Python中的Ising模型未给出正确的结果

我用python（2d）为ising模型编写了一些代码。除了好的步骤和坏的步骤的数量外，一切看起来都在正确计算。好的步骤是指由于能量变化（d_能量）小于或等于零而改变自旋的步骤。一个错误的步骤是当自旋改变时，因为一个随机整数小于e^（-d_energy/（Kb*temp）的值，其中Kb是波尔兹曼常数。没有一个步骤，其中d_energy大于零，rand大于e^（我在上面写的）

当我和一位教授谈论这件事时，他告诉我，当我把温度调得很高时，坏步数应该是总步数的一半

from numpy import zeros
from random import choice, random
import math

def create_lattice(nx,ny):
   possibleSpins = [-1,1]
   lattice = zeros((nx,ny))
   for i in range(nx):
     for j in range(ny):
        lattice[i,j] = choice(possibleSpins)
 return lattice

def ising_model(nsweeps, nx, ny, Js, kb, temp):

    s_energy = 0.0
    e_energy = 0.0
    d_energy = 0.0
    spin = 0.0
    rand = 0.0
    good = 0.0
    bad = 0.0
    nostep = 0.0
    lattice = create_lattice(nx, ny)
    energies = zeros((nx,ny))
    print(lattice)
    # Each sweep is a complete look at the lattice
    for sweeps in range(nsweeps):
        for i in range(nx):
            for j in range(ny):
                spin = lattice[i][j]
                s_energy = -1 * Js * spin * (lattice[(i-1)%nx][j] + lattice[i][(j-1)%ny] + lattice[i][(j+1)%ny] + lattice[(i+1)%nx][j])
                lattice[i][j] = -1 * spin
                e_energy = -1 * Js * lattice[i][j] * (lattice[(i-1)%nx][j] + lattice[i][(j-1)%ny] + lattice[i][(j+1)%ny] + lattice[(i+1)%nx][j])


                d_energy = e_energy - s_energy
                rand = random()
                if d_energy <= 0 :
                    good = good + 1
                elif d_energy > 0 and rand <= math.exp(-1 * d_energy / (kb * temp)):
                    bad = bad + 1
                else:
                    lattice[i][j] = spin
                    nostep = nostep + 1
                print(math.exp(-1 * d_energy / (kb * temp)))
                print(rand)


    print(lattice)
    print(good)
    print(bad)
    print(nostep)
    # energies array is
    return energies



ising_model(10,7,7,1.0,1.0,10000000000000000000000000000.0)

从numpy导入零
从随机导入选择，随机导入
输入数学
def创建_晶格（nx，ny）：
possibleSpins=[-1,1]
晶格=零（（nx，ny））
对于范围内的i（nx）：
对于范围内的j（ny）：
晶格[i，j]=选择（可能的数）
返回晶格
def ising_型号（NSWEPS、nx、ny、Js、kb、temp）：
s_能量=0.0
e_能量=0.0
d_能量=0.0
自旋=0.0
兰德=0.0
好=0.0
坏=0.0
nostep=0.0
晶格=创建_晶格（nx，ny）
能量=零（（nx，ny））
印刷品（格子）
#每个扫描都是晶格的完整外观
对于范围内的扫掠（NSweep）：
对于范围内的i（nx）：
对于范围内的j（ny）：
自旋=晶格[i][j]
s_能量=-1*Js*自旋*（晶格[（i-1）%nx][j]+晶格[i][（j-1）%ny]+晶格[i][（j+1）%ny]+晶格[（i+1）%nx][j]）
晶格[i][j]=-1*自旋
能量=-1*Js*晶格[i][j]*（晶格[（i-1）%nx][j]+晶格[i][（j-1）%ny]+晶格[i][（j+1）%ny]+晶格[（i+1）%nx][j]）
d_能量=e_能量-s_能量
rand=random（）
如果d_能量0和rand能量增量只有6种可能性：-8，-4,0,0,4,8。我重复0，因为有两种不同的能量配置。对于随机配置，每种配置的概率都是1/6。这意味着d_能量>0的概率是1/3，d_能量<0的概率是1/3，d_能量==0的概率是1/3

如果你改变elif的
如果d_energy=那么你看到的是什么？你的积分不会分离扫描：你改变晶格的位置，所以你的一些细胞会翻转，因为你在扫描中已经做了改变。这可能不是你想要的，所以我会在扫描的
开始时复制一个晶格s
循环并改变它。[注意：这只是一个编程建议，我不知道“好步/坏步”比率应该是多少。]@Barber我发现好的扫描是坏的扫描的两倍。所以坏的扫描是总步数的1/3。@DSM谢谢。谢谢你的建议。我会尝试一下并考虑一下。初始数组的创建可以简化（并加快）为
lattice=random.randint（-1,1，size=（N，N））*2+1
。如果你的旋转不是
[-1,1]
，那你就没有伊辛模型了（c.f.波特模型：）。