🎛️ تقدير π برمي السهام عشوائيًا
نرمي N نقطة عشوائية داخل مربع [-1,1]×[-1,1]. النسبة التي تقع داخل القرص الواحدي × 4 = π. كلما رمينا أكثر، كان التقدير أدق.
النقاط المرمية
0
π المقدَّر
—
الخطأ مقارنة بـ π الحقيقي
—
ارمِ النقاط وشاهد الدقة تزداد. يتناقص الخطأ مثل 1/√N — إنها «لعنة مونتي كارلو».
♠️ 1946: ورق فردي وعالم رياضيات مريض
ستانيسلاف أولام (1909-1984)، عالم رياضيات بولندي لاجئ في الولايات المتحدة، كان يعمل في مشروع مانهاتن. في عام 1946، أقعده التهاب الدماغ في الفراش. لتمضية الوقت، كان يلعب سوليتير كانفيلد ويتساءل: ما هو احتمال الفوز؟
الحساب التوافقي الدقيق معقد إلى درجة تفوق طاقة البشر. عندها خطرت لأولام فكرة ثورية: محاكاة 100 مباراة عشوائيًا وعدّ المباريات الرابحة. النسبة تعطي تقديرًا للاحتمال.
عندما تعافى أولام، تحدث عن الفكرة لزميله جون فون نويمان. ومعًا، أدركا أنه يمكن استخدام هذه الفكرة لحل مسائل في الفيزياء النووية ضمن مشروع مانهاتن: انتشار النيوترونات في اليورانيوم. معقد جدًا تحليليًا، لكن قابل للمحاكاة.
كان عم أولام يعشق اللعب في كازينو مونتي كارلو. اقترح نيكولاس متروبوليس الاسم الرمزي: «طريقة مونتي كارلو». اشتغلت الخوارزمية على ENIAC عام 1948 — وهي واحدة من أوائل برامج الحوسبة العلمية على الإطلاق.
🎯 المبدأ: استخدام العشوائية لحساب ما هو حتمي
لنفترض أننا نريد حساب كمية Q تُعبَّر عنها كأمل رياضي Q = E[f(X)]. طريقة مونتي كارلو:
- سحب N عينة مستقلة X₁, ..., X_N وفق قانون X.
- حساب المتوسط: Q̂ = (1/N) · Σ f(Xᵢ).
- بموجب قانون الأعداد الكبيرة، Q̂ → Q عندما N → ∞.
- بموجب المبرهنة المركزية الحدية، يتناقص الخطأ بـ 1/√N.
خطأ مونتي كارلو: ≈ σ / √N
لزيادة الدقة بمقدار 10 أضعاف، نحتاج إلى 100 ضعف من المحاكاة.
بطيء. لكنه مستقل عن بُعد المسألة.
🔢 مثال: تقدير π بالسهام
مساحة القرص الواحدي هي π. ومساحة المربع [-1, 1]² هي 4. إذا رمينا نقاطًا عشوائيًا داخل المربع، فإن النسبة التي تقع داخل القرص تؤول إلى π/4. إذن:
π ≈ 4 · (عدد النقاط داخل القرص) / N
هذا بالضبط ما يفعله العرض المتحرك في الأعلى. بـ 100 نقطة، نحصل عادةً على π بدقة ±0.2 تقريبًا. وبـ 10 000، ±0.02. وبمليون نقطة، ±0.002.
☢️ أول تطبيق كبير: القنبلة النووية
خلال مشروع مانهاتن (1942-1945)، كان لا بد من محاكاة انتشار النيوترونات في كتلة من اليورانيوم أو البلوتونيوم لحساب الكتلة الحرجة. المعادلات الدقيقة هي معادلات تفاضلية جزئية في 6 أبعاد (الموضع + السرعة) — غير قابلة للحساب.
مع مونتي كارلو: نحاكي مسار نيوترونات فردية بسحب زوايا الانتشار، ومسافات المسار الحر، واحتمالات الامتصاص عشوائيًا. الإحصاء على ملايين النيوترونات → حصيلة الحرجية.
إنها الطريقة التي لا تزال مستخدمة اليوم في برامج المحاكاة النووية (MCNP، Geant4، FLUKA)، لتصميم المفاعلات والوقاية من الإشعاع الطبية.
