Gillespie 算法与连续时间 Markov 过程Gillespie 算法是一种可以用于采样连续时间 Markov 过程(CTMC)的随机轨迹的算法。这一算法被广泛用于模拟化学反应网络、生物物理过程等随机过程。在介观热力学中,Gillespie 算法被广泛应用于模拟主方程描述的系统,即连续时间 Markov 系统。对于连续时间、离散状态的马尔可夫过程,其概率演化可以由如下主方程表达$$ \frac{\mathrm d p(x, t)}{\mathrm dt} = R p(x, t). $$其中矩阵 $R$ 的矩阵元满足$$ \begin{cases} R_{ij} \ge 0, \quad i \neq j; \\ \\ R_{ii} = \displaystyle{-\sum_{j\neq i}}R_{ij}. \end{cases} $$列和为零的性质保证的概率的守恒(即归一性)。上式表明我们可以将连续时间 Markov 过程视为概率密度在各个状态上的流动过程。实际上,我们也可以考虑大量按初始概率分布的无相互作用粒子,粒子
本文介绍一种用 Python 辅助$~\TeX~$插入代码块的方式。默认本文的读者已经安装好了 TeXLive 和 Python。安装相关 Python 模块通过pip安装pygmentize模块。在命令行输入以下命令pip install pygmentize相关$~\TeX~$源码\usepackage{minted} % 用于导入相关宏包 ... \begin{document} ... \mint{python}|test.py| % 这里以Python语言为例。双竖线中是文件名 \begin{minted}[mathescape, % 中括号中的内容用于控制代码显示的格式,可以依照喜好修改 linenos, numbersep=5pt, gobble=2, frame=lines, framesep=2mm]{python} ...
Jiming Zheng
做一点统计物理