|
|
|
Pu = |
l— |
%.Pij, |
|
(XIII . 80) |
где wx — вероятность появления некоторой конфигурации при бес порядочном выборе, т. е. при использовании равномерно распреде ленных случайных чисел, как это было описано ранее. Равнознач ность условий (XIII.77) и (XIII.80) очевидна. Покажем, что при выполнении условия (XI1I.79) выполняется условие (XIII.78). Допус тим, что Uj <z Ut. Тогда p % i =wv Величину p j t получим из выра жения для Pjt, произведя в нем взаимную замену индексов і и /: так
как Ut> |
Uj, то pij — шх ехр U i ~ ^ 1 j - |
Равенство (XIII.78), как |
легко убедиться, справедливо. При Uj~>Ut |
рц — wx ехр [— . / ~ _ . f ^ , |
Pi i —a V |
Если U j — Uu то ptj — pij — wx. Во всех случаях условие |
(XIII.78) |
выполняется. |
|
Итак, если вероятности переходов в цепи Маркова подчинены усло виям (XIII.79) и (XIII.80), то частоты появления конфигураций от вечают зависимости (XIII.76). В этом случае простое усреднение величины M по цепи конфигураций дает в пределе (при L -*• оо) значение, совпадающее с каноническим средним. Действительно, среднее каноническое можем представить в виде
|
|
ы |
S |
e x p ( - t W ) |
1 |
|
|
|
|
|
i= |
i |
|
|
|
|
|
|
где величина |
wt |
определена |
|
выражением |
(XIII.76); |
следовательно, |
_ |
s |
r |
|
|
i |
s |
|
t |
L |
|
M = lim |
V |
Mi — |
= lim |
V |
M(Li |
= lim |
— Y |
Mtn; ( X I I I . 8 1 ) |
L-~œ |
Li |
L |
/ . - »co |
L Li |
1 1 |
L ^ „ |
L Li |
</)' |
|
f=i |
|
|
|
i'=i |
|
|
/=1 |
|
здесь индекс i характеризует номер ячейки в конфигурационном про странстве (номер состояния), индекс (у) служит для обозначения но мера испытания в последовательной цепи конфигурации. При боль шом числе испытаний среднее арифметическое по цепи конфигураций совпадает, в пределах статистической ошибки, со средним канониче ским. Можем сказать, что рассматриваемая нами цепь Маркова моде лирует поведение системы канонического ансамбля.
Начальную конфигурацию можно задать произвольно. Цепь конфигураций, в которой вероятности перехода отвечают условиям (XIII.79) и (XIII.80), можно реализовать с помощью выбора случайных чисел из равномерно распределенной
последовательности. Новую конфигурацию |
получают |
обычно, изменяя в пре |
дыдущей |
конфигурации положение одной |
из частиц. |
|
При |
этом заранее задают максимально |
возможное |
изменение 6 декартовых |
координат частицы (максимальный шаг). Частицу, которая будет «передвинута», выбирают случайным образом, для чего используют последовательность Л/ це лых равномерно распределенных чисел из ряда 1, 2, N. Допустим, выбрано число к — значит, меняться будут координаты частицы с номером к. Координаты
|
|
|
|
|
|
|
к-й частицы в исходной |
(і-й) конфигурации обозначим |
y^'J, |
z^'J. Чтобы полу |
чить новую (/-ую) |
конфигурацию, |
выбирают три числа £і, £г, ?з из последователь |
ности равномерно |
распределенных в интервале [0, |
1] чисел и |
принимают, что |
в /-й конфигурации |
|
|
|
|
|
4" = 4 ° ^5; |
4 л = ^ ^ ; г?=гры |
|
(координаты остальных |
частиц сохраняются). Вычисляют энергию Uj |
системы |
в новой конфигурации |
и сравнивают ее с величиной |
Ut. Если |
Uj4,Ut |
[случай, |
отвечающий верхней строке выражения (XIII.79)], то считают, что система пе
решла в /-е состояние. В случае Ui>U, |
выбирают еще одно случайное число £4 |
|
|
|
/ |
Uj-Ui |
\ |
из интервала |
[0, 1] |
и сравнивают его |
с величиной ехр |
— |
. Если |
|
|
|
V |
K T |
) |
?4 <^ ехр I |
— |
I > то считают, |
что система перешла |
в /-е |
состояние. |
/Uj-Ui \
Если |
? 4 |
> е х р |
I —: |
— — |
j • то перехода в новое состояние не происхо |
дит, |
к-я |
частица |
сохраняет |
свои старые координаты; /'-я конфигурация в цепи |
не учитывается, но і-ая конфигурация учитывается второй раз*. Затем про цедуру повторяют исходя из полученного конечного состояния (/ или «'). Не
трудно |
убедиться, что частоты перехода при |
таком |
способе |
выбора конфи |
гураций |
удовлетворяют условию (XII.79). Для |
каждой учитываемой |
конфигу |
рации определяют представляющую интерес величину |
