Discovery of rare event testing for stochastic simulations of diffusion processes

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F19%3A00333212" target="_blank" >RIV/68407700:21340/19:00333212 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1016/j.physa.2019.03.020" target="_blank" >https://doi.org/10.1016/j.physa.2019.03.020</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1016/j.physa.2019.03.020" target="_blank" >10.1016/j.physa.2019.03.020</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Discovery of rare event testing for stochastic simulations of diffusion processes

Popis výsledku v původním jazyce

Stochastic modeling of diffusion processes in various spatial domains and with boundary conditions is widely applicable especially in combination with non-linear kinetics of chemical reactions. However, the comparison with exact solution is possible in simple cases e.g. linear diffusion models. The novel testing method introduced in this article enables to study the behavior of linear stochastic diffusion models with possible low particle concentration in target sub-domains. The proposed method is demonstrated on various diffusion models with the known Green function. The novel method is recommended whenever the chi(2) goodness-of-fit test fails or the localization of critical domains is required.

Název v anglickém jazyce

Discovery of rare event testing for stochastic simulations of diffusion processes

Popis výsledku anglicky

Stochastic modeling of diffusion processes in various spatial domains and with boundary conditions is widely applicable especially in combination with non-linear kinetics of chemical reactions. However, the comparison with exact solution is possible in simple cases e.g. linear diffusion models. The novel testing method introduced in this article enables to study the behavior of linear stochastic diffusion models with possible low particle concentration in target sub-domains. The proposed method is demonstrated on various diffusion models with the known Green function. The novel method is recommended whenever the chi(2) goodness-of-fit test fails or the localization of critical domains is required.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/EF16_019%2F0000765" target="_blank" >EF16_019/0000765: Výzkumné centrum informatiky</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2019

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Physica A: Statistical Mechanics and Its Applications

ISSN

0378-4371

e-ISSN

1873-2119

Svazek periodika

525

Číslo periodika v rámci svazku

1

Stát vydavatele periodika

NL - Nizozemsko

Počet stran výsledku

14

Strana od-do

50-63

Kód UT WoS článku

000474503900005

EID výsledku v databázi Scopus

2-s2.0-85063606692