python蒙特卡洛仿真_蒙特卡洛模拟Ising模型（附Python代码）

Ising (伊辛)模型为：

这里要用到Metropolis采样，可看这篇文章：

代码主要参照参考资料[1]， 是采用XY Ising模型。自己有做了些改动和注释，看起来会更容易些。代码如下：

import random

import matplotlib.pyplot as plt

import numpy as np

import copy

import math

import time

def main():

size = 30 # 体系大小

T = 2 # 温度

ising = get_one_sample(sizeOfSample=size, temperature=T) # 得到符合玻尔兹曼分布的ising模型

plot(ising) # 画图

energy_s = []

for i in range(size):

for j in range(size):

energy_s0 = getEnergy(i=i, j=j, S=ising) # 获取格点的能量

energy_s = np.append(energy_s, [energy_s0], axis=0)

plt.hist(energy_s, bins=50, density=1, facecolor='red', alpha=0.7) # 画出格点能量分布 # bins是分布柱子的个数，density是归一化，后面两个参数是管颜色的

plt.show()

def get_one_sample(sizeOfSample, temperature):

S = 2 * np.pi * np.random.random(size=(sizeOfSample, sizeOfSample)) # 随机初始状态，角度是0到2pi

print('体系大小：', S.shape)

initialEnergy = calculateAllEnergy(S) # 计算随机初始状态的能量

print('系统的初始能量是:', initialEnergy)

newS = np.array(copy.deepcopy(S))

for i00 in range(1000): # 循环一定次数，得到平衡的抽样分布

newS = Metropolis(newS, temperature) # Metropolis方法抽样，得到玻尔兹曼分布的样品体系

newEnergy = ca