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
Accelerated Sampling of Rare Events using a Neural Network Bias Potential
Stanford University（斯坦福大学）
本文提出用深度神经网络近似无方差偏置势函数并结合重要性采样，以高效采样原子尺度稀有事件，在高维问题上具有可扩展性和统计保证，并通过二维系统实验验证了其优于传统蒙特卡罗方法的效果。
2024-01-13 cs.LG physics.comp-ph
A Machine-Learning-Based Importance Sampling Method to Compute Rare Event Probabilities
我们开发了一种新的计算方法来评估所产生的随机初始化的非线性动力系统的极端漂移概率。该方法使用偏移概率理论，制定了一系列的贝叶斯逆问题，当解决，产生的偏置分布。解决多个贝叶斯逆问题可能是昂贵的;在更高的维度上更是如此。为了减轻计算成本，我们建立了基于机器学习的代理来解决贝叶斯逆问题，从而产生偏置分布。然后，可以在重要性抽样过程中使用该偏置分布来估计极端偏移概率。
2020-06-04 physics.comp-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
Compressive Transition Path Sampling
提出了稀有事件复杂系统的仿真算法。压缩感知（CS）使我们对信号恢复极限的理解发生了{ \it革命性}变化，并迫使我们重新定义用于稀疏恢复的香农-奈奎斯特采样定理。通过CS重建轨迹和过渡路径的形式主义，说明了所提出的算法。抽样不足的含义非常重要。这种形式主义可以增加易于处理的时间尺度{ \it极大}的统计力学系统的模拟和罕见的事件模拟。然而，长时间尺度是罕见事件真实复杂模拟的主要障碍和挑战。详细讨论了如何实施，测试和所提出的方法可能面临的挑战的轮廓。
2018-04-21 physics.comp-ph
Forward Flux Sampling-type schemes for simulating rare events: Efficiency analysis
我们分析了几种模拟方法，我们最近提出的随机动力系统中的罕见事件的速率常数计算的效率，在平衡或不平衡。对于给定的计算成本，我们推导出使用这些方法的计算成本的解析表达式，以及速率常数的最终估计中的统计误差。这些表达式可用于确定对给定问题使用哪种方法，优化参数的选择，以及评估所得结果的意义。我们将这些表达式应用于Maier和Stein提出的二维非平衡稀有事件问题。对于这个问题，我们的分析给出了准确的定量预测的计算效率的三种方法。
2006-02-10 cond-mat.other physics.comp-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
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
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
Importance Sampling in Rigid Body Diffusion Monte Carlo
提出了一种基于格林函数短时展开的刚体扩散蒙特卡罗算法。我们表明，这种短时间的近似提供了正确的采样的角度自由度，并提供了一种通用的方法，将重要性采样的所有自由度。全重要性抽样算法显著提高了计算效率和基态性质的准确性，使分子范德华团簇中的转动和弯曲激发能直接得到研究.
