Sampling rare fluctuations of height in the Oslo ricepile model
我们研究了奥斯陆米堆模型中堆高与其平均值的大偏差。我们通过使用重要性抽样的蒙特卡罗模拟对这些非常罕见的事件进行了概率为$10^{-100}$的抽样。这些模拟检查了我们的定性分析[Phys. Rev. E，{ \bf 73}，021303，2006]，即在Oslo riceepile模型的稳定状态下，关于平均值的大的负高度波动$Δh=-αL$的概率随着$\exp(-κα^4 L^3)$、随着$α$保持固定的$L \to \infty$和$κ> 0$而变化。
2006-08-06 cond-mat.stat-mech
Sampling rare trajectories using stochastic bridges
随机过程中稀有事件统计量的数值量化是一个具有挑战性的计算问题。我们提出了一种采样方法，构造一个合奏的随机轨迹，约束有固定的起点和终点（所谓的随机桥梁）。然后，我们表明，通过仔细选择一组这样的桥梁，并分配适当的统计权重，每个桥梁，可以集中更多的处理能力的目标随机过程的罕见事件，同时忠实地保留这些率轨迹的统计。此外，我们还比较了随机桥梁使用我们的方法产生的Wentzel-Kramers-Brillouin（WKB）的目标过程中，在低噪声的限制下得出的最佳路径。我们看到，使用我们的方法产生的路径，编码过程的完整统计信息，随着噪声水平的降低，会崩溃到WKB最优路径上。我们建议，我们的方法可以用来判断在有限的噪声水平的WKB近似的准确性。
2021-12-15 cond-mat.stat-mech
Testing Error Correcting Codes by Multicanonical Sampling of Rare Events
将稀疏事件抽样的思想应用于纠错码性能的估计。该思想的实质是通过多准则蒙特卡罗对信道中的噪声模式进行重要性采样，从而能够有效地估计误码率分布的尾部。这个想法成功地用卷积码进行了测试。
2008-07-09 cond-mat.dis-nn cond-mat.stat-mech
Rare behavior of growth processes via umbrella sampling of trajectories
我们计算了可逆和不可逆增长过程的轨道观测值的概率分布。这些结果揭示了可逆和不可逆过程之间的对应关系，在参数空间中的特定点，在其典型和非典型的轨迹。因此，生长过程的关键特征可能对用于产生它们的速率常数的精确形式不敏感，这让人回想起对某些平衡行为的微观细节的不敏感。我们得到了这些结果使用的采样方法，灵感来自于“S-合奏”大偏差形式主义，这相当于伞采样轨迹空间。该方法是现有方法的一个简单变体，适用于由事件总数控制的轨迹集合。它可以用来确定大偏差率函数的轨迹观测或平衡。
2018-02-08 cond-mat.stat-mech
Dynamical Rare event simulation techniques for equilibrium and non-equilibrium systems
我给一个概述罕见的事件模拟技术，以产生动态的途径，通过高自由能障碍。我将集中讨论的方法是无功通量方法、过渡路径采样、（复制-交换）过渡界面采样、部分路径采样/里程碑和前向通量采样。这些方法的共同之处在于，它们旨在以比原始蛮力分子动力学快得多的速率模拟真实的分子动力学轨迹。针对一个简单的一维测试系统，讨论和比较了这些方法的优缺点。这些数值结果揭示了一些重要的陷阱，目前的非平衡方法，没有简单的解决方案，并表明，谨慎是必要的，当解释他们的结果。
2011-03-31 cond-mat.stat-mech
Weighted-ensemble Brownian dynamics simulation: Sampling of rare events in non-equilibrium systems
我们提供了一个算法的基础上加权集成（WE）的方法，准确地采样系统在稳态。将我们的方法应用于不同的一维和二维模型，我们成功地计算了$10^{-300}$阶的稳态概率，并再现了$10^{-280}$阶速率的Arrhenius定律。特别注意不存在细致平衡假设的非势系统的模拟。对于这一大类随机系统，稳态概率分布密度通常是未知的，并且不能在仿真过程中用作先验知识。我们比较了算法的效率与标准的布朗动力学模拟和其他WE方法。
2013-03-16 cond-mat.stat-mech
A Monte Carlo Algorithm for Sampling Rare Events: Application to a Search for the Griffiths Singularity
