.tex | 扩散方程和随机游走的等价
原文中文，约2200字，阅读约需6分钟。
📝
内容提要
这篇文章总结了数学物理方法课上关于扩散方程和随机游走的内容，包括扩散方程的解和随机游走的概率递推公式。文章还讨论了扩散方程的特定初值条件下的情况，并介绍了Monte Carlo模拟的方法。
🔎
延伸解读
从离散到连续：扩散方程与随机游走的等价条件
文章通过将空间和时间离散化，推导出随机游走的概率递推公式与扩散方程在连续极限下等价，并给出系数关系σ = Δ²/(2δ)。这意味着扩散方程可视为随机游走在步长和时间间隔趋于零时的宏观描述，为理解两种模型提供了桥梁。
蒙特卡洛模拟的常见误解：普通MC与MCMC的区别
文章指出，通过模拟大量粒子独立随机游走来计算积分，只是普通蒙特卡洛模拟，而非马尔可夫链蒙特卡洛（MCMC）。真正的MCMC应模拟单个粒子的马尔可夫链，并记录其状态序列，且常需Metropolis算法等接受-拒绝步骤来保证样本分布正确。
扩散方程求解中的傅里叶变换与卷积技巧
文章展示了扩散方程的求解过程：对空间变量作傅里叶变换，将偏微分方程化为常微分方程，再通过逆变换和卷积定理得到解。其中高斯积分的计算和初值条件的处理是关键步骤，体现了数学物理方法中变换方法的典型应用。
❓
Q&A
扩散方程的解法是什么？
扩散方程的解法是通过傅里叶变换将其转化为关于时间的常微分方程，求解后再进行傅里叶逆变换。
随机游走的基本概念是什么？
随机游走是一个离散过程，粒子在格点间以一定概率移动，通常在每个时间步有相等的概率向左或向右移动。
扩散方程和随机游走之间有什么关系？
扩散方程和随机游走之间存在等价关系，随机游走的概率递推公式可以转化为扩散方程的形式。
如何处理扩散方程的初值条件？
处理扩散方程的初值条件时，需要将初值代入频域，利用傅里叶变换的性质确定积分常数。
Monte Carlo模拟与Markov Chain Monte Carlo模拟有什么区别？
Monte Carlo模拟是通过大量粒子的随机游走来统计结果，而Markov Chain Monte Carlo模拟则是记录单个粒子的每一步位置，涉及状态转移的概率计算。
Sterling公式在扩散方程中有什么应用？
Sterling公式用于对阶乘的近似，帮助在特定初值条件下求解扩散方程的解。
🏷️
