使用张量网络量化随机反应-扩散动力学中的罕见事件
摘要：通过随机化学反应与扩散的相互作用可以产生丰富的时空模式。尽管个体反应或扩散事件的时间尺度可能非常快，但组织的时间尺度可以更长。这种时间尺度的分离使得我们特别难以预测快速微观动力学如何导致在许多反应和扩散化学物种的非平衡动力学中的宏观速率。在随机波动的范围内，标准方法是使用蒙特卡罗抽样来模拟随机轨迹的实现。在这里，我们提出了一种从多体反应扩散问题的完整集合演化中提取宏观速率的替代数值可追踪方法。该方法利用了Doi-Peliti反应扩散主方程的二次量子化表示以及来自张量网络的压缩和演化算法。通过关注在$L$个否则混合良好的站点之间的一维扩散的Schl"{o}gl模型，我们展示了张量网络方法计算多体系统中的速率的潜力，这里有大约$3\times10^{15}$个微观态。具体来说，我们计算了在亚稳态宏观状态之间切换的速率，计算这些速率的开销在$L$中增长为几何级数。由于我们直接处理集合演化，我们回避了许多罕见事件抽样技术遇到的困难$unicode{x2013}$无需详细平衡和反应坐标。
作者：Schuyler B. Nicholson and Todd R. Gingrich
论文ID：2301.03717
分类：Statistical Mechanics
分类简称：cond-mat.stat-mech
提交时间：2023-07-21