Python 伊辛模型大都会算法：格元'；t平衡

我有一些python（2d）中伊辛模型的代码，晶格不会达到平衡。在这里，代码打印出每个蒙特卡罗扫描翻转的旋转数，每个扫描翻转的旋转数相同。如果我是正确的，那么随着晶格达到平衡，翻转的次数应该随着每次扫描而减少。有人能看到代码中有错误吗

import numpy as np
from numpy import random as rn
N=20
a=[1,-1]
b=[N,N]

#first make an array
init_lattice=rn.choice(a,size=(N,N))

#specify how many Monte Carlo sweeps
number_of_sweeps=1000

#main code to flip spins and record how many are flipped
def new_lattice(lattice,T):
    delta_E=np.zeros(b)
    switch1=np.zeros(number_of_sweeps)
    switch=0
    for sweep in range(number_of_sweeps):
        for i in range(N):
            for j in range(N):
                Si=lattice[i,j]
                sum_Sj=lattice[i,(j+1)%N]+lattice[(i+1)%N,j]+lattice[i,(j-1)%N]+lattice[(i-1)%N,j]
                delta_E[i,j]=2*Si*sum_Sj
                if delta_E[i,j]<0:
                    lattice[i,j]*=-1
                    switch+=1
                elif np.exp(-1*delta_E[i,j]/(T))>rn.random():
                    lattice[i,j]*=-1
                    switch+=1
        switch1[sweep]=switch
    return lattice,switch1

#print how many spins have flipped
switch= new_lattice(init_lattice,5)[1]
print switch
for i in range(len(switch)):
    print switch[i+1]-switch[i-1]

将numpy导入为np
从numpy随机导入为rn
N=20
a=[1，-1]
b=[N，N]
#首先做一个数组
init_lattice=rn.choice（a，size=（N，N））
#指定蒙特卡罗扫描的次数
扫掠次数=1000
#翻转旋转并记录翻转数量的主代码
def新_晶格（晶格，T）：
delta_E=np.零（b）
开关1=np.零（扫掠次数）
开关=0
对于范围内的扫掠（扫掠次数）：
对于范围（N）中的i：
对于范围（N）内的j：
Si=晶格[i，j]
和=晶格[i，（j+1）%N]+晶格[（i+1）%N，j]+晶格[i，（j-1）%N]+晶格[（i-1）%N，j]
delta_E[i，j]=2*Si*sum_Sj
如果δE[i，j]rn.random（）：
晶格[i，j]*=-1
开关+=1
开关1[扫描]=开关
返回晶格，开关1
#打印已翻转的旋转数
开关=新的_晶格（初始_晶格，5）[1]
打印开关
对于范围内的i（透镜（开关））：
打印开关[i+1]-开关[i-1]

我认为

    for i in range(N):
        for j in range(N):

不好：您必须随机选择要测试的旋转

T和其他变量是整数，在指数np.exp（-1*delta_E[i，j]/T）中有一个整数除法，这是错误的

对于这段代码，我有一个饱和度（注意，我取T=1，而不是5，扫描次数=10000，而不是1000）：

将numpy导入为np
从numpy随机导入为rn
随机输入
将matplotlib.pyplot作为plt导入
格维数=[20,20]
nx=晶格尺寸[0]
ny=格维数[1]
nodesNumber=nx*ny
SpinValue=[-1,1]
扫掠次数=10000次
T=1。
lattice=init_lattice=rn.choice（自旋值，大小=（nx，ny））
#lattice=[random.choice（[-1,1]），用于范围内的i（nodesNumber）]
t=0
开关=0
res=[]
当t0。和rn.random（）
晶格[i，j]*=-1
开关+=1
谢谢你的回答。符号错误在哪里？能量的变化应该是负的，因为旋转会减少总能量，而不是增加总能量。我更正了我的答案。你需要使用一个较低的T（T越大，收敛速度越慢），并更改我的解决方案中编辑的能量标准。谢谢，这似乎有效。我不明白为什么我原来的elif条件与你的“和”不一样。在我看来，你们只是把它们交换了一下，然后用“and”代替了elif。为什么这会改变它？事实上，从形式上看，这两个条件是等价的。我在答复中删除了对该条件的评论。由于模拟参数（t太大，扫描次数太少）的原因，您没有观察到饱和度，但还有另外两个问题（自旋选择和指数计算）可能会使结果错误。如果你觉得合适的话，你可以自由投票，把问题解决。
import numpy as np
from numpy import random as rn
import random
import matplotlib.pyplot as plt

latticeDimensions = [20, 20]
nx = latticeDimensions[0]
ny = latticeDimensions[1]
nodesNumber = nx*ny
spinValues = [-1,1]
sweeps = 10000
T = 1.

lattice = init_lattice = rn.choice(spinValues,size=(nx,ny))
#lattice = [ random.choice([-1,1]) for i in range(nodesNumber) ]
t = 0
switch = 0
res = []
while t < sweeps:
    selectedNode = random.choice(nodeIdx)
    i = random.choice(range(nx))
    j = random.choice(range(ny))
    Si = lattice[i,j]
    sum_Sj=lattice[i,(j+1)%ny] + lattice[(i+1)%nx,j] + lattice[i,(j-1)%ny] + lattice[(i-1)%nx,j]
    delta = 2 * Si * sum_Sj
    probaTemp = np.exp(- delta / T)
    if delta > 0. and rn.random() < probaTemp:
        lattice[i,j] *= -1
        switch += 1
    elif delta <= 0.:
        lattice[i,j] *= -1
        switch += 1
    t += 1
    print t
    res.append(switch)

plt.plot(res)
plt.show()