Forschungsmodul: Komplexe Systeme

Ähnliche Dokumente
Übungsaufgaben Lösungen

Angewandte Stochastik

2.1 Importance sampling: Metropolis-Algorithmus

Vorlesung Statistische Mechanik: Ising-Modell

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema

Pr[X t+1 = k] = Pr[X t+1 = k X t = i] Pr[X t = i], also. (q t+1 ) k = p ik (q t ) i, bzw. in Matrixschreibweise. q t+1 = q t P.

Kapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben

16.3 Rekurrente und transiente Zustände

Einführung in die Theorie der Markov-Ketten. Jens Schomaker

Endliche Markov-Ketten - eine Übersicht

Folie zur Vorlesung Wahrscheinlichkeitsrechnung und Stoch. Prozesse

Eigenwerte und Eigenvektoren von Matrizen

Aufgaben zu Kapitel 16

5 Eigenwerte und die Jordansche Normalform

DynaTraffic Lösungen Einstiegsaufgaben

Übungsblatt

Markov-Ketten Proseminar: Das virtuelle Labor Ariane Wietschke

8 Markov-Kette mit kontinuierlicher Zeit

Vorlesung HM2 - Master KI Melanie Kaspar, Prof. Dr. B. Grabowski 1

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2

r r : Abstand der Kerne

3 Matrizenrechnung. 3. November

mit "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor"

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen

1 Definitionen: 6 Punkte gesamt

Leitfaden 20. t = dim V dimu.

10. Übung zur Linearen Algebra I -

Mathematik II Frühjahrssemester 2013

und Unterdeterminante

und Unterdeterminante

Modell der Punktmasse

3 Systeme linearer Gleichungen

Irreversibilität des quantenmechanischen Messprozesses

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren

7.3 Der quantenmechanische Formalismus

Übungen zur Vorlesung Theoretische Chemie II Übungsblatt 1 SoSe 2015 Lösungen Ĥ Ψ = E Ψ (1) c b

MLAN1 1 MATRIZEN 1 0 = A T =

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

DWT 2.3 Ankunftswahrscheinlichkeiten und Übergangszeiten 400/467 Ernst W. Mayr

Der Metropolis-Hastings Algorithmus

Einführung in die Physikalische Chemie Teil 1: Mikrostruktur der Materie

Ferienkurs Quantenmechanik I WKB-Näherung und Störungstheorie

. Name motiviert durch (hängt von Einbettung in höher dimensionalen Raum ab) folgendes Bild:

4.4 Berechnung von Wirkungsquerschnitten

Der Ergodensatz. Hendrik Hülsbusch

10.2 Linearkombinationen

Universität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n

Ferienkurs Quantenmechanik

Ferienkurs Experimentalphysik 4

In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)

Matrizen. Stefan Keppeler. 19. & 26. November Mathematik I für Biologen, Geowissenschaftler und Geoökologen

Theoretische Chemie (TC II) Computational Chemistry

4.4 Eigenwerte und Eigenvektoren

Ein Produkt ist Null, wenn einer der Faktoren gleich Null ist. Die beiden Eigenwerte sind demnach. λ 1 = 0, λ 2 = 2i. 1 i

Tensoren auf einem Vektorraum

1.4. Die Wahrscheinlichkeitsinterpretation

Quantenmechanik-Grundlagen Klassisch: Quantenmechanisch:

I.1.3 b. (I.7a) I.1 Grundbegriffe der Newton schen Mechanik 9

sie ist also eine Lösung der Differenzialgleichung y 0 = Ay. Bei x = 0 sind diese n Spalten auch linear unabhängig, da ja

Verschlüsselungs- und Codierungstheorie PD Dr. Thomas Timmermann Westfälische Wilhelms-Universität Münster Sommersemester 2017

