Usuário(a):MGromov/Testes33

Página inicial: Testes

Edições completas: Mecânica estatística  • Modelo Hodgkin-Huxley  • Neurociência computacional  • Modelo probabilístico para redes neurais  • Teoria de campo médio  • Modelo FitzHugh–Nagumo  • Processo Lévy  • Cadeias de Markov  • Processo de Poisson  • Galves–Löcherbach model  • Stochastic chains with memory of variable length  • Lesão do plexo braquial  • Somatotopia  • Função densidade  • Modelos de grafos aleatórios exponenciais • Processo de Gram-Schmidt  • Equação de Chapman–Kolmogorov  • Predefinição:Processos estocásticos  • Algoritmo de autovalores  • Transição de fase  • Hipótese do cérebro crítico  • Critical brain hypothesis  • Passeio aleatório  • Plasticidade sináptica  • Potencial pós-sináptico excitatório  • Potencial pós-sináptico inibitório  • Modelo de Morris-Lecar  • Plexo braquial  • Processo gaussiano  • Campo aleatório de Markov  • Eletroencefalografia  • Modelo de Hindmarsh-Rose  • Sistemas de partícula em interação  • Medida de Gibbs  • Nervo escapular dorsal  • Nervo radial  • Nervo peitoral lateral  • Nervo musculocutâneo  • Medida de Dirac  • Nervo torácico longo  • Sigma-álgebra  • Nervo peitoral medial  • Nervo ulnar  • Potencial evocado  • Estimulação magnética transcraniana repetitiva  • Teorema de Donsker  • Desigualdade de Boole  • Codificação neural  • Aprendizado de máquina  • Independência condicional  • Inferência estatística  • Nervo subclávio  • Nervo supraescapular  • Nervo mediano  • Nervo axilar  • Movimento browniano geométrico  • Caminho autoevitante  • Tempo local  • Nervo subescapular superior  • Nervo toracodorsal  • Nervo subscapular inferior  • Caminho (teoria dos grafos)  • Campo aleatório  • Lei do logaritmo iterado

Edições em andamento: Nervo cutâneo medial do braço (N)  • Nervo cutâneo medial do antebraço (N)  • Cérebro estatístico (N)  • Statistician brain  • Distribuição de probabilidade condicional (N)  • Esperança condicional (N)  • Integral de Itō (N)  • Martingale  • Variação quadrática (N)  • Processo Ornstein–Uhlenbeck  • Ruído branco  • Teoria ergódica  • Avalanche neuronal (N)  • Teoria da percolação (N)  • Função totiente de Euler  • Ruído neuronal (N)  • Distribuição de Poisson  • Córtex cerebral  • Estímulo (fisiologia)

In probability theory, an interacting particle system (IPS) is a stochastic process $(X(t))_{t\in \mathbb {R} ^{+}}$ on some configuration space $\Omega =S^{G}$ given by a site space, a countable-infinite graph $G$ and a local state space, a compact metric space $S$. More precisely IPS are continuous-time Markov jump processes describing the collective behavior of stochastically interacting components. IPS are the continuous-time analogue of stochastic cellular automata. Among the main examples are the voter model, the contact process, the asymmetric simple exclusion process (ASEP), the Glauber dynamics and in particular the stochastic Ising model.

IPS are usually defined via their Markov generator giving rise to a unique Markov process using Markov semigroups and the Hille-Yosida theorem. The generator again is given via so-called transition rates $c_{\Lambda }(\eta ,\xi )>0$ where $\Lambda \subset G$ is a finite set of sites and $\eta ,\xi \in \Omega$ with $\eta _{i}=\xi _{i}$ for all $i\notin \Lambda$. The rates describe exponential waiting times of the process to jump from configuration $\eta$ into configuration $\xi$. More generally the transition rates are given in form of a finite measure $c_{\Lambda }(\eta ,d\xi )$ on $S^{\Lambda }$.

The generator $L$ of an IPS has the following form. First, the domain of $L$ is a subset of the space of "observables", that is, the set of real valued continuous functions on the configuration space $\Omega$. Then for any observable $f$ in the domain of $L$, one has

$Lf(\eta )=\sum _{\Lambda }\int _{\xi :\xi _{\Lambda ^{c}}=\eta _{\Lambda ^{c}}}c_{\Lambda }(\eta ,d\xi )[f(\xi )-f(\eta )]$.

For example, for the stochastic Ising model we have $G=\mathbb {Z} ^{d}$, $S=\{-1,+1\}$, $c_{\Lambda }=0$ if $\Lambda \neq \{i\}$ for some $i\in G$ and

$c_{i}(\eta ,\eta ^{i})=\exp[-\beta \sum _{j:|j-i|=1}\eta _{i}\eta _{j}]$

where $\eta ^{i}$ is the configuration equal to $\eta$ except it is flipped at site $i$. $\beta$ is a new parameter modeling the inverse temperature.

References

• Liggett, Thomas M. (1997). «Stochastic Models of Interacting Systems». Institute of Mathematical Statistics. The Annals of Probability. 25 (1): 1–29. ISSN 0091-1798. doi:10.2307/2959527 
• Liggett, Thomas M. (1985). Interacting Particle Systems. New York: Springer Verlag. ISBN 0-387-96069-4