我们发展了一个最近提出的重要抽样蒙特卡罗算法，用于随机无序系统中稀有事件和猝灭变量的抽样。我们将其应用到二维键稀伊辛模型中，研究了由于稀有大团簇的存在而引起的Griffiths奇异性。结果表明，逆磁化率的分布在原点处有一个指数尾，这被认为是Griffiths奇异性的结果。
2007-11-06 cond-mat.dis-nn cond-mat.stat-mech
Using Bayes formula to estimate rates of rare events in transition path sampling simulations
过渡路径采样是一种用于估计分子系统中罕见事件发生率的方法，该方法基于包含小部分反应轨迹的路径分布逐渐转变为这些罕见轨迹变得频繁的有偏分布。然后，一个多状态重新加权计划实施后处理从分阶段仿真收集的数据。在这里，我们展示了贝叶斯公式如何允许直接构建一个有偏见的样本，其中包含一个增强的分数反应轨迹，并伴随着估计从这个样本的过渡率。该方法可以补救的自由能扰动或伞采样模拟时遇到的收敛问题，变换后的分布与参考分布不充分重叠。
2015-09-24 cond-mat.stat-mech physics.chem-ph
Multicanonical sampling of rare events in random matrices
本文提出了一种基于多重蒙特卡罗方法的随机矩阵最大特征值大偏差的计算方法。该方法成功地测试了高斯正交系综（GOE），稀疏随机矩阵，矩阵的组成部分是均匀密度。具体而言，在这些情况下，估计矩阵的所有特征值为负的概率下降到$\sim 10^{-200}$的值，这是一个朴素随机抽样无效的区域。该方法可以应用于任何矩阵的集合，并用于采样任何统计特征的罕见事件。
2013-03-04 cond-mat.dis-nn cond-mat.stat-mech
Variational path sampling of rare dynamical events
本文综述了变分路径采样方法，该方法结合轨迹空间统计力学与大偏差理论，通过系综重加权思想研究远离平衡系统中的稀有动力学事件，并展示了其在化学、材料及生物物理系统中的应用。
2025-02-03 cond-mat.stat-mech physics.chem-ph
Sampling Rare Event Energy Landscapes via Birth-Death Augmented Dynamics
影响计算物理和化学社区内的复杂系统的模拟的常见问题是所谓的采样问题或罕见事件问题，其中能量景观的适当采样受到高动力学障碍的存在的阻碍，所述高动力学障碍阻碍典型模拟时间尺度上的亚稳态之间的转变。已经开发了许多增强的采样方法来解决这个采样问题，并且更有效地对稀有事件系统进行采样。一个有趣的想法，来自统计领域，在最近的工作（Y。Lu，J. Lu和J. Nolen，arXiv：1905.09863，2019），其形式为一种新颖的采样算法，该算法用生灭过程增强过阻尼朗之万动力学。在这项工作中，我们扩展了这一想法，并表明，这种生灭采样方案可以有效地采样原型罕见事件的能量景观，平衡的速度是独立的势垒高度。我们修改了一个关键的缺点，导致不正确的采样障碍区域的原始算法，通过引入一个新的近似的生灭项。我们建立了重要的理论性质的修改后的算法，并从数学上证明了相关的收敛结果仍然成立。我们调查通过数值模拟的各种参数的影响，我们调查的方法来减少计算工作量的采样方案。我们表明，生灭机制可以用来加速采样更一般的情况下，欠阻尼朗之万动力学，更常用的模拟物理系统。我们的研究结果表明，这种生灭方案是一种很有前途的方法，采样稀有事件的能量景观。
2022-12-20 cond-mat.stat-mech physics.comp-ph
Studying Rare Events using Forward-Flux Sampling: Recent Breakthroughs and Future Outlook
罕见事件是指在不太可能的波动出现时发生的过程。与它们的名字所暗示的不同，罕见事件在自然界中相当普遍，因为生物学和材料科学中许多结构转变的发生都是基于跨越大的自由能障碍。探索动力学和揭示可能的障碍交叉系统中的分子机制是至关重要的预测和控制其结构和功能特性。然而，由于它们的激活性质，罕见事件非常难以使用传统的实验和计算技术进行研究。近几十年来，开发了各种各样的专门计算技术-称为高级抽样技术-以系统地捕捉与罕见事件有关的不可能的波动。从这个角度来看，我们专注于一种称为前向通量采样的技术（Allen~ \emph{et al.,} ~ \emph{J. Chem. Phys.}，{ \bf 124}：024102，2006），并概述其最近的方法变体和扩展。我们还提供了一个详细的概述，它的应用研究各种各样的罕见事件，并绘制出进一步探索的潜在途径。
2019-11-03 cond-mat.mtrl-sci cond-mat.stat-mech