4 Lineare Algebra (Teil 2): Quadratische Matrizen

5.2 Rechnen mit Matrizen

Musterlösung Donnerstag - Determinanten und Eigenwerte

2 Matrizenrechnung und Lineare Gleichungssysteme

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21

Alle Vektoren sind hier Spaltenvektoren. Eine Matrix besteht aus nebeneinandergeschrie-

Mathematische Werkzeuge R. Neubecker, WS 2016 / 2017

Mathematische Erfrischungen III - Vektoren und Matrizen

TC1 Grundlagen der Theoretischen Chemie

a) Ein Gruppenhomomorphismus von G nach H ist eine Abbildung Φ : G H, sodass für alle g 1, g 2 G die Gleichung Φ(g 1 g 2 ) = Φ(g 1 ) Φ(g 2 )

5. Übung zur Linearen Algebra II -

5 Suchmaschinen Page Rank. Page Rank. Information Retrieval und Text Mining FH Bonn-Rhein-Sieg, SS Suchmaschinen Page Rank

, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.

5.2 Rechnen mit Matrizen

Geometrische Algebra

Zusammenfassung Mathe III. Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren

In allen Fällen spielt die 'Determinante' einer Matrix eine zentrale Rolle.

Matrizen. Stefan Keppeler. 28. November Mathematik I für Biologen, Geowissenschaftler und Geoökologen

6.2 Rechnen mit Matrizen

Markov-Prozesse. Markov-Prozesse. Franziskus Diwo. Literatur: Ronald A. Howard: Dynamic Programming and Markov Processes

Fachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen

Eigenwerte (Teschl/Teschl 14.2)

Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4Q Lineare Algebra/Analytische Geometrie II SoSe 2016

WiMa-Praktikum 1. Woche 8

Vorkurs: Mathematik für Informatiker

Lineare Algebra und Numerische Mathematik für D-BAUG

2.2 Lineare Gleichungssysteme (LGS)

W-Rechnung und Statistik für Ingenieure Übung 11

a 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:

Wirtschafts- und Finanzmathematik

9.4 Lineare gewöhnliche DGL

Matrizenrechnung Umfüllprozesse

Matrizen. Nicht nur eine Matrix, sondern viele 0,5 0,2 0,3 A 0,2 0,7 0,1

Prüfung Lineare Algebra , B := ( ), C := 1 1 0

Die Erwartungswerte von Operatoren sind gegeben durch. (x, t)a (x, t) =h A i

$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $

MODELLBILDUNG. Modellierung und Simulation von Strömen

Transkript:

Forschungsmodul: Komplexe Systeme Bericht zur Vorlesung vom 24./31. Jan. 2008 von Jan-Philip Gehrcke Der Exklusionsprozess Varianten Der Exklusionsprozess entspricht einem Diffusionsprozess auf einem Gitter, wobei jeder Platz nur von einem Teilchen besetzt oder unbesetzt sein darf. Teilchen können zu ihren Nachbarplätzen wechseln. Diese Sprünge erfolgen mit vorgegebenen Raten. Ist der Zielplatz besetzt, findet ein Sprung nicht statt. Diese Wechselwirkung unterscheidet den Exklusionsprozess vom Random Walk. Prinzipiell unterscheidet man zwischen drei Exklusionsprozess-Klassen, die im Folgenden anhand eines eindimensionalen Gitters, also einer Kette, beschrieben werden sollen. symmetrischer Exklusionsprozess (SEP): Hier entpricht die Rate l (Sprung nach links) der Rate r (Sprung nach rechts): r = l = antisymmetrischer Exklusionsprozess (ASEP): Hier ist ein Sprung in eine Richtung wahrscheinlicher, als in die andere Richtung: r l total antisymmetrischer Exklusionsprozess (TASEP): Eine der beiden Raten l und r ist null, sodass Teilchen nur in eine Richtung wandern können.

