大都会蒙特卡洛理想气体模拟量为零

时间:2019-06-25 13:43:57

标签: python simulation physics montecarlo

我正在尝试使用Metropolis蒙特卡洛算法根据Clapeyron方程'pv = nkbT'对理想气体进行简单模拟。这是一个非常简单的示例,其中我认为2D分子之间没有相互作用并且能量为等于E = pV,其中V是包含所有分子的圆的面积。

我的问题是,经过很少的蒙特卡洛步骤之后,无论我施加多少分子或压力,我的气体量始终接近于零。我无法弄清楚代码中是否有错误,或者是因为我没有任何分子相互作用。 所有帮助将不胜枚举,这是我的代码

我的结果显示在下面的图中,x轴是蒙特卡洛步长,y轴是体积,我希望结果是步数增加后体积的某些常数不为零。plot of volume vs monte carlo steps < / p>

import numpy as np
import random
import matplotlib.pyplot as plt


def centroid(arr):
    length = arr.shape[0]
    sum_x = sum([i.x for i in arr])
    sum_y = sum([i.y for i in arr])
    return sum_x/length, sum_y/length


class Molecule:
    def __init__(self, xpos, ypos):
        self.pos = (xpos, ypos)
        self.x = xpos
        self.y = ypos


class IdealGas:
    # CONSTANTS
    def __init__(self, n,full_radius, pressure, T, number_of_runs):
        gas = []
        for i in range(0, n):
            gas.append(Molecule(random.random() * full_radius,
                                random.random() * full_radius))
        self.gas = np.array(gas)
        self.center = centroid(self.gas)
        self.small_radius = full_radius/4.
        self.pressure = pressure
        self.kbT = 9.36E-18 * T

        self.n = n
        self.number_of_runs = number_of_runs

    def update_pos(self):
        random_molecule = np.random.choice(self.gas)
        old_state_x = random_molecule.x
        old_state_y = random_molecule.y
        old_radius = np.linalg.norm(np.array([old_state_x,old_state_y])-np.array([self.center[0],self.center[1]]))
        energy_old = np.pi * self.pressure * old_radius**2
        random_molecule.x = old_state_x + (random.random() * self.small_radius) * np.random.choice([-1, 1])
        random_molecule.y = old_state_y + (random.random() * self.small_radius) * np.random.choice([-1, 1])
        new_radius =  np.linalg.norm(np.array([random_molecule.x,random_molecule.y])-np.array([self.center[0],self.center[1]]))
        energy_new = np.pi * self.pressure * new_radius**2
        if energy_new - energy_old <= 0.0:
            return random_molecule
        elif np.exp((-1.0 * (energy_new - energy_old)) / self.kbT) > random.random():
            return random_molecule
        else:
            random_molecule.x = old_state_x
            random_molecule.y = old_state_y
            return random_molecule

    def monte_carlo_step(self):
        gas = []
        for molecule in range(0, self.n):
            gas.append(self.update_pos())
        self.gas = np.array(gas)
        #self.center = centroid(self.gas)
        return self.gas

    def simulation(self):
        volume = []
        for run in range(self.number_of_runs):
            step_gas = self.monte_carlo_step()
            step_centroid = centroid(step_gas)
            step_radius = max([np.linalg.norm(np.array([gas.x,gas.y])-np.array([step_centroid[0],step_centroid[1]]))
                               for gas in step_gas])
            step_volume = np.pi * step_radius**2
            volume.append(step_volume)
        return volume


Gas = IdealGas(500, 50, 1000, 300, 100)
vol = Gas.simulation()
plt.plot(vol)
plt.show()


1 个答案:

答案 0 :(得分:1)

仅当新半径小于旧半径时才允许分子移动:

if energy_new - energy_old <= 0.0:

等效于:

np.pi * self.pressure * new_radius**2 <= np.pi * self.pressure * old_radius**2

即:

abs(new_radius) <= abs(old_radius)

所以所有分子都进入中心。

对我来说,您的假设太强了:确定温度,压力和分子数。根据理想气体方程,这意味着体积v = nRT / p也是恒定的。如果体积可以改变,则压力或温度必须改变。在您的模拟中,允许压力发生变化将意味着压力与体积的乘积恒定,因此能量恒定,因此分子可以在任意的大体积中自由移动。

通过我认为分子应该用以下方式初始化

(random.random() - 0.5) * full_radius

以便占据零附近的所有平面。