حسابات معادلة الحالة باستخدام الحواسيب السريعة

لنبدأ بالمسألة الأساسية: لديك غاز فيه N جسيم تتفاعل مع بعضها عند درجة حرارة T. الخواص الثرموديناميكية لهذا الغاز — كالضغط والطاقة — تتحدّد بدالة تُسمّى دالة التقسيم، وهي عبارة عن مجموع يشمل كل ترتيب ممكن للجسيمات الـ N. كل ترتيب له طاقة E، ويُسهم في المجموع بوزن يتناسب مع عامل بولتزمان $\exp(-E / kT)$.

في نظام مكوّن من 100 جسيم فحسب، عدد التشكيلات الممكنة لا نهائي عملياً، والحساب المباشر مستحيل. بحلول عام 1953 كان الفيزيائيون يلجؤون إلى تكامل مونت كارلو: اختر تشكيلات عشوائية، احسب طاقة كلٍّ منها، ثم خُذ المتوسط. المشكلة أن أخذ العيّنات العشوائي المنتظم يُهدر الجهد على تشكيلات عالية الطاقة وزنها البولتزماني يكاد يكون صفراً — كمن يبحث عن إبرة في كومة تبن بفحص قشّات عشوائية واحدة تلو الأخرى.

الفكرة المحورية هي أخذ عيّنات الأهمية عبر مسيرة عشوائية. بدلاً من اختيار تشكيلات بشكل منتظم ثم ترجيحها بأوزان، ولِّد تشكيلات مُوزَّعة أصلاً وفق توزيع بولتزمان. حينها يُصبح متوسط أي خاصية A مجرد متوسط حسابي بسيط للقيم التي تراها على طول المسيرة، دون حاجة إلى ترجيح.

لكن السؤال الطبيعي: كيف تولّد عيّنات من توزيع بولتزمان وأنت لا تستطيع حتى حساب دالة التقسيم؟ هنا يأتي ذكاء أسلوب متروبوليس: لا تحتاج إلى معرفة ثابت التسوية أصلاً — يكفيك نِسَب الاحتمالات فقط، وهذه النِّسب تتبسّط إلى $\exp(-\Delta E / kT)$.

خوارزمية متروبوليس بسيطة بشكل مدهش. ابدأ من أي تشكيل تريده، ثم كرِّر الخطوات التالية:

1. اقترح — اختر جسيماً عشوائياً وحرِّكه إزاحة عشوائية صغيرة.
2. قيِّم — احسب مقدار التغيُّر في الطاقة ΔE الناتج عن هذه الحركة.
3. قرِّر — إذا انخفضت الطاقة أو بقيت ثابتة (ΔE ≤ 0)، اقبل الحركة مباشرةً. أما إذا ارتفعت (ΔE > 0)، فاقبلها باحتمال $\exp(-\Delta E / kT)$: اسحب عدداً عشوائياً منتظماً u ∈ [0, 1] واقبل الحركة إن كان $u < \exp(-\Delta E / kT)$.

هذا كل ما في الأمر. التشكيلات المقبولة تُشكّل سلسلة ماركوف توزيعها المستقر هو توزيع بولتزمان. بعد فترة إحماء أولية، يُصبح كل تشكيل تمرّ به السلسلة عيّنةً صالحة من التوزيع المستهدف.

تخيّل قاعدة القبول كحارس على باب قاعة. إن كنت ستُخفّض الطاقة — أي ستُحسّن الوضع — فأنت تدخل دائماً بلا نقاش. أما إن كنت سترفعها، فالحارس يُلقي عملة مُرجَّحة: كلّما كانت الزيادة في الطاقة أكبر، قلّ حظّك في الدخول. عند درجة حرارة عالية تكون العملة شبه عادلة فيتساهل الحارس، وتستكشف المسيرة الفضاء بحرّية. وعند درجة حرارة منخفضة تنحاز العملة بشدّة ضد الصعود، فتلتزم المسيرة بالوديان.

السرّ وراء نجاح هذه الخوارزمية يكمن في خاصية تُسمّى التوازن التفصيلي. لتفهمها، تخيّل حركة مرور بين مدينتين: إن كان عدد السيارات المتّجهة من أ إلى ب يساوي — على المدى الطويل — العدد المتّجه من ب إلى أ، فلن يتغيّر عدد السكان في أي منهما. النظام في حالة توازن.

التوازن التفصيلي يُطبّق المبدأ نفسه على سلسلة ماركوف: لأي حالتين i وj، تدفّق الاحتمال من i إلى j يجب أن يساوي التدفّق العكسي. بصيغة رياضية:

$\pi(i) \, T(i \to j) = \pi(j) \, T(j \to i)$

حيث π هو التوزيع المستهدف وT هو احتمال الانتقال. حين يتحقّق هذا الشرط يكون π هو التوزيع المستقر للسلسلة. وقاعدة القبول في متروبوليس مُصمَّمة تحديداً لتُحقّق هذه المعادلة حين يكون π هو توزيع بولتزمان. يمكنك التحقّق بنفسك: النسبة $T(i \to j) / T(j \to i)$ تساوي $\pi(j)/\pi(i)$ بحكم التصميم.