Möchte man den Exklusionsprozess simulieren bzw. ein mathematisches Modell entwerfen, muss man sich bei einem endlichen System auf die Randbedingungen festlegen. Anhand der eindimensionalen Kette werden nun die drei möglichen Randbedingungen vorgestellt. periodische Randbedingungen: Die Kette bildet einen Ring. Das bedeutet, dass Teilchen, die am linken (rechten) Ende herausfallen würden, am rechten (linken) Ende wieder hereinkommen. Die Teilchenzahl auf der Kette ist somit erhalten. geschlossene Randbedingungen: Ein Herausfallen ist nicht möglich; am linken (rechten) Ende können die Teilchen nicht mehr nach links (rechts) springen. Die Teilchenzahl auf der Kette ist somit erhalten. offene Randbedingungen: An den Enden der Kette befinden sich Teilchenreservoirs. Aus diesen können (mit besonderen Raten) Teilchen auf die Kette hüpfen. Mit ebenfalls eigenen Raten ist auch ein Verlassen der Kette erlaubt. Die Teilchenzahl auf der Kette ist nicht erhalten. Beim letzten Fall (offene Randbedingungen) können die Raten so gewählt sein, dass ein effektiver Strom auf der Kette entsteht, der Teilchen von einem Reservoir ins andere führt. Prinzipiell beschreibt dies ein System, welches sich nicht im thermodynamischen Gleichgewicht befindet. Beispielhaft seien hier zwei Körper mit unterschiedlichen Temperaturen genannt, die mit einer Wärmebrücke verbunden sind.

Konfigurationen, Zustandsraum Eine Kette mit L Plätzen, die jeweils besetzt/unbesetzt sein können (2 Möglichkeiten pro Platz), kann prinzipziell in 2 L verschiedenen Zuständen s vorliegen. Ein Zustand s beschreibt die mikroskopische Konfiguration des Systems (der Kette). Somit ist ein Zustandsraum definierbar; eine Menge, die alle möglichen (Mikro-)Zustände s enthält. Innerhalb des Zustandsraumes springt der Prozess in nicht vorhersehbarer Weise. Die Mächtigkeit des Zustandsraums entspricht der Anzahl der möglichen Zustände. Für eine Kette mit L Plätzen gilt also: = 2 L Bei periodischen oder abgeschlossenen Randbedingungen (Teilchenzahl erhalten), kann das System nicht jeden möglichen Zustand aus annehmen. Es verbleibt in demjenigen Sektor des Zustandsraumes, in dem die Teilchenzahl konstant ist. Für die feste Teilchenzahl N sei dieser Sektor N. Die Anzahl der möglichen Zustände bei konstantem N, also die Mächtigkeit N, ist die Anzahl der Möglichkeiten N Teilchen auf L Plätze zu verteilen: N = L N für 0 N L Statistisches Ensemble des Prozesses Das statistische Ensemble beschreibt anschaulich eine große Menge Repräsentanten (Kopien) desselben Systems. Der Prozess hat bei allen Repräsentanten gleichzeitig begonnen. Wählt man nun zur Zeit t einen dieser Repräsentanten zufällig aus, so ist dieser mit der Wahrscheinlichkeit P t s im Zustand s. Für die Entwicklung eines mathematischen Modells zum Exklusionspro-

zess bietet es sich an dieser Stelle an, einen Vektor P t zu definieren, der die Wahrscheinlichkeiten P t s für jeden Zustand s zu einem Zeitpunkt t zusammenfasst. Der Vektor P t entstammt also einem Wahrscheinlichkeitsraum mit Komponenten: P t R. Da die Komponenten Wahrscheinlichkeiten angeben, gilt: P t s [0,1] Die (Spalten-)Vektoren P t füllen dabei nicht den gesamten Raum R aus. Schließlich muss für die Komponentensumme (Wahrscheinlichkeitensumme) gelten: P t s = 1 t s Jeder der Basisvektoren s des R entspricht genau einem Zustand s. Dessen Wahrscheinlichkeitskomponente ist dann 1; die restlichen 0. Beispiel: 0 0 1 s =.. Im zugehörigen Dualraum der Funktionale seien s Zeilenvektoren. Beispiel: s = 0,1,...,0 Durch diese Notation lassen sich einige Forderungen und Zusammenhänge einfach ausdrücken (mit Zeile x Spalte als Skalarprodukt): Orthogonalitätsrelation: s s' = ss ' Selektion einer Komponente: P t s = s P t Definition: 1 11... 1 = s s Normierung: 1 P = t s P t = 1 s

