Simulacin de Sistemas Prof. Ing.

. Efran Muretti Mtodo Monte Carlo Los mtodos de Monte Carlo abarcan una coleccin de tcnicas que permiten obtener soluciones de problemas matemticos o fsicos por medio de pruebas aleatorias repetidas. En la prctica, las pruebas aleatorias se sustituyen por resultados de ciertos clculos realizados con nmeros aleatorios. 1. Conceptos Previos Estocstico: Se denomina estocstico a aquel sistema que funciona, sobre todo, por el azar. Las leyes de causa-efecto no explican cmo acta el sistema (y de modo reducido el fenmeno) de manera determinista, sino en funcin de probabilidades. Proceso estocstico: En matemticas de probabilidades, un proceso estocstico es un proceso aleatorio que evoluciona con el tiempo. Determinstico: En estadstica, un fenmeno determinstico es aquel en que se obtiene siempre el mismo resultado bajo las mismas condiciones iniciales. La relacin causa-efecto se conoce en su totalidad. Por ejemplo, todos los fenmenos que siguen las leyes de la fsica clsica, como puede ser la cada de un cuerpo. Lo contrario de un fenmeno determinstico es un fenmeno aleatorio. Sistema discreto: Una funcin, variable o sistema es discreto, en contraposicin a continuo, si es divisible un nmero finito de veces. As, el conjunto de los nmeros naturales es un conjunto discreto, as como la energa de los estados cunticos. N -> {1,2,3,4,5,..., } Entre cada uno de los miembros del conjunto no puede haber ms trminos. Como se ve en los naturales se puede llegar a una sucesin indivisible de nmeros. Sistema continuo: Una funcin, variable o sistema es continuo, en contraposicin a discreto si ste entre dos puntos cualesquiera distintos existe una infinidad de puntos, y adems tiene la propiedad de completitud, es decir, si la distancia entre los dos puntos tomados mide d, para cada nmero entre 0 y d podemos encontrar un punto cuya distancia del primero mida exactamente a ese nmero. Por ejemplo, es el caso de los nmeros reales as como el espacio-tiempo segn la relatividad.

2.

Introduccin

Bajo el nombre de Mtodo Monte Carlo o Simulacin Monte Carlo se agrupan una serie de procedimientos que analizan distribuciones de variables aleatorias usando simulacin de nmeros aleatorios. El Mtodo de Monte Carlo da solucin a una gran variedad de problemas matemticos haciendo experimentos con muestreos estadsticos en una computadora. El mtodo es aplicable a cualquier tipo de problema, ya sea estocstico o determinstico.

Simulacin de Sistemas Mtodo Monte Carlo

Pgina 1

Simulacin de Sistemas Prof. Ing. Efran Muretti Generalmente en estadstica los modelos aleatorios se usan para simular fenmenos que poseen algn componente aleatorio. Pero en el mtodo Monte Carlo, por otro lado, el objeto de la investigacin es el objeto en s mismo, un suceso aleatorio o pseudo-aleatorio se usa para estudiar el modelo. A veces la aplicacin del mtodo Monte Carlo se usa para analizar problemas que no tienen un componente aleatorio explcito; en estos casos un parmetro determinista del problema se expresa como una distribucin aleatoria y se simula dicha distribucin. Un ejemplo sera el famoso problema de las Agujas de Bufn. La simulacin de Monte Carlo tambin fue creada para resolver integrales que no se pueden resolver por mtodos analticos, para solucionar estas integrales se usaron nmeros aleatorios. Posteriormente se utiliz para cualquier esquema que emplee nmeros aleatorios, usando variables aleatorias con distribuciones de probabilidad conocidas, el cual es usado para resolver ciertos problemas estocsticos y determinsticos, donde el tiempo no juega un papel importante.

3. Historia El mtodo fue llamado as por el principado de Mnaco por ser "la capital del juego de azar", al tomar una ruleta como un generador simple de nmeros aleatorios. El nombre y el desarrollo sistemtico de los mtodos de Monte Carlo datan aproximadamente de 1944 con el desarrollo de la computadora. Sin embargo hay varias instancias (aisladas y no desarrolladas) en muchas ocasiones anteriores a 1944. El uso real de los mtodos de Monte Carlo como una herramienta de investigacin, proviene del trabajo de la bomba atmica durante la Segunda Guerra Mundial. Este trabajo involucraba la simulacin directa de problemas probabilsticos de hidrodinmica concernientes a la difusin de neutrones aleatorios en material de fusin. An en la primera etapa de estas investigaciones, John von Neumann y Stanislao Ulam refinaron esta curiosa "Ruleta rusa" y los mtodos "de divisin". Sin embargo, el desarrollo sistemtico de estas ideas tuvo que esperar el trabajo de Harris y Herman Kahn en 1948. Aproximadamente en el mismo ao, Fermi, Metropolos y Ulam obtuvieron estimadores para los valores caractersticos de la ecuacin de Schrdinger para la captura de neutrones a nivel nuclear. Alrededor de 1970, los desarrollos tericos en complejidad computacional comienzan a proveer mayor precisin y relacin para el empleo del mtodo Monte Carlo. La teora identifica una clase de problemas para los cuales el tiempo necesario para evaluar la solucin exacta al problema crece con la clase, al menos exponencialmente con M. La cuestin a ser resuelta era si MC pudiese o no estimar la solucin al problema de tipo intratable con una adecuacin estadstica acotada a una complejidad temporal polinomial en M. Karp(1985) muestra esta propiedad para estimar en una red plana multiterminal con arcos fallidos aleatorios. Dyer(1989) utiliza MC para estimar el volumen de un convex body en el espacio Euclidiano M-dimensional. Broder(1986), Simulacin de Sistemas Mtodo Monte Carlo Pgina 2

