El muestreo de eventos raros es un término general para un grupo de métodos de simulación por computadora destinados a muestrear selectivamente regiones 'especiales' del espacio dinámico de sistemas que es poco probable que visiten esas regiones especiales a través de la simulación de fuerza bruta. Un ejemplo familiar de un evento raro en este contexto sería la nucleación de una gota de agua de vapor de agua sobresaturado: aunque las gotas de lluvia se forman todos los días, en relación con la duración y las escalas de tiempo definidas por el movimiento de las moléculas de agua en la fase de vapor, la de una gota de líquido es extremadamente raro.
Debido al amplio uso de la simulación por computadora en dominios muy diferentes, los artículos sobre el tema surgen de fuentes bastante dispares y es difícil hacer un estudio coherente de las técnicas de muestreo de eventos raros. [1] Los métodos contemporáneos incluyen muestreo de ruta de transición (TPS), [2] muestreo de interfaz de transición de intercambio de réplica (RETIS), [3] ensayos de simulación repetitiva después de alcanzar los umbrales (RESTART), [4] muestreo de flujo directo (FFS), [5 ] División generalizada , [6] [7] División adaptativa multinivel (AMS), [8] Muestreo de eventos raros de proceso estocástico (SPRES),[9] Muestreo de línea , [10] Simulación de subconjuntos , [11] y Conjunto ponderado (WE). [12] [13] La primera técnica de eventos raros publicada fue por Herman Kahn y Theodore Edward Harris en 1951, [14] quienes a su vez se refirieron a un informe técnico inédito de John von Neumann y Stanislaw Ulam .
Dependencia del tiempo
Si un sistema está fuera de equilibrio termodinámico , entonces es posible que haya dependencia del tiempo en el flujo de eventos poco frecuentes. Para seguir la evolución temporal de la probabilidad de un evento raro, es necesario mantener una corriente constante de trayectorias en la región objetivo del espacio configuracional. SPRES está diseñado específicamente para esta eventualidad y AMS también es al menos formalmente válido para aplicaciones en las que se requiere.
En los casos en los que se obtiene un estado estable disipativo (es decir, no se cumplen las condiciones para el equilibrio termodinámico, pero el flujo de eventos raros es constante), la FFS y otros métodos pueden ser apropiados, así como los enfoques típicamente más costosos de desequilibrio total.
Métodos de paisaje
Si se asume el equilibrio termodinámico , entonces no hay dependencia del tiempo en el flujo de eventos raros y puede ser más apropiado un enfoque termodinámico en lugar de estadístico al problema. Estos métodos generalmente se piensan por separado de los métodos de eventos raros, pero pueden abordar los mismos problemas. En estas estrategias, se prepara un paisaje de energía libre (o un paisaje de energía , para sistemas pequeños). Para un sistema pequeño, este paisaje se puede mapear por completo, mientras que para un sistema con un mayor número de grados de libertad , aún se requerirá una proyección sobre algún conjunto de coordenadas de progreso.
Habiendo mapeado el paisaje y haciendo ciertas suposiciones, la teoría del estado de transición se puede utilizar para producir una descripción de las probabilidades de los caminos dentro de él. Un método de ejemplo para mapear paisajes es la simulación de intercambio de réplicas , que tiene la ventaja, cuando se aplica a problemas de eventos raros, que se generan fragmentos de trayectoria correctos por partes en el curso del método, lo que permite un análisis directo del comportamiento dinámico incluso sin generar el paisaje completo.
Ver también
Software relacionado
- Paquete R mistral ( versión CRAN y dev ) para herramientas de simulación de eventos raros
- El conjunto de herramientas de Python freshs.org como un conjunto de herramientas de ejemplo para distribuir cálculos FFS y SPRES para ejecutar pruebas de muestreo simultáneamente en hardware paralelo o de manera distribuida a través de la red.
- Pyretis , [15] una biblioteca de Python de código abierto para realizar simulaciones de TIS (y RETIS). Está interconectado con software común para simulaciones MD GROMACS y QM / MD CP2K .
- https://westpa.github.io/westpa/ y https://github.com/ADicksonLab/wepy son paquetes para Weighted Ensemble .
- PyVisA , [16] Un software de análisis y visualización para salidas de muestreo de ruta con la integración de algoritmos basados en aprendizaje automático.
Referencias
- ^ Morio, J .; Balesdent, M. (2014). "Un estudio de los métodos de simulación de eventos raros para modelos estáticos de entrada y salida" (PDF) . Práctica y teoría del modelado de simulación . 49 (4): 287-304. doi : 10.1016 / j.simpat.2014.10.007 .
- ^ Dellago, Christoph; Bolhuis, Peter G .; Geissler, Phillip L. (2002). Muestreo de la ruta de transición . Avances en Física Química . 123 . págs. 1-84. doi : 10.1002 / 0471231509.ch1 . ISBN 978-0-471-21453-3.
