大规模自旋玻璃模拟中种群退火蒙特卡洛方法的优化
无序系统与神经网络
2018-11-26 v3 分布式、并行与集群计算
计算物理
摘要
种群退火蒙特卡洛是一种用于模拟 -局部布尔哈密顿量的有效顺序算法。由于其结构特性，该算法本质上是并行的，因此非常适合计算困难问题的大规模模拟。在此，我们以 -局部自旋玻璃哈密顿量为案例研究，展示了优化种群退火蒙特卡洛的各种方法。我们演示了如何从实现、算法加速器以及可扩展并行化角度对算法进行优化。这使得种群退火蒙特卡洛非常适合研究其他受挫问题，如烧绿石晶格、约束满足问题，以及常见于拓扑色码等中的高阶哈密顿量。
引用
@article{arxiv.1710.09025,
title = {Optimization of population annealing Monte Carlo for large-scale spin-glass simulations},
author = {Amin Barzegar and Christopher Pattison and Wenlong Wang and Helmut G. Katzgraber},
journal= {arXiv preprint arXiv:1710.09025},
year = {2018}
}
备注
14 pages, 11 figures, 1 table. See also arXiv:1711.02146 by Amey and Machta