Simulacin de Sistemas Prof. Ing. Efran Muretti Jerrum y Sinclair (1988) establecen la propiedad para estimar la persistencia de una matriz o en forma equivalente, el nmero de matching perfectos en un grafo bipartito. 4. Modo de Uso La clave de la simulacin MC consiste en crear un modelo matemtico del sistema, proceso o actividad que se quiere analizar, identificando aquellas variables (inputs del modelo) cuyo comportamiento aleatorio determina el comportamiento global del sistema. Una vez identificados dichos inputs o variables aleatorias, se lleva a cabo un experimento consistente en (1) generar muestras aleatorias con ayuda del ordenador- (valores concretos) para dichos inputs, y (2) analizar el comportamiento del sistema ante los valores generados. Tras repetir n veces este experimento, dispondremos de n observaciones sobre el comportamiento del sistema, lo cual nos ser de utilidad para entender el funcionamiento del mismo: obviamente, el anlisis ser tanto ms preciso cuanto mayor sea el nmero n de experimentos que se lleven a cabo. 5. Aplicaciones El mtodo de Montecarlo (Monte Carlo, MC) se aplica a sistemas moleculares para: predecir los valores promedio de las propiedades de estructuras en medios trmicos; estimar la distribucin de cargas en molculas; calcular constantes cinticas de reaccin, energas libres, constantes dielctricas, coeficientes de compresibilidad, capacidades calorficas y puntos de cambio de estado; etc. El mtodo de Montecarlo recibe este nombre porque consiste en introducir nmeros aleatorios en el clculo, lo cual permite simular efectos "trmicos". En este sentido se distingue de la Dinmica Molecular (tcnica determinstica). Variantes del MC se usan para resolver problemas muy diversos. De todas ellas, en el caso de los clculos computacionales relacionados con sistemas moleculares, las ms importantes son las siguientes: (1) Mtodo Clsico (Classical Monte Carlo, CMC): aplicacin de distribuciones de probabilidades (generalmente la distribucin clsica de Maxwell y Boltzmann) para obtener propiedades termodinmicas, estructuras de energa mnima y constantes cinticas; (2) Mtodo Cuntico (Quantum Monte Carlo, QMC): uso de trayectorias aleatorias para calcular funciones de onda y energas de sistemas cunticos y para calcular estructuras electrnicas usando como punto de partida la ecuacin de Schroedinger; (3) Mtodo de la Integral a lo largo de la Trayectoria (Path-Integral Quantum Monte Carlo, PIMC): clculo de las integrales de la Mecnica Estadstica Cuntica para obtener propiedades termodinmicas y constantes cinticas usando como punto de partida la integral a lo largo de la trayectoria de Feynman;

Simulacin de Sistemas Mtodo Monte Carlo

Pgina 3

Simulacin de Sistemas Prof. Ing. Efran Muretti (4) Mtodo Volumtrico (Volumetric Monte Carlo, VMC): uso de nmeros aleatorios y cuasi-aleatorios para generar volmenes moleculares y muestras del espacio de fase molecular) (5) Mtodo de Simulacin (Simulation Monte Carlo, SMC): uso de algoritmos aleatorios para generar las condiciones iniciales de la simulacin de trayectorias cuasi-clsicas o para introducir efectos estocsticos ("termalizacin de las trayectorias") en Dinmica Molecular. (El as llamado "Mtodo Cintico" Kinetic Monte Carlo, KMC es uno de los SMC.) El MC es uno de los mtodos con que cuentan la Fsica Cuntica y la Qumica Cuntica para resolver los problemas que involucran mltiples cuerpos (many-body problems). En el caso de los sistemas en estado condensado, se emplean unas cuantas variantes, tales como el Mtodo de la Integral a lo largo de la Trayectoria (Path Integral Monte Carlo, PIMC), el Mtodo de Difusin (Diffusion Monte Carlo, DMC), el Mtodo de las Funciones de Green (Green's Function Monte Carlo, GFMC) y el Mtodo Variacional (Variational Monte Carlo, VMC).