Rare-Event Sampling: Occupation-Based Performance Measures for Parallel Tempering and Infinite Swapping Monte Carlo Methods
在本文中，我们确定了严格的属性的一些回火为基础的蒙特卡罗抽样方法，包括并行回火以及部分和无限的交换。基于此属性，我们开发了各种性能的措施，这样的稀有事件采样方法，广泛适用，信息丰富，简单的实施。我们说明了使用这些性能的措施与一系列的应用程序，涉及简单的Lennard-Jones集群的平衡特性，应用程序的性能水平的部分和无限的交换方法被发现是高于传统的并行回火。
2012-08-30 cond-mat.mtrl-sci cond-mat.stat-mech
Multicanonical Sampling of Rare Trajectories in Chaotic Dynamical Systems
在混沌动力学系统中，混沌海中存在着大量罕见的低混沌度轨迹，而在弱混沌区域中也可能存在非常不稳定的轨迹。在这项研究中，开发了一种定量的方法来搜索这些罕见的轨迹，该方法是基于多正则蒙特卡罗，可以估计概率的初始条件，导致一个给定的混乱水平的轨迹片段。所提出的方法是成功地测试与四维耦合标准地图，其中概率小到$10^{-14}$估计。
2010-10-05 cond-mat.stat-mech nlin.CD
Extreme Quantum Advantage for Rare-Event Sampling
我们介绍了一个量子算法的经典记忆随机过程产生的罕见事件的有效偏置采样。我们表明，这种量子算法提供了一个极端的优势，在所需的内存资源方面，已知的经典偏置采样算法。量子存储器的优势范围从多项式到指数，并且当对自旋系统的稀有平衡构型进行采样时，量子优势发散。
2017-07-29 cond-mat.stat-mech cs.CC cs.IT
Sampling rare events across dynamical phase transitions
具有多个自由度的相互作用粒子系统可能经历相变以维持动力学可观测量（例如电流或活动）的非典型波动。在某些情况下，这会导致破碎的时空轨迹，由于有序结构的出现，这些时空轨迹增加了此类事件的概率。尽管它们的概念和实际的重要性，这些动态相变（DPT）在轨迹水平是难以表征，由于其发生的概率低。然而，在过去的十年中，先进的计算技术已经发展到测量罕见的事件在模拟多粒子系统，允许第一次直接观察和表征这些DPT。在这里，我们回顾了一个特定的稀有事件模拟技术的应用，克隆蒙特卡罗方法的基础上，表征DPTs在范例随机晶格气体。特别是，我们详细描述了一些技巧和技巧的贸易，特别注意测量的序参量捕捉不同的DPT的物理，以及有限大小的影响（无论是在系统的大小和数量的克隆）的测量。总的来说，我们提供了一个一致的图片的现象与DPT及其测量。
2019-08-21 cond-mat.stat-mech
Sampling rare fluctuations of discrete-time Markov chains
我们描述了一个简单的方法，可以用来采样离散时间马尔可夫链的罕见波动。我们专注于马尔可夫链的情况下，定义良好的稳态措施，并推导出表达式的大偏差率函数（和上界等功能）的动态量广泛的马尔可夫链的长度。我们用一系列简单的例子来说明这种方法，并用它来研究基于晶格的活性物质模型的波动，可以进行运动诱导相分离。
2018-03-11 cond-mat.soft cond-mat.stat-mech
Spatiotemporal quantum advantages for rare-event sampling
University of Manchester（曼彻斯特大学）；Nanyang Technological University（南洋理工大学）
针对稀有事件采样耗时难题，提出基于量子随机模型并融合量子振幅放大的方法，实现时空复杂度较经典蒙特卡洛方法的双重降低。
2026-10-05 cond-mat.stat-mech quant-ph
Importance Sampling of Rare Events in Chaotic Systems
在动力系统中寻找和采样稀有轨迹是一项困难的计算任务，它涉及许多问题和应用。在本文中，我们展示了如何构建大都市-黑斯廷斯蒙特卡罗方法，可以有效地采样罕见的轨迹（非常粗糙）相空间的混沌系统。作为我们的一般框架的例子，我们计算有限时间李雅普诺夫指数的分布（在不同的混沌映射）和逃逸时间的分布（在瞬态混沌问题）。我们的方法以多项式数量的样本对指数罕见状态进行采样（在低维和高维系统中）。可以在https://github.com/jorgecarleitao/chaospp中找到实现我们的算法并再现我们的结果的开源软件
