多体计算讲习班（Lecture Ⅰ）

Lecture Ⅰ：

(Classical Monte Carlo Method) 

# 应用领域：

      量化分析，统计物理（相当于布置一个涨落的试验场）。机器学习，高维积分

# 应用原理：

       Sampling + Measurements

# Sampling（ Inspired by Numerical Pi Calculation ）：

    （1）Completely Random Stradegy

    （2）Markov-Chain Stradegy ~ 减少无效采样，一定规则地产生均匀遍历采样链

    （3）MC 要素：

        *  位形（状态）-  转移矩阵

        *  平稳 Markov-Chain：

        *  周期性 Markov-Chain：

        *  收敛 Markov-Chain：

        *  拒绝 -  接受 概率接受更新 Metropolis 原则：

         * MCMC 与 统计：

      

        全局平稳 - 细致平稳

        

        期望：顺着 每个 C_i 求和 O(C_i) 获得期望

# Research of Ising_model Given By Metropolis-MC：

    （1）1D - Ising model：不存在对称性破缺

    （2）2D - Ising model：存在长程有序（Peierls 液体），存在低温对称性破缺

        * 朗道唯象

        * 普适类假定

        * 重整化群 - Wilson

        * 有效场论 - 有效场论

     （3）Metropolis - Ising Model：

        * Critical Slowing

    （4）SAW - Self_Avoiding_Walk：

#  随机流，随机簇：