درجة الحرارة T هي ما يتحكّم بالتوازن بين الاستكشاف والاستغلال:

• عند درجة حرارة عالية: تقترب $\exp(-\Delta E / kT)$ من 1 لمعظم الحركات، فيُقبل تقريباً كل شيء. المسيرة تجوب الفضاء بحرّية لكنها لا تتركّز في منطقة بعينها — تماماً كغاز ساخن جسيماته تتطاير في كل اتجاه.
• عند درجة حرارة منخفضة: تقترب $\exp(-\Delta E / kT)$ من 0 للحركات الصاعدة، فلا تُقبل إلا الحركات النازلة. المسيرة تنحصر في أقرب نهاية صغرى محلية — كمادة صلبة متجمّدة جسيماتها بالكاد تهتز.
• عند درجة حرارة مناسبة: تستكشف المسيرة ما يكفي لإيجاد الوديان العميقة، وتمكث فيها وقتاً كافياً لأخذ عيّنات جيدة منها.

هذه الفكرة — التحكّم بمستوى العشوائية عبر درجة الحرارة — هي ما ألهم التلدين المحاكى (Simulated Annealing, Kirkpatrick et al., 1983): ابدأ بدرجة حرارة مرتفعة للاستكشاف الواسع، ثم بَرِّد تدريجياً حتى تتركّز المسيرة حول النهاية الصغرى الشاملة — محاكاةً للتلدين الفيزيائي الذي يُستخدم في تقسية المعادن.

خوارزمية متروبوليس الأصلية افترضت أن توزيع الاقتراح متماثل، بمعنى أن احتمال اقتراح الانتقال من الحالة i إلى j يساوي احتمال اقتراح العكس. في عام 1970 طوَّر و. ك. هيستنغز الفكرة وعمَّم احتمال القبول ليتعامل مع اقتراحات غير متماثلة:

$\alpha(i \to j) = \min\!\left(1,\; \frac{\pi(j)\, q(i \mid j)}{\pi(i)\, q(j \mid i)} \right)$

حيث $q(j \mid i)$ هو احتمال الاقتراح. في الحالة المتماثلة — أي حين يكون $q(j \mid i) = q(i \mid j)$ — تختصر حدود q ونعود إلى قاعدة متروبوليس الأصلية. هذا التعميم فتح الباب أمام طيف واسع من استراتيجيات الاقتراح، وجعل أسلوب MCMC قابلاً للتطبيق في مجالات أبعد بكثير من الفيزياء.

سلسلة ماركوف ستتقارب حتماً نحو التوزيع المستهدف — هذا مضمون نظرياً بفضل خاصيتين: الإرغوديّة (قدرة السلسلة على الوصول إلى أي حالة انطلاقاً من أي حالة أخرى) والتوازن التفصيلي. لكن كلمة «حتماً» لا تعني «بسرعة» — فقد يستغرق التقارب وقتاً طويلاً.

هناك تحدّيان عمليان أساسيان:

• فترة الإحماء — العيّنات الأولى تعكس نقطة البداية لا التوزيع المستهدف. لذلك نتخلّص من أول N عيّنة لإزالة هذا التحيّز.
• جودة الخلط — إن كانت خطوات السلسلة صغيرة جداً تُصبح العيّنات المتتالية مترابطة بشدة، وتحتاج السلسلة وقتاً طويلاً لتستكشف التوزيع كاملاً. وإن كانت الخطوات كبيرة جداً تُرفض أغلب الاقتراحات وتتجمّد السلسلة في مكانها. يجب إذن ضبط مقياس الاقتراح بعناية: القاعدة التجريبية الشائعة تستهدف معدّل قبول يتراوح بين 23–44% في الأبعاد العالية.

نفّذ متروبوليس وعائلة روزنبلوث الخوارزمية على حاسوب MANIAC في مختبر لوس ألاموس، وذلك لنظام ثنائي البعد مكوّن من 224 قرصاً صلباً — أي أقراص لا يمكن أن تتداخل مع بعضها. في كل خطوة يُختار قرص واحد ويُزاح بمقدار عشوائي صغير داخل مربع ضلعه 2α. إن أدّى الموضع الجديد إلى تداخل بين الأقراص رُفضت الحركة، وإلا قُبلت مباشرةً — لأن جميع التشكيلات غير المتداخلة لها الطاقة نفسها في حالة الأقراص الصلبة.

شغّلوا السلسلة مئات الدورات (الدورة الواحدة = 224 محاولة حركة، واحدة لكل جسيم)، وحسبوا معادلة الحالة — أي العلاقة بين الضغط والكثافة. نتائجهم توافقت مع التمديد النظري لمعاملات الفيريال الأربعة عند الكثافات المنخفضة، وكشفت عن سلوك عند الكثافات العالية عجزت كل الأساليب التحليلية عن التنبّؤ به.

ما تمثّله خوارزمية متروبوليس بالنسبة لـأخذ العيّنات يشبه ما يمثّله الانحدار التدريجي بالنسبة لـالأمثلة: أداة بسيطة وشاملة أطلقت حقلاً بأكمله. كل أساليب MCMC الحديثة — مونت كارلو الهاملتوني، وأخذ عيّنات الشريحة، وMCMC القابل للعكس بالقفز — تنبثق من الفكرة الجوهرية ذاتها: اقترح، قيِّم النسبة، اقبل أو ارفض.