📈 تطبيقات حديثة واسعة النطاق
- المالية الكمية: تقييم الخيارات المالية الغريبة، إدارة المخاطر (VaR)، التحوط (delta-hedging). بنوك مثل Goldman Sachs أو JPMorgan تنفذ مليارات محاكاة مونتي كارلو يوميًا.
- المناخ والطقس: ECMWF و Météo-France يطلقان 50 محاكاة عشوائية بالتوازي لتقدير عدم اليقين في التنبؤ. طريقة المجموعة.
- الجسيمات في الفيزياء: مصادم LHC (CERN) يحاكي كل تصادم بروتون-بروتون بمونتي كارلو (PYTHIA، GEANT4) لمقارنة النظرية بالتجربة. بدون ذلك، ما كان ليُكتشف بوزون هيغز.
- التصوير الطبي: إعادة بناء الصورة، تخطيط العلاج الإشعاعي، قياس الجرعات النووية.
- التصيير ثلاثي الأبعاد (path tracing): أفلام Pixar، ألعاب الفيديو من الجيل الجديد (UE5)، NVIDIA RTX. كل بكسل يُحسب بـ رمي أشعة عشوائية — إنه مونتي كارلو.
- الإحصاء البايزي: خوارزمية Metropolis-Hastings (1953)، المعاينة MCMC (سلسلة ماركوف مونتي كارلو). أساس Stan و PyMC و JAGS.
- الذكاء الاصطناعي: يستخدم ألفاغو (DeepMind 2016) بحث شجرة مونتي كارلو (MCTS) لتقييم النقلات في لعبة الغو. بدون MCTS، ما كان ليتحقق الفوز 4-1 على لي سيدول.
- علم الأحياء الحاسوبي: طي البروتينات، المحاكاة الجزيئية، الحركية الكيميائية الحيوية.
- التأمين: نمذجة الحوادث، حساب الأقساط، الملاءة المالية.
- الفيزياء الفلكية: تشكُّل النجوم، ديناميكا المجرات، النماذج الكونية.
⚡ متغيرات متقدمة
- Importance sampling: السحب من توزيع قريب من المسألة الحقيقية لتقليل التباين.
- MCMC (سلسلة ماركوف مونتي كارلو): Metropolis-Hastings 1953، Gibbs sampler. معاينة توزيعات مجهولة إلى حدود ثابتة.
- HMC (Hamiltonian MC): تستخدم الميكانيكا الهاميلتونية للاستكشاف بكفاءة (نواة Stan، الأداة البايزية رقم 1).
- Sequential Monte-Carlo: تتبع الجسيمات في المرشحات البايزية (الطائرات المسيرة، SLAM الروبوتي).
- Quasi-Monte-Carlo: متتاليات منخفضة التباعد (Sobol، Halton) بدلًا من العشوائية الصرفة. تقارب بـ 1/N بدلًا من 1/√N. للمالية.
- Multilevel Monte-Carlo (Giles 2008): تجمع بين دقات حساب دقيقة وخشنة للتسريع. معيار في المالية وقياس عدم اليقين.
📐 الرابط مع برنامجك الدراسي
- الاحتمالات: كل شيء يقوم على المتغيرات العشوائية وقوانينها. برنامج الاحتمالات للثانية بكالوريا علوم رياضية.
- قانون الأعداد الكبيرة: يبرر التقارب Q̂ → Q. درس الثانية بكالوريا علوم رياضية (نص حدسي)، يُبرهن في الأقسام التحضيرية.
- المبرهنة المركزية الحدية: تبرر 1/√N ومجالات الثقة. نص للثانية بكالوريا علوم رياضية، البرهان في الماستر.
- القانون المنتظم: أساس كل محاكاة. برنامج الثانية بكالوريا علوم رياضية.
- القانون الطبيعي (الغوصي): يُستخدم لنمذجة الضجيج، وحساب مجالات الثقة. برنامج الثانية بكالوريا علوم رياضية.
- الأمل والتباين: E[Q̂] = Q (مقدِّر غير متحيز)، Var(Q̂) = σ²/N. برنامج الثانية بكالوريا علوم رياضية.
- توليد الأعداد شبه العشوائية: Mersenne Twister، PCG، xorshift. مفاهيم علوم الحاسوب، لكنها في المتناول.