2017-01-23 cond-mat.stat-mech nlin.CD physics.comp-ph
Growth by Random Walker Sampling, and Scaling of the Dielectric Breakdown Model
在边界样本上吸收线性和独立的调和测度的随机游走者：我们讨论了影响之间的递归时间如何使测度的非线性矩得到估计。由此，我们推导出一种新的技术来模拟介质击穿模型的增长，这是由谐波测度的非线性。递归时间被证明是准确和有效的探测扩散限制聚集的多重分形生长措施。对于介电击穿模型，我们的新技术有效地生长大集群，我们导致显着修改早期的指数估计。以前的结果由两个保角映射技术收敛比预期的，特别是最近的理论建议的超普适性是坚决驳斥。
2004-01-21 cond-mat.stat-mech
Active Importance Sampling for Variational Objectives Dominated by Rare Events: Consequences for Optimization and Generalization
深度神经网络在使用足够的数据进行优化时，可以提供高维函数的准确表示;相比之下，在科学计算中占主导地位的函数近似技术不能很好地扩展维度。因此，许多曾经被认为难以解决的高维采样和近似问题正在通过机器学习的镜头重新审视。虽然无与伦比的准确性的承诺可能意味着需要参数化复杂系统表示的应用程序的复兴，但在许多应用程序中，收集足够的数据来开发这样的表示仍然是一个重大的挑战。在这里，我们介绍了一种方法，结合罕见事件采样技术与神经网络优化，以优化目标函数，由罕见事件占主导地位。我们发现，重要性抽样减少了学习问题的解决方案的渐近方差，这表明有利于推广。我们研究我们的算法的背景下学习动态的两个状态之间的过渡路径的系统，在统计物理和机器学习理论的影响的应用程序的问题。我们的数值实验表明，我们可以成功地学习，即使是复杂的困难，高维和罕见的数据。
2021-03-12 cond-mat.stat-mech physics.data-an stat.ML
Rare Event Sampling using Smooth Basin Classification
针对原子模拟中自由能势垒导致的效率问题，提出基于图神经网络内部特征与迁移学习的平滑盆地分类方法，以通用方式定义反应坐标，在化学和物理转变上达到或超越人类直觉定义。该研究实现高数据效率，为稀有事件采样提供新途径。
2024-05-24 cond-mat.stat-mech physics.chem-ph
Conditioning Normalizing Flows for Rare Event Sampling
University of Vienna（维也纳大学）；University of California, Berkeley（加州大学伯克利分校）
针对罕见事件采样中路径相关性强且难以并行化的问题，提出基于条件归一化流的跃迁路径采样方案，实现统计独立样本生成与采样过程并行化，并能解析跃迁区域的热力学与动力学。
2023-05-19 cond-mat.stat-mech cs.LG physics.comp-ph
Everything everywhere all at once: a probability-based enhanced sampling approach to rare events
Italian Institute of Technology（意大利理工学院）
本文提出了一种基于概率的增强采样方法，用于高效研究稀有事件的自由能面和过渡态。
2025-03-27 cond-mat.stat-mech physics.comp-ph
Optimal sampling of dynamical large deviations via matrix product states
动态观测量的大偏差（LD）统计被编码在变形马尔可夫生成元的谱特性中。最近的工作表明，张量网络方法非常适合准确地计算相关的领先特征值和特征向量。然而，相应的罕见的轨迹的有效生成是一个更困难的任务。在这里，我们将展示如何利用MPS近似的主导特征向量来实现一个有效的采样方案，该方案非常类似于实现罕见事件的最佳（所谓的“Doob”）动态。我们证明了我们的方法上三个研究得很好的晶格模型，弗雷德里克森-安德森和东动力学约束模型（KCMs），和对称简单排斥过程（SSEP）。我们讨论如何将我们的方法推广到更高的维度。
2021-05-06 cond-mat.stat-mech
Identifying rare chaotic and regular trajectories in dynamical systems with Lyapunov weighted path sampling