6. Algunos matemticos que han contribuido a la historia del mtodo Monte Carlo 1.777 A la edad de 20 Georges Buffon descubri el teorema binomial, colabor con Cramer en mecnica, geometra, probabilidad , teora del nmero y el clculo diferencial e integral. Su primer trabajo-carreau de Sur le jeu introdujo clculo diferencial e integral en la teora de las probabilidades, escribi Thorie de la terre. Lo recuerdan la mayora, en el campo de las matemticas por un experimento de la probabilidad que realiz calculando los palillos, que una vez lanzados sobre su hombro caan sobre un piso embaldosado. Contando el nmero de ensayos, los palillos cayeron a travs de las lneas entre los azulejos. Este experimento caus mucha discusin entre los matemticos que ayudaron hacia una comprensin de la probabilidad. 1.824 Guillermo Thomson Kelvin, ingres en la Universidad de Glasgow a la edad de 10 aos. En el curso 1.838-39 estudi Qumica y Astronoma, y el curso siguiente cursos de filosofa natural (hoy llamado Fsicas) en los cuales profundiz en los estudios de calor, electricidad y magnetismo. En 1.841 estudi las transformadas de Fourier para concluir un informe sobre el movimiento uniforme de calor y su conexin con la teora matemtica de la electricidad, publicado en 1.842. Los estudios de termodinmica de Kelvin, le hicieron proponer una escala absoluta de temperaturas, la cual, fue enunciada antes del principio de conservacin de la Energa, si esta se hubiera formulado antes, los estudios de Kelvin se hubieran comprendido mejor. 1.888 En 1.934, Richard Courant se incorpor en la Universidad de Nueva York, dnde form un pequeo grupo de investigacin, este grupo reflej el estilo de trabajo del famoso instituto Gttinger, Alemania, dnde haba sido alumno de David Hilbert. Las investigaciones de Courant fueron de diversos tipos: mtodos finitos de la diferencia, superficies mnimas y ecuaciones diferenciales parciales. Fu pionero en publicaciones de textos matemticos y de monogrficos de alta calidad; un ejemplo "Mtodos de Fsica Simulacin de Sistemas Mtodo Monte Carlo Pgina 4

Simulacin de Sistemas Prof. Ing. Efran Muretti Matemtica" por Courant e Hilbert. Quizs es ms conocido, "posiblemente" por sus talentos cientficos de la organizacin y direccin en el instituto que lleva su nombre. Friedrichs dijo de l: "No se pueden apreciar los logros cientficos de Courant simplemente fijndose en sus publicaciones, pues sus investigaciones no eran aisladas sino que estaba completamente interrelacionado con otros campo de la Ciencia, y adems, era la inspiracin de muchos otros trabajos de investigacin" 1.889 Hyman Levy Matemtico, filsofo y humanista. Nacido en Edimburgo en una familia juda ortodoxa. Educado en la escuela de George Heriot y la universidad de Edimburgo, en donde estudi matemticas y fsica. Trabaj en Alemania hasta el inicio de la primera guerra mundial, que se desplaz a Inglaterra, inicialmente en Oxford y la entonces la universidad imperial (Londres) donde lo designaron profesor de matemticas en 1923. Public en el campo de la probabilidad y de ecuaciones diferenciales, junto con varios trabajos sobre la filosofa, incluyendo el universo de Science (1932). 1.901 Kurt Otto Friedrichs solucion un problema en relatividad mientras an estaba en la universidad. Su disertacin en la teora de las placas elsticos fue escrita bajo la supervisin de Courant en Gttingen. Fu ayudante de Courant y ayud a la publicacin del libro de Courant y de Hilbert. Su trabajo principal trataba sobre ecuaciones diferenciales parciales en fsica matemtica. Utiliz diferencias finitas para probar la existencia de soluciones. Friedrichs tambin trabaj en la dinmica de fluidos. John Von Newman, Formo parte del grupo de los seis profesores de matemticas de instituto de estudios avanzados de Princeton junto con J.W. Alexander, A. Einstein, O. Veblen y H. Weyl, en 1.933 fu corredactor de "los anales de las matemticas" y dos aos ms tarde del "Compositio Mathematica". En 1.938 la sociedad de matemtica americana, concedi a Neumann el premio Bcher por su trabajo "Funciones y grupos casi peridicos de la memoria" publicado en dos partes en 1.934 y 1.935. Fu uno de los pioneros de la informtica haciendo contribuciones significativas al desarrollo del diseo lgico. Avanzo considerablemente la teora de los autmatas celulares. Su trabajo con el grupo de Los Alamos continu desarrollando el synergism entre las capacidades de las computadoras y las necesidades de soluciones de cmputo a los problemas nucleares relacionados con la bomba de hidrgeno. Student Funcin T , Stanilaw Marcin Ulam, solucion el problema de cmo iniciar la fusin en la bomba de hidrgeno. l tambin ide el ' mtodo de Monte Carlo ' usado extensamente en solucionar problemas matemticos usando el muestreo estadstico.

1903

1908 1909

Simulacin de Sistemas Mtodo Monte Carlo

Pgina 5