用于计算态密度和增强大系统采样的快速自适应平直直方图系综

我们提出了一种高效算法——快速自适应平直直方图系综（FAFE），用于估计态密度（DOS）和增强大系统中的采样。FAFE 计算广义系综中任意广延变量 $U$ 的均值，以构成 $\beta_{s}(U) \equiv \frac{\partial S(U)}{\partial U}$ 曲线上的点，即对数态密度的导数。与流行的 Wang-Landau 类（WLL）方法不同，FAFE 在整个模拟过程中满足细致平衡条件，并自动生成非均匀的 $(\beta_{i}, U_{i})$ 数据点，以遵循 $\beta_{s}(U)$ 在不同 $U$ 区域和不同系统中的实际变化率。结合 $U$ 压缩变换，FAFE 将所需模拟步数从 WLL 中的 $O(N^{3/2})$ 降低到 $O(N^{1/2})$，其中 $N$ 为系统大小。我们在多个 $N$ 值的 Lennard-Jones 液体中展示了 FAFE 的效率。更重要的是，我们展示了其在发现和识别不同宏观状态（包括相共存区域中的亚稳态）方面的能力。