[论文解读] How to produce discreet Gaussian sequences: Algorithm and code

Sparisoma Viridi, Veinardi Suendo|arXiv (Cornell University)|Jul 17, 2011

Nuclear reactor physics and engineering参考文献 3被引用 3

一句话总结

本文提出一种算法及C++代码，通过将连续高斯分布离散化为M个组并使用整数舍入确保粒子数，生成离散的高斯分布序列。当N ≥ 1,000,000且M ≤ 5,000，或N ≥ 1,000且M = 10时，该方法实现与目标高斯分布的高相关性（R² ≈ 1），证明了其在模拟中对高斯统计特性的精确离散近似。

ABSTRACT

Algorithm and code to produce sequences whose members obey Gaussian distribution function is reported. Discreet and limited number of groups are defined in the distribution function, where each group is represented only with one value instead of a range of value. The produced sequences are also checked back whether they still fit the discreet distribution function. Increasing of number of particles N increases the value of correlation coefficient R^2, but increasing number of groups M reduces it. Value R^2 = 1 can be found for N = 1000000 at least with M = 5000$ and for M = 10 at least with N = 1000.

研究动机与目标

• 开发一种可重现的方法，用于生成符合高斯分布函数的离散序列。
• 解决使用有限离散分组模拟具有连续分布的大粒子系统所面临的挑战。
• 通过归一化和误差校正，确保生成的序列保持与目标高斯分布的统计保真度。
• 提供一种计算高效且可重现的算法，利用标准C++函数实现随机排列和整数截断。
• 采用决定系数R²作为度量，评估离散近似的准确性。

提出的方法

• 使用z_min和z_max将连续高斯分布f(z)离散化为M个等间距的组，其中N(z) ≈ 1 - ε。
• 将每组的代表值定义为z_i = z_min + (i - 0.5)Δz，确保每个区间的中点表示。
• 计算每组的粒子数为N_i = (N / N') * int[N(z_i)]，其中N'为所有N_i之和，以保持总粒子数不变。
• 通过重新缩放因子对最终的N_i值进行归一化，以匹配总粒子数N，校正因整数截断造成的损失。
• 通过按z_i递增顺序列出粒子生成第零个序列，然后使用C++的std::random_device和std::swap对序列进行随机洗牌，生成随机序列。
• 使用R² = 1 - (SS_err / SS_tot)评估准确性，将离散的N_i与拟合的离散分布N_d(z_i)进行比较。

实验结果

研究问题

• RQ1 如何生成一个离散的、有限的粒子序列，以高统计保真度近似连续高斯分布？
• RQ2 粒子数N和分组数M对离散序列与目标高斯分布之间相关系数R²的影响是什么？
• RQ3 每组粒子数的整数截断如何影响总粒子数和分布准确性？
• RQ4 生成的序列是否可在保持底层高斯分布的同时实现随机化，并通过种子控制实现可重现性？
• RQ5 在离散近似中实现R² ≈ 1的N与M之间最优平衡是什么？

主要发现

• 相关系数R²随N增大而提高，当N ≥ 1,000,000时趋近于1。
• R²随M增加而降低，表明更细的离散化导致准确性下降。
• 当N ≥ 1,000,000且M ≤ 5,000，或N ≥ 1,000且M = 10时，可实现R² = 1。
• 离散分布需要使用重新缩放的归一化常数N_d = (N * N') / ΣN(z_i)以匹配总粒子数。
• 按组排序的第零个序列与通过种子控制洗牌生成的随机序列均保持目标高斯分布。
• 该方法可生成可重现的、高保真度的离散高斯序列，适用于分子动力学与统计物理模拟。