М(п, ...,г; ѵ), |
формируют |
сумму |
М(, находят среднее по цепи. В согласии с равенством |
(XIII.81) при |
/ . - и » это среднее сходится к каноническому среднему. |
|
|
|
Несмотря на то что рассмотренная модификация метода МонтеКарло дает чрезвычайную экономию вычислительной работы, в на стоящее время оказывается возможным производить расчеты лишь для систем с числом частиц не более нескольких сотен. Но из-за боль шой роли поверхностных эффектов в малой системе свойства такой системы отличны от свойств макроскопической системы, в которой число частиц — порядка числа Авогадро. Чтобы избежать влияния поверхностных эффектов и в то же время ограничиться рассмотрением конфигураций системы из небольшого числа частиц, используют спо соб, состоящий в наложении на систему периодических граничных условий. Допустим, что малая система содержит N частиц в кубе объема V, где N — порядка нескольких десятков или сотен. Предпо лагается, что пространство, окружающее данную систему, вплотную заполнено ячейками объема V, из которых каждая содержит N частиц. Таким образом, трехмерное пространство разделяется на одинаковые
* Если Uj >Ui, |
то вероятность |
для системы остаться в /-й конфигурации |
после того, как эта |
конфигурация получена путем случайного выбора, следует |
приравнять в согласии с (XIII.79) |
величине ехр[—(Ut —(У; )//гТ]. Этой же ве |
личине равна вероятность получить при случайном выборе число |
|
6. < ехр |
[-{Uj-Ui)lkT] |
ячейки. Одна из этих ячеек считается основной; конфигурации всех ячеек повторяют конфигурацию основной (рис. 64). Независимыми являются лишь смещения частиц в основной ячейке; одновременно те же смещения испытывают частицы во всех других ячейках. Но при подсчете энергии взаимодействия учитывают взаимодействие частиц ячейки не только между собой, но и с частицами соседних ячеек, т. е.
для каждой частицы в ячейке находят сумму X u(rik), где і — номер |
|
кфі |
|
частицы в ячейке; |
к — номер другой частицы |
в ячейке или |
вне ее; |
а — максимальное |
расстояние, на котором |
взаимодействие |
между |
частицами пары еще учитывается. Молярное значение энергии взаимо
действия находят |
по формуле |
|
|
|
|
|
|
|
|
N |
|
|
|
|
|
|
2N |
S |
S |
« |
fa*)- |
(XI II.82) |
|
|
|
|
|
|
1=1 |
кфі |
|
|
|
Таким образом, рассматриваются произволь |
|
|
ные конфигурации |
системы из |
малого |
числа |
|
|
частиц и в то же время исключаются |
поверх |
|
|
ностные эффекты. |
Разумеется, |
рассмотрение |
|
|
макроскопической |
системы как |
совокупности |
|
|
подсистем одинаковой конфигурации |
являет |
|
|
ся приближением; возможные |
конфигурации |
|
|
макроскопической системы |
учитываются при |
|
|
этом далеко не полностью. Действительно, |
|
|
в системе с периодическими граничными ус |
|
|
ловиями возможны |
лишь |
флуктуации |
плот |
|
|
|
|
|
|
|
|
|
|
ности внутри |
одной |
ячейки; в то же время |
Рис. 64. |
Система, |
на |
средняя плотность во всех ячейках |
одинако |
ва. Все конфигурации, |
связанные с |
крупно |
которую |
наложены |
пе |
риодические граничные |
масштабными |
флуктуациями, |
исключаются. |
условия |
|
Степень искажения результата |
зависит от то |
|
|
|
го, насколько |
велик статистический |
вес кон |
|
|
|
фигураций, которые не учитываются, и насколько отличны соответст вующие этим конфигурациям значения M от величины M для учтен ных конфигураций. Приближение будет тем точнее, чем больше число частиц в ячейке (напомним для сопоставления, что в теории свободного объема одинаковые ячейки были размера ѵ = VIN и включали одну частицу). Влияние периодических граничных условий можно оценить, производя расчеты при различных значениях числа частиц N в ячейке. Точный результат для макроскопической системы будет соответство вать экстраполяции на N со. Расчеты показывают, что для газов и жидкостей искажение макроскопических параметров из-за исполь зования периодических граничных условий невелико даже в случае нескольких десятков частиц в ячейке; соответствующая поправка — величина порядка 1/N.
