[论文解读] New tests of random numbers for simulations in physical systems

Ilpo Vattulainen|ArXiv.org|Nov 16, 1994

Mathematical Approximation and Integration参考文献 21被引用 12

一句话总结

本文提出了五种新型统计检验方法——聚类检验、自相关检验、随机游走检验、n-块检验和条件数检验——旨在检测物理模拟中使用的伪随机数序列中的细微相关性。聚类检验在识别比特级周期性相关性方面尤为有效；自相关检验、随机游走检验和n-块检验则能检测短程相关性；研究定量地将高精度蒙特卡洛模拟中的错误结果与三重相关性联系起来，并表明通过舍弃序列的一部分可显著提升其质量。

ABSTRACT

The aim of this Thesis is to present five new tests for random numbers, which are widely used {\em e.g.} in computer simulations in physics applications. The first two tests, the cluster test and the autocorrelation test, are based on analogies to the two-dimensional Ising model. The next two, the random walk test and the $n$-block test, are based on studies of random walks, and the condition number test presented last uses some results of Gaussian distributed random matrices. Studies with several commonly used pseudorandom number generators reveal that the cluster test is particularly powerful in finding periodic correlations on bit level, and that the autocorrelation test, the random walk test, and the $n$-block test are very effective in detecting short-ranged correlations. The results of the condition number test are mostly inconclusive, however. By means of the tests presented in this work, two important results are found. First, we show quantitatively that the reason for erroneous results in some recent high precision Monte Carlo simulations for some commonly used pseudorandom number generators are the so called triple correlations in the sequences. Then, we show that the properties of such a sequence may be considerably improved, if only a certain portion of it is used.

研究动机与目标

• 开发新型敏感检验方法，以检测蒙特卡洛模拟中使用的伪随机数序列中的隐藏相关性。
• 识别在常用伪随机数生成器下导致高精度模拟出现错误结果的根本原因。
• 评估对伪随机数序列进行截断是否能提升其统计质量。
• 建立系统性框架，以评估物理系统模拟中随机数生成器的可靠性。

提出的方法

• 聚类检验通过类比二维伊辛模型，检测比特层面的周期性相关性。
• 自相关检验利用随机序列的统计特性，测量短滞后时间内的相关性。
• 随机游走检验通过将序列建模为随机游走路径，并分析其统计行为来评估序列。
• n-块检验将序列划分为若干块，通过方差和相关性分析评估其统计独立性。
• 条件数检验应用随机矩阵理论中的结果，特别是高斯分布矩阵，以评估序列矩阵的条件性。
• 所有检验方法均应用于多种广泛使用的伪随机数生成器，以比较其性能并检测缺陷。

实验结果

研究问题

• RQ1 伪随机数序列中的哪些隐藏相关性会导致高精度蒙特卡洛模拟中出现系统性错误？
• RQ2 与现有方法相比，所提出的检验方法在检测比特级周期性相关性方面有多高效？
• RQ3 能否通过随机游走检验和n-块检验可靠地检测伪随机序列中的短程相关性？
• RQ4 对伪随机数生成器输出进行截断在多大程度上能提升其统计质量？
• RQ5 为何某些伪随机数生成器在通过标准测试后，仍会在高精度物理模拟中失效？

主要发现

• 聚类检验在检测比特层面的周期性相关性方面极为有效，这类相关性常被标准检验方法所遗漏。
• 自相关检验、随机游走检验和n-块检验在识别伪随机序列中的短程相关性方面尤为有效。
• 条件数检验结果大多不明确，表明其在当前应用中效用有限。
• 本研究将伪随机序列中的三重相关性识别为近期高精度蒙特卡洛模拟中出现错误结果的主要原因。
• 通过截断序列（仅使用输出的一部分）可显著提升伪随机数生成器的统计质量。