Dynamik und Mastergleichung Um die Dynamik des Prozesses (im Zustandsraum) zu beschreiben, werden die Raten w i j benötigt, die die Wahrscheinlichkeiten p i j bestimmen, dass das System innerhalb des infinitesimalen Zeitschritts dt vom Zustand i in den Zustand j wechselt: p i j = dt w i j Mit der Konvention, dass die Übergangswahrscheinlichkeit w i i in den eigenen Zustand 0 ist, lässt sich die Zeitentwicklung der Besetzungswahrscheinlichkeit P t s des Zustands s mit folgender DGL (Mastergleichung) beschreiben: Ṗ t s = P t s' w s' s P t s w s s ' s' s ' mit P t s = 1 t s Der erste Summand beinhaltet die Gewinnterme (Übergänge hin zum Zustand s ); der zweite Summand beinhaltet die Verlustterme (Übergänge weg vom Zustand s ) Mit obiger Gleichung ist die Wahrscheinlichkeitszeitentwicklung für genau einen Zustand beschrieben. Die zeitliche Entwicklung für alle Zustände s, also für den Vektor P t, lässt sich mithilfe einer Transfermatrix (LIOUVILLE-Operator) ausdrücken: Ṗ t = L P t Dabei ist L eine 2 L 2 L - Matrix, die im Wesentlichen aus den Übergangsraten besteht. Wenn man von dieser Gleichung wieder auf diejenige für einen einzelnen Zustand transformiert, ergibt sich, wie die Matrixelemente genau berechnet werden müssen. Dazu wird zuerst der Vektor s von links an die Gleichung multipliziert und die Projektorsumme als Einselement eingefügt: s' s' = 1 s'

d dt s P t = s L s' s' P t s ' Um daraus die Zeitentwicklungsgleichung für genau einen Zustand wiederherzustellen, muss gelten (mit L s, s ' = s L s' ): L s, s' = w s' s s,s ' w s s' ' s' ' Damit die Summe aller Wahrscheinlichkeiten zu jeder Zeit konstant ist, müssen sich alle durch den LIOUVILLE-Operator hervorgerufenen Änderungen in den Wahrscheinlichkeiten P t s immer genau zu null wegheben. Dann erhält L die Wahrscheinlichkeit. Dies ist der Fall, wenn die Spaltensummen in L null sind, wie im Folgenden kurz gezeigt wird: Ansatz: Die Änderung der aufsummierten Wahrscheinlichkeiten P t s soll null sein: 1 d dt P t = 0 Aus der Mastergleichung mit LIOUVILLE-Operator ergibt sich: 1 L P t = 0 Das bedeutet, dass das Funktional 1 L dem Nullzeilenvektor entsprechen muss: 1 L = 0,0,...,0 Dies wiederum bedeutet, dass jede Spalte des LIOUVILLE-Operators in Summe 0 ergeben muss.

