过阻尼 Langevin 方程的路径积分形式

一些前置概念请见随机分析、Langevin 方程与 Fokker-Planck 方程。1. 两个路径积分的例子1.1. Ito 积分形式的路径积分例子考虑过阻尼 Langevin 方程$$ \dot{x}(t) = f(x(t)) + g(x(t))\xi(t), $$其中 $\xi(t)$ 为白噪声，满足 $\langle \xi(t) \rangle = 0$，$\langle \xi(t)\xi(t') \rangle = 2D\delta(t-t')$.考虑将时间做离散化处理，将时间区间 $[0, \tau]$ 等分为 $K$ 份，即 $\tau = K\Delta t$，简记 $t^k \equiv k\Delta t$，$x^k \equiv x(t^k)$. 将离散化后的 Langevin 方程记为$$ x^{k+1} - x^{k} \overset{(\alpha)}{=} f(\bar{x}^k)\Delta t + g(\bar{x}^k)\Delta \omega^k, $$其中 $\alpha$ 涉及到随机积分的表达形式（稍后会提到）， $\Delta \om

物理·数学·科研 · 02-19 · 122 人浏览

随机过程的修正与不可分辨性

考虑定义在同一个概率空间 $(\Omega, \mathscr{F}, P)$ 上的两个随机过程 $X$ 和 $Y$。若对于任意时间 $t\ge 0$ 和样本 $\omega \in \Omega$ ，都有 $X_t(\omega) = Y_t(\omega)$，那么我们称随机过程 $X$ 和 $Y$ 相等。在概率测度 $P$ 的意义下，我们还可以定义一些更弱的“相等”：若对任意 $t \ge 0$，有 $P[X_t = Y_t] = 1$，则称随机过程 $Y$ 是 $X$ 的修正；过程 $X$ 和 $Y$ 不可分辨，若它们几乎所有的轨迹相同：$$ P[X_t = Y_t; \forall 0\le t < \infty] = 1. $$“不可分辨”的条件比“修正”的条件更强，因为“不可分辨”要求几乎所有的轨迹相同，在时间尺度上是一种整体性质；而“修正”仅要求轨迹在某一时刻相同，在时间尺度上是点的性质。为了更进一步说明，我们可以考虑如下例子：考虑具有连续密度函数的正值随机变量 $T$，考虑如下随机过程：$$ X_t \equiv 0, \quad Y_t = \displayst

数学·科研 · 2024-02-08 · 1644 人浏览

随机分析、Langevin 方程与 Fokker-Planck 方程

1. Wiener 过程首先考虑一个离散的一维随机漫步 (random walk)，记过程的起始点为 $x=0$，每一步行走距离为 $\Delta x$，向左向右走的概率均为 $1/2$，粒子每过 $\Delta t$ 的时间就移动一次。用 $X(t)$ 记录粒子在 $t$ 时刻的位置，则有$$ X(t) = \sum_{i=1}^{t/\Delta t} \eta_i, $$其中$$ \eta_i = \begin{cases} +\Delta x, \text{ with prob. 1/2 }; \\ -\Delta x, \text{ with prob. 1/2 }. \end{cases} $$由中心极限定理可知，当 $t$ 很大、或者说 $\Delta t$ 很小的时候，$X(t)$ 的分布趋近于高斯分布。此时，我们只需要知道 $X(t)$ 的均值和方差即可确定 $X(t)$ 的概率分布。均值很容易计算，即$$ \langle X(t) \rangle = \frac{t}{\Delta t}\langle\eta_i\rangle = 0; $$其方差为$$ \sigm

物理·数学·科研 · 2023-08-21 · 3391 人浏览
2020 - 2025 Jiming's blog. All Rights Reserved.
Theme Jasmine by Kent Liao