随机化学反应网络中将样本路径耦合至部分热力学极限
计算物理
2016-12-30 v4 化学物理
摘要
应用中出现的许多生化系统具有多尺度结构，使其在热力学极限下收敛于分段确定性 Markov 过程。分段确定性过程的统计量可以比精确过程的统计量更高效地获得。我们探索了将精确模型的样本路径与分段确定性过程相耦合的可能性，以减少二者差异的方差。随后，我们应用该耦合来降低 Monte Carlo 估计量的计算复杂度。除了关于 Monte Carlo 估计量渐近计算复杂度的严格结果外，还在一些简单的生物模型上进行了数值模拟，证实了计算收益的实现。
引用
@article{arxiv.1609.02502,
title = {Coupling sample paths to the partial thermodynamic limit in stochastic chemical reaction networks},
author = {Ethan Levien and Paul C. Bressloff},
journal= {arXiv preprint arXiv:1609.02502},
year = {2016}
}
备注
Some significant organizational changes have been made. The discussion of models with feedback is now correct and rigorous. More convincing numerical experiments have been performed