統(tǒng)計(jì)動力學(xué)及其應(yīng)用

1 概率論基礎(chǔ)
1.1 基本概念
1.1.1 概率的概念
1.1.2 概率的性質(zhì)
1.2 隨機(jī)變量概率分布統(tǒng)計(jì)平均
1.2.1 隨機(jī)變量的概念
1.2.2 數(shù)學(xué)期望
1.2.3 幾個(gè)常用的分布函數(shù)
1.3 中心極限定理lèvy分布
1.3.1 特征函數(shù)
1.3.2 中心極限定理
1.3.3 lèvy分布
1.4 時(shí)間鏈與馬爾可夫過程
1.4.1 躍遷概率密度
1.4.2 純粹隨機(jī)過程
1.4.3 馬爾可夫過程
1.5 維納一欽欣定理
2 布朗運(yùn)動的動力學(xué)描述——朗之萬方程
2.1 布朗運(yùn)動和擴(kuò)散現(xiàn)象
2.1.1 布朗運(yùn)動的實(shí)驗(yàn)現(xiàn)象
2.1.2 愛因斯坦對布朗運(yùn)動的解釋
2.1.3 阿伏伽德羅常數(shù)的測量
2.1.4 用計(jì)算機(jī)模擬布朗粒子的運(yùn)動
2.2 布朗運(yùn)動的動力學(xué)描述——朗之萬方程
2.2.1 經(jīng)典朗之萬方程的建立
2.2.2 經(jīng)典朗之萬方程的簡單應(yīng)用
2.2.3 熱力學(xué)噪聲的簡單介紹
2.3 昂斯坦一烏倫貝克過程(L.s.Onstein-G.E.Uhlenbeck)
2.3.1 烏倫貝克過程的形式解
2.3.2 矩的計(jì)算
2.3.3 關(guān)聯(lián)函數(shù)
2.3.4 傅里葉變換解(Rice’s方法)
2.4 非線性朗之萬方程
2.5 朗之萬方程的數(shù)值解
3 ?？艘黄绽士朔匠?br /> 3.1 福克一普朗克方程的導(dǎo)出
3.1.1 克萊默斯一莫依爾展式
3.1.2 從朗之萬方程推導(dǎo)?？艘黄绽士朔匠?br /> 3.1.3 從主方程導(dǎo)出福克一普朗克方程
3.2 ?？艘黄绽士朔匠探獾幕拘问?br /> 3.2.1 線性和穩(wěn)定情形下的幾率流
3.2.2 短時(shí)間隔的躍遷密度函數(shù)
3.2.3 路徑積分求解幾率密度分布函數(shù)
3.3 多變量的?？艘黄绽士朔匠?br /> 3.4 福克一普朗克方程解的幾種解
3.4.1 標(biāo)度理論
3.4.2 定態(tài)解
3.4.3 昂斯坦一烏倫貝克過程
3.4.4 特征函數(shù)方法
3.5 ?？艘黄绽士朔匠痰暮喕?坐標(biāo)縮并)
3.6 絕熱近似
3.7 克萊默斯方程的解
3.7.1 克萊默斯方程的形式
3.7.2 克萊默斯方程在諧振子勢中的解
3.8 勢阱中的布朗粒子的擴(kuò)散
4 漲落耗散理論
4.1 愛因斯坦關(guān)系
4.2 經(jīng)典朗之萬方程與隨機(jī)力
4.3 廣義朗之萬方程
4.4 線性響應(yīng)理論
4.5 漲落耗散定理
4.6 力的關(guān)聯(lián)
4.7 量子布朗運(yùn)動的主要特征
4.7.1 量子漲落耗散定理及其含義
4.7.2 阻尼諧振子中的量子耗散
4.7.3 非線性量子系統(tǒng)中的耗散——廣義的量子朗之萬方程
4.7.4 路徑積分與影響作用量
5 布朗運(yùn)動的連續(xù)時(shí)間無規(guī)行走描述