По методу Метрополиса можно рассчитать любые канонические средние или параметры, выражаемые через канонические средние. В частности, молярную среднюю энергию системы найдем согласно соотношению
(XIII.83)
2 1 + 2N
f=l кфі
см. (XIII.82). Конфигурационный вклад в теплоемкость можем, учи тывая зависимость (VI.89), рассчитать по формуле
где величины U и U2 являются средними каноническими. Для каждой конфигурации, следовательно, мы должны рассчитать не только ве личину U по формуле (XIII.82), но и величину U2. Путем усреднения по цепи [в формуле (XI 11.81) заменяем M соответственно на U или U2] получим искомые канонические средние. Нетрудно получить за висимости, позволяющие рассчитать давление системы. Можно найти радиальную функцию распределения. Чтобы вывести ее, будем для каждой конфигурации определять число молекул N(r) вокруг некоторой заданной молекулы, находящихся внутри сферы радиуса г; найденные значения усредним по различным молекулам и по цепи конфигураций. Если такие расчеты производить для целого набора значений г, с ма лым интервалом Ar, то сможем определить функцию ІѴ(г), характери зующую в среднем распределение частиц вокруг заданной. Радиаль ную функцию распределения рассчитаем согласно зависимости
_ L _ J L _ Щ_.
N 4кг* dr
Таким образом, с помощью метода Монте-Карло можно определить не только термодинамические параметры, но и структурные характе ристики системы. Правда, статистическую сумму, а следовательно, свободную энергию, энтропию и т. д. по методу Метрополиса непо средственно рассчитать нельзя. Эти величины можно, однако, найти при рассмотрении зависимостей канонических средних от температуры.
При расчетах по методу Монте-Карло исходными являются самые общие формулы статистической термодинамики и предположение о виде потенциала межмолекулярного взаимодействия (неточность, связанная с использованием периодических граничных условий, как мы отмечали, обычно невелика и может быть учтена путем рассмотре ния результатов для различных N). Если генерируются достаточно длинные цепи, чтобы сходимость среднего по цепи к среднему кано ническому была обеспечена, то результаты расчетов по методу МонтеКарло можно считать точными в пределах статистических ошибок. Расчеты по методу Монте-Карло для плотного аргона с использова-
нием потенциала Леннард-Джонса дали результаты, хорошо согласую щиеся с экспериментом.
Чрезвычайно полезно использование метода Монте-Карло для про верки различных теорий, дающих приближенную статистическую трак товку той или иной модели. Сопоставление с опытом в данном случае часто непоказательно, так как трудно оценить относительную роль ошибок, обусловленных приближенным характером модели и приб лиженным способом обработки модели. В то же время метод МонтеКарло может дать строгий результат для рассматриваемой модели. Так, результаты, полученные по методу Монте-Карло для системы твердых шариков, сопоставляют с теоретическими зависимостями для этой системы, найденными в суперпозиционном приближении, и бла годаря этому уясняют, какую ошибку вносит суперпозиционное при ближение. Широко используется метод Монте-Карло для расчетов модели Изинга, рассмотренной в предыдущей главе, и других моделей. С развитием машинной вычислительной техники этот метод получает все более широкое применение.
Достоинства численных методов, однако, не стоит преувеличивать. Эти методы в принципе не могут дать общих аналитических зависимос тей. Расчет по методу Монте-Карло состоит в том, что, задавшись определенным потенциалом взаимодействия, мы получаем численные значения макроскопических характеристик при заданных условиях. Если используется канонический ансамбль, то заданы параметры Т, V, N, и расчет дает точку на диаграмме зависимости интересующего нас параметра M от переменных Т и VIN. Проведя вычисления для различных условий, мы можем построить изотермы и изохоры или всю поверхность M (T, VIN). Но для системы с другим потенциалом взаимодействия все расчеты потребуется начать заново. В этом смысле метод Монте-Карло является аналогом экспериментальных методов, которые требуют постановки отдельного эксперимента для каждой системы при заданных условиях. Поэтому метод Монте-Карло можно назвать методом численного эксперимента.