Monte-Carlo módszerek alapos ismerete, valószínűségszámítás, MATLAB programozási ismeretek
A Monte-Carlo szóráscsökkentési eljárások egyik legnépszerűbb variánsa a minták súlya alapján paraméterezett Orosz Rulett és Trajektória Felhasítási (OR/TF) módszer. Szokásos érvelés szerint a súlyparamétereket egy súlyablak felső és alsó határa alatti értékre OR-nek vagy TF-nak alávetve optimálisan úgy választhatjuk meg, hogy az ablak közepe, egyben az OR túlélési súlya, továbbá a TF utána fragmentumok súlya a detektorválasz (R) és az értékességfüggvény (É) hányadosa (R/É) legyen. Részletes statisztikai elemzéssel bizonyítható, hogy ez az érvelés nem az optimális beállításokat eredményezi, bár legtöbbször valóban hatékony szóráscsökkentési eljárást eredményez. Független mintákra a várható detektorhozzájárulások első- és második momentumának ismeretében meghatározható egy valóban ideális paraméterbeállítás. A hallgató feladat ezen eljárás tesztelése és továbbfejlesztése legalább két lépéses, analitikusan is számolható eloszlással rendelkező valószínűségi változókból képzett mintákon úgy, hogy a TF után nyert korrelált mintákra is ideális eredményt kapjunk.
A hallgató feladatai:
- olyan egyszerűsített transzportfolyamat megalkotása, mely legalább két lépésből áll, lépései nem függetlenek és a folyamat szórása analitikusan számolható
- Monte Carlo szimuláció készítése MATLAB környezetben, mellyel az ideális OR/TF paraméterek numerikusan meghatározhatóak és ezek összevetése az analitikusan nyert optimumokkal
- TF után nyert korrelált minták bevezetése az elméleti szórés kifejezésébe OR/TF után
- analitikus vagy numerikus optimailizáció korrelált mintákra
- összevetés tisztán numerikus eredményekkel
- az eredmények összehasonlítása a hagyományos OR/TF módszer eredményeivel