2001-09-04 cond-mat physics.atm-clus physics.comp-ph
Annealed Importance Sampling
模拟退火-通过一系列中间分布从易处理的分布移动到感兴趣的分布-传统上被用作处理马尔可夫链采样器中孤立模式的不精确方法。在这里，它示出了如何可以使用马尔可夫链转换这样的退火序列来定义一个重要性采样器。马尔可夫链方面允许该方法即使对于高维问题也可以接受地执行，其中找到良好的重要性采样分布否则将非常困难，而重要性权重的使用确保了随着退火运行次数的增加，找到的估计收敛到正确的值。这种退火的重要性采样过程类似于先前研究的回火过渡的后半部分，并且可以被看作是最近提出的顺序重要性采样的变体的概括。它也涉及到热力学积分法估计比率的归一化常数。退火重要性抽样是最有吸引力的孤立模式时，或当估计的归一化常数是必需的，但它也可能是更普遍的有用，因为它的独立采样允许一个绕过一些问题的评估收敛和自相关的马尔可夫链抽样。
1998-09-04 physics.comp-ph physics.data-an
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
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
Moment-Preserving and Mesh-Adaptive Reweighting Method for Rare-Event Sampling in Monte-Carlo Algorithms
我们提出了新的轮盘赌计划的稀有事件采样，结构保持和公正的。蒙特卡罗标记被分割和删除的边界会自动放置并在运行时进行调整。用新的方案扩展现有的代码是可能的，而不需要剧烈的变化，因为标记的运动方程没有改变。这些方案也可以应用在标记之间存在非线性和非局部耦合的情况下。作为一个说明性的应用程序，我们已经实现了这种方法在ASCOT-RFOF代码，用于模拟快离子产生的射频波在聚变等离子体。在这种应用中，用这种方法，典型的快离子能量的蒙特卡罗噪声水平可以减少至少一个数量级，而不增加计算工作量。
2021-02-19 cs.NA math.NA physics.comp-ph
Jeffreys Flow: Robust Boltzmann Generators for Rare Event Sampling via Parallel Tempering Distillation
Department of Mathematics, Purdue University（普渡大学数学系）
本文提出Jeffreys流，通过并行退火轨迹蒸馏数据，利用对称Jeffreys散度缓解玻尔兹曼生成器的模式崩溃问题，提升多模分布的采样精度与全局模式覆盖。
2026-04-07 cs.LG cs.NA math.NA
Optimisation of importance sampling implementation in rare-event shielding simulations using Geant4
School of Physics and Astronomy, University of Birmingham（伯明翰大学物理与天文学院）；Institute for Experimental Physics, University of Hamburg（汉堡大学实验物理研究所）
该研究针对稀有事件屏蔽模拟中计算成本高的问题，优化了重要性分裂和俄罗斯轮盘赌技术，确定了适用于不同粒子、材料的最优层厚度，可提升约20倍计算效率。
2026-09-04 hep-ex physics.comp-ph physics.ins-det
Instanton based importance sampling for rare events in stochastic PDEs
本文提出了一种新的方法，用于采样由随机偏微分方程（SPDE）控制的非平衡系统中的罕见和大的波动与附加强迫。为此，我们部署了所谓的瞬子形式主义，对应于鞍点近似的路径积分制定的基础SPDE的行动。在我们的方法中的关键一步是制定一个替代的SPDE，结合知识的瞬子解决方案，使我们能够约束的动态演化周围的极端流动配置。最后，基于Girsanov定理的重新加权过程被应用于恢复原系统的完整分布函数。以一维Burgers方程为例，说明了整个过程。此外，我们比较我们的方法，传统的直接数值模拟以及混合蒙特卡罗方法。它将表明，基于瞬子的采样方法优于这两种方法，并允许从核心到非常远的尾巴的速度梯度的整个概率密度函数的准确量化。
2018-12-09 nlin.CD physics.comp-ph physics.flu-dyn
Least Squares Importance Sampling for Monte Carlo Security Pricing
我们描述了一个简单的重要性抽样策略的蒙特卡罗模拟的基础上最小二乘优化过程。与几个数值例子，我们表明，这种最小二乘重要性采样（LSIS）提供的效率增益相比，最先进的技术，当后者被称为执行良好。然而，与传统方法相比，LSIS不限于确定高斯采样分布的最佳均值。因此，当调整采样分布的高阶矩或处理非高斯或多模态密度的能力对于实现方差减小至关重要时，它优于其他方法。
2007-03-18 cond-mat.other math.ST physics.comp-ph
An Importance Sampling Algorithm for the Ising Model with Strong Couplings
考虑了在一致外磁场中铁磁伊辛模型配分函数的估计问题。通过代表模型的Forney因子图的对偶中的重要性抽样进行估计。重点是在低温下的模型（对应于具有强耦合的模型）和具有强耦合和弱耦合参数的混合物的模型。
2017-01-26 cs.IT math.IT physics.comp-ph
