Running Simulations

ALPS のシミュレーションは、コマンドラインと Python のどちらから操作する場合でも、入力の準備・シミュレーションの実行・結果の評価という同じ3つの段階を経ます。このセクションでは、まずその基盤となるジョブ／タスクの仕組みを一度だけ説明し、その後で2つのワークフローそれぞれについて詳しく解説します。

はじめに

ALPS のスケジューラライブラリがシミュレーションをどのように組織するかを説明します：パラメータの組ごとに1つのタスクを列挙するジョブファイル、パラメータと（後には）結果を保持するタスクファイル、そして以下の両ワークフローに共通する3つの段階（準備・実行・評価）について扱います。また、高精度なモンテカルロ計算では、生成器固有のバイアスを排除するために（RNG パラメータを介して）複数の乱数生成器で再実行すべき理由についても説明します。

コマンドラインの使用（評価ツールは限定的）

Python を使わずに ALPS を操作する方法を説明します：parameter2xml を用いてプレーンテキストのパラメータファイルをジョブ／タスクの XML に変換する方法、シリアルマシン上で、あるいは並列マシン上で MPI を用いてシミュレーションのバイナリを直接起動する方法（--time-limit、--checkpoint-time、--mpi、--Nmin／--Nmax オプションを含む）、そして convert2xml や各種 *_evaluate バイナリ（spinmc_evaluate、worm_evaluate、dirloop_sse_evaluate など）を用いてその後に結果を評価する方法を扱います。最後に、圧縮率のような派生量を計算する独自の evaluate プログラムを C++ で書く例を示します。

Python の使用

日常的に ALPS のシミュレーションを実行・解析するための推奨方法です。完全な例を通して一通りの流れを説明します：pyalps のインポート、pyalps.writeInputFiles を用いてパラメータ辞書の Python リストとして入力を準備する方法、pyalps.runApplication によるシリアルまたは並列での実行、そして（pyalps.loadMeasurements による）結果の読み込み、（Grace や Gnuplot への出力にも対応した pyalps.plot による）プロット、正しい jackknife 誤差棒を伴う Binder cumulant のような派生量の評価まで扱います。最後に、tutorials/intro-01-basics にある完全なサンプルスクリプトと、タスクごとに分割されたより小さな版へのリンクを示します。