使用重要性抽样在具有引导函数的无序系统中探究能量分布的尾部
摘要：用一种基于最近引入的方法的简单通用过程，该方法使用重要取样的蒙特卡洛算法来高精度地探测无序系统基态能量分布的尾部。我们的方法需要一个作为引导函数的基态能量分布的估计值，这可以通过简单取样模拟得到。为了说明算法，我们计算了Sherrington-Kirkpatrick平均场Ising自旋玻璃的基态能量分布，达到了十八个数量级的精度。我们发现，热力学极限下的基态能量分布很好地符合之前预测的修改过的Gumbel分布，但斜率参数m的值明显大于6，并且在11左右。
作者：Mathias Koerner, Helmut G. Katzgraber, and Alexander K. Hartmann
论文ID：cond-mat/0603290
分类：Disordered Systems and Neural Networks
分类简称：cond-mat.dis-nn
提交时间：2007-05-23