파이썬에서 이싱 모델을 병렬 처리하는 방법 (다중 처리 패키지)?

Question

나는 2D 격자의 이싱 모델에 대한 몬테 카를로 시뮬레이션을하는 파이썬 스크립트를 가지고있다. 엠씨 시뮬레이션은 당황 스럽지만 모든 온도에 대한 샘플링을 서로 다른 스레드에 분산시킬 수 있습니다. 다중 처리 모듈을 사용하고 싶지만이 패키지는 처음입니다. 어떻게해야합니까? 여기

from __future__ import division 
import numpy as np 
from numpy.random import rand 
import matplotlib.pyplot as plt 
import multiprocessing as mp 

nt = 5 
N  = 16 

Energy = np.zeros(nt) 
Magnetization = np.zeros(nt) 

T = np.linspace(1, 5, nt) 

## monte carlo moves 
def mcmove(config, beta): 
    for i in range(N): 
     for j in range(N): 
       a = np.random.randint(0, N) 
       b = np.random.randint(0, N) 
       s = config[a, b] 
       nb = config[(a+1)%N,b] + config[a,(b+1)%N] + config[(a-1)%N,b] + config[a,(b-1)%N] 
       cost = 2*s*nb 
       if cost < 0: 
        s *= -1 
       elif rand() < np.exp(-cost*beta): 
        s *= -1 
       config[a, b] = s 
    return config 

# calculate thermodynamic variables 
def calcEnergy(config): 
    energy = 0 
    for i in range(len(config)): 
     for j in range(len(config)): 
      S = config[i,j] 
      nb = config[(i+1)%N, j] + config[i,(j+1)%N] + config[(i-1)%N, j] + config[i,(j-1)%N] 
      energy += -nb*S 
    return energy/4. 

def calcMag(config): 
    mag = np.sum(config) 
    return mag 

def simulate(): 
# -->: parallelize T 
    for m in range(len(T)): 
     E1 = M1 = 0 
     def initialstate(N): 
      state = 2*np.random.randint(2, size=(N,N))-1 
      return state 

     eqSteps = 2000 
     config = initialstate(N) 
     for i in range(eqSteps): 
      mcmove(config, 1.0/T[m]) 

     mcSteps = 2000 
     for i in range(mcSteps): 
      mcmove(config, 1.0/T[m]) 
      Ene = calcEnergy(config)   
      Mag = calcMag(config)   

      E1 = E1 + Ene 
      M1 = M1 + Mag 

      Energy[m]   = E1/(mcSteps*N*N) 
      Magnetization[m] = M1/(mcSteps*N*N) 

    return Magnetization, Energy 

Magnetization, Energy = simulate() 
print Magnetization, Energy 

Answer 1

당신이가는 :

이

from __future__ import division 
import numpy as np 
from numpy.random import rand 
import matplotlib.pyplot as plt 
import multiprocessing as mp 

nt = 5 
N  = 16 

Energy = np.zeros(nt) 
Magnetization = np.zeros(nt) 

T = np.linspace(1, 5, nt) 

## monte carlo moves 
def mcmove(config, beta): 
    for i in range(N): 
     for j in range(N): 
       a = np.random.randint(0, N) 
       b = np.random.randint(0, N) 
       s = config[a, b] 
       nb = config[(a+1)%N,b] + config[a,(b+1)%N] + config[(a-1)%N,b] + config[a,(b-1)%N] 
       cost = 2*s*nb 
       if cost < 0: 
        s *= -1 
       elif rand() < np.exp(-cost*beta): 
        s *= -1 
       config[a, b] = s 
    return config 

# calculate thermodynamic variables 
def calcEnergy(config): 
    energy = 0 
    for i in range(len(config)): 
     for j in range(len(config)): 
      S = config[i,j] 
      nb = config[(i+1)%N, j] + config[i,(j+1)%N] + config[(i-1)%N, j] + config[i,(j-1)%N] 
      energy += -nb*S 
    return energy/4. 

def calcMag(config): 
    mag = np.sum(config) 
    return mag 


def run_one(m): 
    E1 = M1 = _Energy = _Magnetization = 0 

    def initialstate(N): 
     state = 2 * np.random.randint(2, size=(N, N)) - 1 
     return state 

    eqSteps = 2000 
    config = initialstate(N) 
    for i in range(eqSteps): 
     mcmove(config, 1.0/m) 

    mcSteps = 2000 
    for i in range(mcSteps): 
     mcmove(config, 1.0/m) 
     Ene = calcEnergy(config) 
     Mag = calcMag(config) 

     E1 = E1 + Ene 
     M1 = M1 + Mag 

     _Energy= E1/(mcSteps * N * N) 
     _Magnetization = M1/(mcSteps * N * N) 

    return _Energy, _Magnetization 


def parallel_sim(): 
    p = mp.Pool() 
    results = p.map(run_one, T) 
    p.close() 
    p.join() 
    _e = [] 
    _m = [] 
    for _r in results: 
     _e.append(_r[0]) 
     _m.append(_r[1]) 
    return _e, _m 

print parallel_sim() 

내가 알고리즘에 대해 아무것도 몰라, 내가 그것을 휴식하지 않았다 확인하시기 바랍니다. 이제는 T의 각 요소를 병렬 프로세스로 매핑합니다.