- ^ Riccardi, Enrico; Dahlen, Oda; van Erp, Titus S. (6 de septiembre de 2017). "Movimientos de Monte Carlo de descorrelación rápida para un muestreo de ruta eficiente". La Revista de Letras de Química Física . 8 (18): 4456–4460. doi : 10.1021 / acs.jpclett.7b01617 . ISSN 1948-7185 . PMID 28857565 .
- ^ Villén-Altamirano, Manuel; Villén-Altamirano, José (1994). "Reiniciar: un método sencillo para la simulación rápida de eventos raros" . Escrito en San Diego, CA, EE. UU. Actas de la 26ª conferencia de simulación de invierno . CSM '94. Orlando, Florida, Estados Unidos: Society for Computer Simulation International. págs. 282-289 . ISBN 0-7803-2109-X. acmid 194044.
- ^ Allen, Rosalind J .; diez Wolde, Pieter Rein; Rein Ten Wolde, Pieter (2009). "Muestreo de flujo hacia adelante para simulaciones de eventos raros". Revista de física: materia condensada . 21 (46): 463102. arXiv : 0906.4758 . Código bibliográfico : 2009JPCM ... 21T3102A . doi : 10.1088 / 0953-8984 / 21/46/463102 . PMID 21715864 . S2CID 10222109 .
- ^ Botev, ZI; Kroese, DP (2008). "Simulación de Monte Carlo eficiente a través del método de división generalizada". Metodología y Computación en Probabilidad Aplicada . 10 (4): 471–505. CiteSeerX 10.1.1.399.7912 . doi : 10.1007 / s11009-008-9073-7 . S2CID 1147040 .
- ^ Botev, ZI; Kroese, DP (2012). "Simulación de Monte Carlo eficiente a través del método de división generalizada". Estadística y Computación . 22 (1): 1–16. doi : 10.1007 / s11222-010-9201-4 . S2CID 14970946 .
- ^ Cerou., Frédéric; Arnaud Guyader (2005). División adaptativa multinivel para análisis de eventos raros (informe técnico). INRIA. RR-5710.
- ^ Berryman, Joshua T .; Schilling, Tanja (2010). "Muestreo de eventos raros en sistemas no equilibrados y no estacionarios". La Revista de Física Química . 133 (24): 244101. arXiv : 1001.2456 . Código bibliográfico : 2010JChPh.133x4101B . doi : 10.1063 / 1.3525099 . PMID 21197970 . S2CID 34154184 .
- ^ Schueller, GI; Pradlwarter, HJ; Koutsourelakis, P. (2004). "Una valoración crítica de los procedimientos de estimación de la fiabilidad para grandes dimensiones". Mecánica de Ingeniería Probabilística . 19 (4): 463–474. doi : 10.1016 / j.probengmech.2004.05.004 .
- ^ Au, SK; Beck, James L. (octubre de 2001). "Estimación de probabilidades de fallas pequeñas en dimensiones altas mediante simulación de subconjuntos". Mecánica de Ingeniería Probabilística . 16 (4): 263-277. CiteSeerX 10.1.1.131.1941 . doi : 10.1016 / S0266-8920 (01) 00019-4 .
- ^ Zuckerman, Daniel M .; Chong, Lillian T. (22 de mayo de 2017). "Simulación de conjunto ponderado: revisión de metodología, aplicaciones y software" . Revisión anual de biofísica . 46 (1): 43–57. doi : 10.1146 / annurev-biophys-070816-033834 . ISSN 1936-122X . PMC 5896317 . PMID 28301772 .
- ^ Huber, GA; Kim, S. (enero de 1996). "Simulaciones de dinámica browniana de conjunto ponderado para reacciones de asociación de proteínas" . Revista biofísica . 70 (1): 97-110. Código bibliográfico : 1996BpJ .... 70 ... 97H . doi : 10.1016 / S0006-3495 (96) 79552-8 . PMC 1224912 . PMID 8770190 .
- ^ Kahn, H .; Harris, TE (1951). "Estimación de la transmisión de partículas por muestreo aleatorio". Oficina Nacional de Aplicación de Normas Matemáticas. Serie . 12 : 27-30.
- ^ Riccardi, Enrico; Anders, Lervik; van Erp, Titus S. (2020). "PyRETIS 2: un impulso de improbabilidad para eventos raros" . Revista de Química Computacional . 41 (4): 379–377. doi : 10.1002 / jcc.26112 .
- ^ Aarøen, Ola; Kiær, Henrik; Riccardi, Enrico (2020). "PyVisA: Visualización y Análisis de trayectorias de muestreo de caminos". Revista de Química Computacional . doi : 10.1002 / jcc.26467 .