Zerlegung nach Eigenmoden und Relaxation Die formale Lösung der Mastergleichung lautet: P t = e Lt P 0 Dabei ist P 0 der Anfangszustand des statistischen Ensembles. Es kann einen oder mehrere Grundzustände geben, in den der Prozess mit der Zeit relaxiert. Für einen solchen stationären Zustand P stat ist die zeitliche Änderung der Wahrscheinlichkeitsverteilung null; es muss also nach der Mastergleichung gelten: L P stat = 0 Die Eigenwerte des LIOUVILLE-Operators sind niemals negativ. Jedem Eigenwert ist eine Relaxationsmode zugeordnet. Mit der Ausnahme = 0 relaxieren alle Moden exponentiell in einen stationären Zustand, wie kurz gezeigt wird: Die Anfangsverteilung als Linearkombination aus Eigenmoden n in die formale Lösung eingesetzt ergibt: P 0 = n c n n P t = e L t c n n n Wenn das Eigenwertproblem für L vollständig gelöst ist, kann L im Exponentialoperator durch den zugehörigen Eigenwert n ersetzt werden: P t = c n e nt n n P t ist also eine Linearkombination aus exponentiell relaxierenden Eigenmoden.

Bilden des LIOUVILLE-Operators aus Tensorprodukten Um die verschiedenen möglichen Zustände eines Exklusionsprozesses mathematisch darstellen zu können, soll ein Raum geschaffen werden, der sich mithilfe von Tensorprodukten aus dem kleinsten Element herleiten lässt; der elementaren Basis für einen Gitterplatz: Platz frei: = 1 0 ; Platz besetzt: A = 0 1 Damit lässt sich nun die Basis für mehrere, z.b. 2 Gitterplätze durch Tensorprodukte bilden: = = 1 0 0 ;... ; A A = A A = 0 0 1 0 0 Der voll besetzte Zustand einer Kette mit N Plätzen würde also lauten: A A... A = A... A A N Der entsprechende Zustandsraum ist der R 2N. Eine Verteilung, bei der jeder Gitterplatz unabhängig mit der Wahrscheinlichkeit p besetzt ist, ist demnach folgendermaßen auszudrücken: P = p A 1 p N Der kleinste sinnvolle LIOUVILLE-Operator ist derjenige für 2 Gitterplätze. Für den asymmetrischen Exklusionsprozess (mit den Raten r und l ) mit geschlossenen Randbedingungen ist dieser L 2 bilden. Er ist im Folgenden also bekannt. einfach und argumentativ zu

Aus ihm lässt sich L N, der LIOUVILLE-Operator für N Plätze auf der Kette, berechnen: N 1 L N = L k, k 1 mit L k, k 1 = 1 k 1 L 2 1 N k 1 k=1 Konstruktion von Observablen Mithilfe des Projektionsoperators X = A A auf einen besetzten Platz lässt sich eine Messgröße konstruieren: Die Teilchendichte i t am Platz i zur Zeit t. Wenn die Summe über die Wahrscheinlichkeitsverteilung 1 ist, lässt sie sich folgendermaßen berechnen (sonst muss sie noch normiert werden): i t = 1 X i P t mit X i = 1 i 1 N i X 1 Korrelationsfunktion Die 2-Punkt-Funktion C ij t gibt die Wahrscheinlichkeit dafür an, dass Platz i und j zur gleichen Zeit t besetzt sind. Sie berechnet sich zu: C ij t = 1 X i X j P t Der sogenannte connected part beschreibt, ob zwischen zwei Plätzen ein außergewöhnlicher Zusammenhang herrscht, der vom Standard abweicht. Er berechnet sich daher aus der Differenz zwischen Korrelation und Standard: C conn ij t = 1 X i X j P t 1 X i P t 1 X j P t Korrelationsfreie ( connected part - freie) Wahrscheinlichkeitsverteilungen sind Produktzustände, die sich faktorisieren lassen: = 1 2... N

Ein Produktzustand heißt homogen, wenn alle Faktoren gleich sind: = N Parallelen des Exklusionsprozesses zu Spins Die Eigenwerte des LIOUVILLE-Operators sind größtenteils entartet. Die algebraische Vielfachheit eines jeden Eigenwertes ist vergleichbar mit Singlett- / Triplett- /... -Zuständen bei Spins: Sie beträgt 1, 3, 5, 7,... Desweiteren besteht folgender Zusammenhang zwischen dem L 2 drei Paulimatrizen: und den L 2 = x x y y z z 1 1 4