根据初始条件的不同，动力系统的各个有限时间轨迹可以具有非常不同的混沌特性。在这里，我们提出了一个数值方法来识别轨迹与非典型的混乱，路径，要么更经常或更混乱的比平均水平。该方法是基于一个合奏的轨迹加权根据其混沌，李雅普诺夫加权路径合奏的定义。这种轨迹的集合是使用从过渡路径采样借用的算法进行采样的，过渡路径采样是一种最初开发用于研究长寿状态之间的罕见过渡的方法。我们证明了我们的方法，将其应用到几个系统的自由度从一个到几百个，在所有情况下，该算法发现罕见的途径与非典型的混乱。对于嵌入在溶剂中的双阱二聚体，这可以被看作是一个简单的模型的异构化分子，罕见的反应途径被发现的参数强烈有利于混沌动力学。
2010-04-15 cond-mat.stat-mech nlin.CD physics.chem-ph
A General Algorithm for Sampling Rare Events in Non-Equilibrium and Non-Stationary Systems
虽然存在许多用于稀有事件采样的计算方法，但是这种类型的计算对于具有宏观不可逆动力学并且远离稳态和亚稳态的一般非平衡条件通常不实用。本文提出了一种新的计算罕见事件概率时间序列的方法。对时变剪切流下的Glauber-伊辛模型、淬火后的Kawasaki-伊辛模型以及平行开放非对称排斥过程（p-o ASEP）进行了验证。该方法需要细分的相空间的系统：它是基准，并发现规模越来越精细的细分，这意味着它可以应用没有详细的预知的物理重要的反应途径。
2010-11-06 cond-mat.mes-hall cond-mat.stat-mech physics.atm-clus
Efficient Rare Event Sampling with Unsupervised Normalising Flows
本文提出 FlowRES 框架，利用无监督归一化流生成高质量非局域蒙特卡洛提议以高效采样稀有事件，无需先验数据或集体变量，且能处理多路径系统。
2024-01-02 cond-mat.dis-nn cond-mat.soft cond-mat.stat-mech
Studying rare nonadiabatic dynamics with transition path sampling quantum jump trajectories
提出了一种利用跃迁路径采样和量子跳跃轨迹研究开放量子系统中罕见的非绝热动力学的方法。与过渡路径采样的经典动力学的应用程序，该方法不依赖于过渡态或反应途径的先验知识，因此可以提供机械的洞察超快弛豫过程除了其相关的速率。特别是，我们制定了一个量子路径系综使用解开量子主方程的随机实现，这导致在轨迹，可以在特定的量子态的开始和结束的条件。由于动力学严格遵守细致平衡，速率常数可以从可逆功计算在这个条件合奏，允许分支比和产量计算在一个公正的方式。我们用三个例子说明了这种方法的实用性：在供体-桥-受体模型中的能量转移，以及光诱导质子耦合电子转移和热激活电子转移的模型。这些例子证明了路径系综方法的有效性，并为它们在复杂反应量子动力学研究中的应用铺平了道路。
2018-09-10 cond-mat.stat-mech physics.chem-ph quant-ph
Direct evaluation of rare events in active matter from variational path sampling
活性物质代表了一大类系统，由于能量的局部注入，这些系统远离平衡而演化。像它们的被动类似物一样，活性物质中不同亚稳态之间的转换通过罕见的波动进行，然而它们的细致平衡破坏动力学使得这些事件难以研究。在这里，我们提出了一种模拟方法，用于评估罕见的事件在一般的非平衡系统的速率和机制，并将其应用于研究的被动溶质在主动流体的构象变化。该方法采用变分优化的控制力，使罕见的事件是一个典型的，提供一个精确的估计其速率的路径配分函数的比率。使用这种方法，我们发现，增加活性浴中的活性可以提高被动溶质的构象转换率的方式与最近的边界从随机热力学一致。
2021-12-09 cond-mat.soft cond-mat.stat-mech physics.bio-ph
A reinforcement learning approach to rare trajectory sampling
University of Nottingham（诺丁汉大学）
