1. "Monte Carlo Simulation :
A problem solving technique used to approximate the probability of certain outcomes by running multiple trial runs, called simulations, using random variables.
... "
몬테카를로법의 역사는 멀게는 확률론의 개척자들이었던 도박사들이 여러 번의 임의추출을 바탕으로 특정한 카드 조합이 나올 확률을 직접 계산했던 중세까지 거슬러올라갈 수 있습니다만, 진정한 의미에서의 몬테카를로법을 처음 사용한 사람은 현대 컴퓨터 구조의 완성자이기도 한 천재 수학자 폰 노이만으로, 그가 참여했던 맨해튼 프로젝트 (미국의 원자폭탄 개발 계획)에서 중성자 확산 시뮬레이션에 처음 사용한 것으로 알려져 있습니다
몬테카를로법은, 특성상 통계자료가 많을수록, 또 입력값의 분포가 고를수록 결과의 정밀성이 보장된다는 것을 알 수 있습니다. 때문에 컴퓨터를 이용하여 시뮬레이션이 행해집니다.
몬테카를로법의 특징으로는, 우선 적용하기 쉽다는 점이 있습니다. 실제로 파이의 값을 정확히 구하기 위해서는 무한급수에 관한 지식과 오차범위에 관한 지식 등 다양한 배경 지식을 바탕으로 올바른 알고리즘을 만들어 그 값을 계산해야 하지만, 몬테카를로법은 그런 모든 절차와 관계없이 짧은 컴퓨터 프로그램 몇줄만으로 쉽게, 비교적 정확한 수치를 얻을 수 있습니다.
이런 장점은 이론적 배경만으로는 계산하기 어려운 수치들 - 예를 들면 복잡한 형태를 가진 표면에 빛을 비추었을 때 반사광의 분포, 복잡한 분자계의 화학적 특성 분석, 핵융합로에서 중성자 빔이 반응에 미치는 영향 등 - 을 직접 구할 필요가 있을 때 빛을 발합니다. 때문에 컴퓨터를 이용한 분석이 발달한 최근에는 거의 모든 과학과 공학 분야에 걸쳐 몬테카를로법이 광범위하게 사용되고 있습니다.
몬테카를로법을 통한 실험을 설계할 때는, 입력값의 확률분포와 실험의 수학적 모델링이 정확하지 않으면 몬테카를로 방법은 무의미하다는 점에 주의하여야 하며, 난수의 분포가 분석에 큰 영향을 미치므로 필요한 난수의 범위와 분포에 따른 올바른 난수 생성 함수에도 주의를 기울여야 합니다. [1]
글
댓글 없음:
댓글 쓰기