5.1 經(jīng)典的隨機(jī)行走模型
5.2 連續(xù)時(shí)間隨機(jī)行走模型
5.3 標(biāo)準(zhǔn)長尾分布的連續(xù)時(shí)間隨機(jī)行走模型
5.3.1 標(biāo)準(zhǔn)長尾分布的模型
5.3.2 標(biāo)準(zhǔn)長尾分布的方均位移和擴(kuò)散的分類
5.3.3 標(biāo)準(zhǔn)長尾分布的密度函數(shù)
5.4 標(biāo)準(zhǔn)長尾分布導(dǎo)致的非馬爾可夫過程
5.5 馬爾可夫與非馬爾可夫演化
6 反常擴(kuò)散現(xiàn)象
6.1 朗之萬方程與反常擴(kuò)散的描述
6.2 隨機(jī)環(huán)境中的lèvy飛行
6.2.1 “淬火近似”的朗之萬方程的描述
6.2.2 “淬火近似”的?？艘黄绽士朔匠痰拿枋?微擾理論)
6.3 分?jǐn)?shù)微分方程和分?jǐn)?shù)波動方程
6.3.1 分?jǐn)?shù)擴(kuò)散和波動方程
6.3.2 分?jǐn)?shù)擴(kuò)散和波動方程的一般求解
6.3.3 分?jǐn)?shù)擴(kuò)散方程的特殊性質(zhì)
6.3.4 半空問中的分?jǐn)?shù)擴(kuò)散
6.4 分?jǐn)?shù)主方程所描述的反常擴(kuò)散
6.5 分?jǐn)?shù)動力學(xué)方程的解及其應(yīng)用
6.5.1 分?jǐn)?shù)導(dǎo)數(shù)和分?jǐn)?shù)積分的定義、性質(zhì)
6.5.2 分?jǐn)?shù)動力學(xué)方程
6.5.3 特殊情況的分?jǐn)?shù)動力學(xué)方程導(dǎo)致的布朗粒子的運(yùn)動特征
6.5.4 分?jǐn)?shù)動力學(xué)方程的解
6.5.5 分?jǐn)?shù)動力學(xué)方程的解的標(biāo)量性質(zhì)
6.6 分?jǐn)?shù)?？艘黄绽士朔匠?br /> 6.6.1 關(guān)于時(shí)間的分?jǐn)?shù)福克一普朗克方程的引入
6.6.2 關(guān)于時(shí)間的分?jǐn)?shù)?？艘黄绽士朔匠痰那蠼?br /> 6.6.3 分?jǐn)?shù)?？艘黄绽士朔匠痰膽?yīng)用
6.6.4 布朗粒子的首通時(shí)間
6.7 在外力場中的lèvy飛行
6.7.1 lèvy飛行現(xiàn)象
6.7.2 自由場中的lèvy飛行
6.7.3 恒力場中的lèvy飛行
6.7.4 諧振子勢中的lèvy飛行
6.8 連續(xù)時(shí)間隨機(jī)行走對反常擴(kuò)散的描述
6.8.1 連續(xù)時(shí)間隨機(jī)行走CTRW模型的回顧
6.8.2 長等待與欠擴(kuò)散
6.8.3 長跳躍與l色vy飛行
6.8.4 長等待和長跳躍之間的競爭
6.9 廣義統(tǒng)計(jì)熱力學(xué)對反常擴(kuò)散的描述
6.9.1 廣義商的定義
6.9.2 內(nèi)能約束的選擇
6.9.3 q關(guān)聯(lián)的廣義商與分?jǐn)?shù)指數(shù)的方均位移
7 蒙特卡羅數(shù)值模擬方法
7.1 產(chǎn)生隨機(jī)子樣的基本方法
7.1.1 由已知分布產(chǎn)生隨機(jī)子樣