在研究非平衡系统时，人们经常对分析以非常低的概率发生的动力学行为感兴趣，即所谓的罕见事件。在实践中，由于罕见事件的定义是非典型的，他们往往很难在统计上显着的方式访问。所需要的是“使罕见事件成为典型事件”的战略，以便按需生成。在这里，我们提出了这样一个一般的方法来自适应地构建一个动态，有效地采样非典型事件。我们通过利用强化学习（RL）的方法来做到这一点，强化学习是指一组机器学习技术，旨在找到最佳行为，以最大化与动态相关的奖励。我们认为一般的动态轨迹合奏的角度来看，罕见的事件被描述在合奏重新加权。通过最小化之间的距离，一个重新加权的合奏和一个适当的参数化的控制动力学，我们在一组类似于RL的方法来数值近似的最佳动力学，实现罕见的行为感兴趣。作为简单的例子，我们详细考虑的问题的游览的随机步行者，为罕见的事件的情况下，有限的时间范围内;和问题的研究目前的统计数据的粒子跳跃在一个环的几何形状，为无限的时间范围内。我们讨论自然延伸的想法，在这里，包括连续时间马尔可夫系统，首次通过时间问题和非马尔可夫动力学。
2020-11-25 cond-mat.dis-nn cond-mat.stat-mech cs.LG
A unified perspective on exponential tilt and bridge algorithms for rare trajectories of discrete Markov processes
本文分析比较了离散马尔可夫过程稀有轨迹模拟的指数倾斜与随机桥技术，统一其重要性采样框架并通过数值比较揭示各自高效应用领域，提供详细模拟算法。
2024-05-14 cond-mat.stat-mech math.PR physics.comp-ph
Path Sampling for Rare Events Boosted by Machine Learning
Department of Chemistry and Chemical Theory Center, University of Minnesota Minneapolis, MN USA（化学系和化学理论中心，明尼苏达大学）
通过整合机器学习的AIMMD算法，提升过渡路径采样在复杂分子过程机理研究中的效率与可解释性。
2026-02-05 cond-mat.soft cond-mat.stat-mech cs.LG
Rare-event sampling for stochastic dynamics in network systems using cluster updates
Duke University（杜克大学）；University of Maryland, College Park（马里兰大学帕克分校）；National Quantum Laboratory, University of Maryland, College Park（马里兰大学帕克分校国家量子实验室）
该研究针对复杂网络稀有宏观事件采样难题，提出条件路径蒙特卡洛（CPMC）方法，在亲属关系网络SIS动力学中验证了其用于稀有大规模疫情暴发风险分析的潜力。
2026-09-10 cond-mat.stat-mech cs.SI physics.comp-ph
Multicanonical MCMC for Sampling Rare Events
讨论了作为稀有事件抽样方法的多正则MCMC（Multicanonical Markov Chain Monte Carlo; Multicanonical Monte Carlo）。从审查的一般框架的重要性抽样，多规范MCMC介绍，其次是随机矩阵，随机图，混沌动力系统中的应用。双交换MCMC（也称为并行回火或Metropolis耦合MCMC）也被解释为多规范MCMC的替代方案。在最后一节中，多规范MCMC被应用到数据代理，一个成功的实现在代理时间序列。在附录中，计算的平均值和归一化常数在一个指数的家庭，相共存，模拟回火，并行化，和多元扩展进行了讨论。
2014-10-17 cond-mat.dis-nn cond-mat.stat-mech nlin.CD
An Efficient Self-optimized Sampling Method for Rare Events in Nonequilibrium Systems
成核过程等稀有事件在实际系统中具有普遍的重要性。前向通量采样（FFS）是非平衡系统中最流行的方法，它通过使用接口将整个过渡过程划分为一系列步骤，沿着连接初始和最终状态的序参数来采样罕见事件。FFS通常遭受两个主要的困难：由于坏的界面位置的低计算效率，甚至是不适用于陷入未知的中间亚稳态。在目前的工作中，我们提出了一种方法来克服这些困难，通过自适应定位的接口上飞在一个优化的方式。与传统的FFS以序参量的等距离来确定界面相反，我们的方法确定了满足优化条件的具有相等转移概率的界面。这是通过首先从当前接口$ł_i$开始运行长局部轨迹以获得条件概率分布$P_c$，然后通过使$P_c$等于给定值$p_0$来确定$ł_{i+1}$来完成的。通过这些优化的接口，FFS可以以更有效的方式运行。此外，我们的方法可以方便地找到中间亚稳态通过监测一些特殊的长轨迹，既不结束于初始状态，也不到达下一个界面，其数量将急剧增加，如果遇到这样的亚稳态从零开始。我们将我们的方法应用到一个模型两态系统和一个二维格子气伊辛模型。我们的方法被证明是更有效的比传统的FFS方法，而不会失去准确性，它也可以很好地再现伊辛模型的两步成核的情况下，容易识别的中间亚稳态。
