statistique

échantillonnage de Monte Carlo

Méthode stochastique pour estimer les valeurs moyennes et les propriétés thermiques dans les systèmes quantiques.
4 articles liés

Description

L'échantillonnage de Monte-Carlo est une méthode de calcul qui utilise des nombres aléatoires pour estimer les propriétés de systèmes comportant de nombreuses particules en interaction, notamment en physique quantique où les solutions analytiques directes sont impossibles. Elle est particulièrement puissante pour calculer les valeurs moyennes d'observables, telles que l'énergie ou l'aimantation, à températures finies, et pour simuler le comportement de systèmes en équilibre thermique. Le nom provient du casino de Monte-Carlo à Monaco, reflétant la dépendance de la méthode au hasard.

Histoire

La méthode a été développée dans les années 1940 par Stanislaw Ulam, John von Neumann et Nicholas Metropolis, initialement pour la recherche sur les armes nucléaires à Los Alamos. Elle a ensuite été adaptée aux systèmes quantiques par D. M. Ceperley et d'autres dans les années 1970 et 1980.

Comment ça marche

La méthode génère un grand nombre de configurations aléatoires du système, pondérées selon la distribution de probabilité d'intérêt (par exemple, la distribution de Boltzmann pour l'équilibre thermique). Cela se fait souvent à l'aide d'un algorithme de chaîne de Markov comme l'algorithme de Metropolis-Hastings, qui génère une séquence de configurations où chaque nouvelle configuration est acceptée ou rejetée en fonction de la différence d'énergie. En faisant la moyenne de l'observable sur un grand nombre de ces configurations, on approxime la valeur moyenne. La précision s'améliore avec le nombre d'échantillons, mais le coût de calcul peut être élevé.

En pratique

Elle est utilisée pour simuler des fluides quantiques comme l'hélium superfluide, pour étudier les propriétés de systèmes d'électrons fortement corrélés (par exemple, les supraconducteurs à haute température), et pour calculer l'équation d'état des étoiles à neutrons.

Anecdote

Les méthodes de Monte-Carlo sont également utilisées en finance pour évaluer des produits dérivés complexes, et en infographie pour rendre des effets d'éclairage réalistes.

Concept graph →

Articles liés · 4

Un orchestre sans chef : comment entendre le rythme dans des observations irrégulières
L'orchestre joue sans chef. Chaque instrument entre selon son propre calendrier : le violon le lundi, la flûte le mercredi, les timbales le samedi. Les astronomes n'entendent pas la musique, mais des notes isolées, éparpillées sur le calendrier. Le télescope ne voit l'étoile que lorsqu'elle est au-dessus de l'horizon et que le calendrier lui a accordé du temps.
Comment l'entropie aide les robots à trouver leur chemin plus vite
Un groupe de recherche ratisse un champ brumeux. Au début, les gens s'écartent largement : une « température » de recherche élevée signifie une grande diversité de tentatives. Ayant repéré une piste, ils se rapprochent. Mais la vitesse de rapprochement est cruciale — si l'on resserre le cercle trop tôt, la meilleure trouvaille restera de côté.
Comment les rayons X voient la matière chaude
Lorsqu'on comprime de la matière à des pressions de millions d'atmosphères et qu'on la chauffe à des milliers de degrés, elle n'est plus ni solide ni gazeuse. C'est l'état dense tiède — comme dans les entrailles des planètes géantes ou au moment de l'impact d'un météorite.
Physique numérique2026-03-281 minarXiv:2603.27212express
Comment les électrons ondulent dans un liquide brûlant
À l'intérieur d'un morceau de métal, les électrons ne restent pas en place : ils se déplacent comme l'eau d'une rivière. Mais voir ce mouvement directement est impossible — c'est trop rapide et trop petit.