7.1.2 篩選抽樣方法
7.1.3 變換抽樣方法
7.1.4 近似抽樣方法
7.2 用蒙特卡羅方法求解隨機(jī)微分方程
7.2.1 求解朗之萬方程
7.2.2 求解?？恕绽士朔匠?FPE)
7.2.3 隨機(jī)的龍格一庫塔算法
7.3 蒙特卡羅方法對主方程的模擬
7.3.1 蒙特卡羅方法對主方程差分解的模擬
7.3.2 蒙特卡羅對主方程的直接模擬
8 分子布朗馬達(dá)
8.1 分子馬達(dá)的基本概念和現(xiàn)象
8.1.1 斯莫洛克沃斯基棘輪一費(fèi)曼棘輪
8.1.2 傾斜的斯莫洛克沃斯基一費(fèi)曼棘輪
8.1.3 弱噪聲極限
8.1.4 溫度棘輪和棘輪效應(yīng)
8.1.5 漸進(jìn)分析
8.1.6 流的反轉(zhuǎn)
8.1.7 居里(curie)：原則和布里淵(Brillouin)佯謬
8.2 分子馬達(dá)的一般結(jié)構(gòu)
8.2.1 模型
8.2.2 對稱性
8.2.3 主要的棘輪類型
8.2.4 分子馬達(dá)的熱力學(xué)環(huán)境
8.2.5 非平衡擾動
8.2.6 超對稱
8.2.7 流逆轉(zhuǎn)的修正
8.2.8 勢壘隧穿極限
8.3 閃爍棘輪
8.3.1 閃爍的快、慢極限
8.3.2 閃爍棘輪的構(gòu)造
8.4 傾斜棘輪
8.4.1 漲落力棘輪
8.4.2 搖擺棘輪
8.4.3 慣性的影響
8.4.4 二維系統(tǒng)與商棘輪
8.4.5 超擴(kuò)散
8.4.6 受分叉噪聲調(diào)制的溫度棘輪
8.4.7 漂移棘輪
8.5 生物分子馬達(dá)
8.5.1 分子馬達(dá)的生物學(xué)模型
8.5.2 泛醌(輔酶Q)的擴(kuò)散(跨膜輸運(yùn)問題)
8.6 布朗馬達(dá)的效率
8.6.1 布朗馬達(dá)效率的漸進(jìn)解析形式——與卡諾效率的比較
8.6.2 周期勢驅(qū)動的布朗馬達(dá)的整流效率
8.6.3 周期驅(qū)動布朗馬達(dá)整流效率
9 Mat.1ab基礎(chǔ)
9.1 Matlab應(yīng)用的環(huán)境
9.1.1 Matlab的安裝
9.1.2 Matlab的操作桌面簡介
9.2 Matlab基礎(chǔ)
9.2.1 命令窗操作初步
9.3 Matlab的數(shù)值計(jì)算
9.3.1 矩陣和數(shù)組
9.3.2 利用矩陣運(yùn)算求解線性方程組
9.3.3 微分的數(shù)值運(yùn)算
9.3.4 積分的數(shù)值運(yùn)算
9.4 數(shù)據(jù)可視化處理
9.4.1 二維繪圖的基本知識
9.4.2 三維繪圖基本知識
9.4.3 曲面模型的建立
9.4.4 繪圖工具一交互繪圖
9.5 對微分方程的求解
9.5.1 微分方程的解析解法
9.5.2 微分方程的數(shù)值解法
9.6 Matlab編程基礎(chǔ)
9.7 積分變換
9.7.1 拉普拉斯變換
9.7.2 傅里葉變換
9.7.3 梅林變換
9.7.4 漢克爾變換
9.7.5 Z變換
9.8 概率論與數(shù)理統(tǒng)計(jì)問題的matlab求解
9.8.1 概率分布與偽隨機(jī)數(shù)的生成
9.8.2 隨機(jī)動力學(xué)的計(jì)算機(jī)模擬
參考文獻(xiàn)