2013-08-08 cond-mat.stat-mech stat.ME
Taming chaos to sample rare events: the effect of weak chaos
非线性动力系统中的稀有事件很难采样，因为它们对初始条件的扰动和相空间中的复杂景观很敏感。在这里，我们讨论的策略，以控制这些困难，并成功地获得一个有效的抽样内的大都市黑斯廷斯蒙特卡罗框架。在回顾了强混沌系统的研究成果后，我们讨论了弱混沌系统的研究。我们展示了如何不同类型的非双曲线限制以前设计的采样方法的效率，我们讨论了如何考虑他们的策略。我们专注于范式低维混沌系统，如Logistic映射，Pomeau-Maneville映射，和面积保持映射与混合相空间。
2019-04-09 cond-mat.stat-mech physics.comp-ph
Simulating rare events using a Weighted Ensemble-based string method
我们引入了一个扩展的加权包围（WE）路径采样方法，限制采样到一个一维的路径通过一个高维相空间。我们的方法，这是基于有限温度弦方法，允许平衡和非平衡系统的有效采样。从WE方法获得的采样引导序参量空间的Voronoi曲面细分的自适应细化，其生成点在收敛时与主反应途径一致。我们证明了这种方法的应用程序驱动布朗运动的几个简单的，二维模型和构象变化的氮调节蛋白C接收域使用弹性网络模型。二维模型的简单性使我们能够直接将WE方法的效率与传统的蛮力模拟和其他路径采样算法进行比较，而蛋白质构象变化的例子则展示了该方法如何用于有效地研究许多集体变量空间中的转换。
2012-12-13 cond-mat.stat-mech physics.bio-ph physics.chem-ph
A Hybrid Monte Carlo algorithm for sampling rare events in space-time histories of stochastic fields
我们引入了一个变种的混合蒙特卡罗（HMC）算法来解决随机流体力学中的大偏差统计。基于随机（偏）微分方程的路径积分方法，我们的HMC算法采样的随机噪声的影响下的动态自由度的时空历史。首先，我们通过再现由高斯和时间白噪声驱动的一维Burgers方程的多尺度特性来验证和基准测试HMC算法。其次，我们将展示如何实现一个重要性采样协议，以显着提高，数量级，概率抽样极端和罕见的事件，使之有可能估计的时刻场变量的极高阶（高达30和更多）。通过采用重新加权技术，我们将有偏配置映射回原始概率测度，以探测其统计重要性。最后，我们表明，通过偏置系统非常强烈的负梯度，HMC算法能够探索周围的瞬子配置的统计波动。我们的结果也将是有趣的和相关的格点规范理论，因为它们提供了深入了解重新加权技术。
2019-10-27 cond-mat.stat-mech hep-lat nlin.CD
Sampling a rare protein transition with a hybrid classical-quantum computing algorithm
Trento University（特伦托大学）；INFN-TIFPA（意大利国家核物理研究所-理论与应用物理中心）；Frankfurt Institute for Advanced Studies（法兰克福高级研究所）；University of Milan Bicocca（米兰比可卡大学）
本文提出混合经典-量子计算算法用于模拟蛋白质构象转变，通过机器学习和量子计算结合，解决传统方法在长时间尺度下的局限性，验证了量子计算在生物分子模拟中的应用潜力。
2023-11-27 cond-mat.stat-mech physics.bio-ph quant-ph
Enhanced Sampling of Configuration and Path Space in a Generalized Ensemble by Shooting Point Exchange
University of Vienna（维也纳大学）
许多分子过程的计算机模拟由于长寿命状态之间的罕见跃迁而导致的长时间尺度而变得复杂。在这里，我们提出了一种新的方法来模拟这种罕见的事件，它结合了过渡路径采样增强探索的配置空间。该方法依赖于配置和轨迹空间之间的交换移动，基于广义系综进行。该方案大大提高了过渡路径采样模拟的效率，特别是对于具有多个过渡通道的系统，并产生分子过程的热力学，动力学和反应坐标的信息，而不会扭曲它们的动力学。使用KPTP四肽中脯氨酸的异构化来说明该方法。
2023-03-22 cond-mat.stat-mech cs.LG physics.comp-ph
