Montecarlo y Dinamica Molecular - Clase 2

Docentes

• Gloria Buendía, (Universidad Simón Bolívar, Venezuela)

Objetivos de la clase

• Describir el método de muestreo de importancia
• Teoría de Cadenas de Markov Homogéneas. Propiedades
• Descripción del algoritmo de Metropolis
• Ejemplo de como el algoritmo de Metropolis se aplica a la simulación de un modelo de Ising

Al finalizar estos contenidos

Tras desarrollar esta sesión y dedicar las horas de trabajo independiente, los estudiantes deberán estar en capacidad de:

• Entender los fundamentos de las técnicas de muestreo de importancia para calcular promedio
• Comprender como a través de cadenas de Markov se pueden generar configuraciones estables con la probabilidad deseada.
• Reconocer cuando un algoritmo cumple las propiedades que aseguran que converge a la probabilidad deseada.

Actividades preparatorias

• Repasar la diferencia entre ensembles microcanónico, canónico y gran canónico.
• Respasar la teoría en que se basa en modelo de Ising

Material de apoyo

PDF de la clase

Vídeo de la clase

Actividades luego de la Clase

Luego de las primeras clases introductorias se plantearan problemas de cálculo numérico para verificar lo explicado en clase.