Modeling photon propagation with Monte Carlo methods is a flexible yet rigorous approach to simulate photon transport. In the method, local rules of photon transport are expressed as probability distributions which describe the step size of photon movement between sites of photon-matter interaction and the angles of deflection in a photon's trajectory when a scattering event occurs. This is equivalent to modeling photon transport analytically by the radiative transfer equation (RTE), which describes the motion of photons using a differential equation. However, closed-form solutions of the RTE are often not possible; for some geometries, the diffusion approximation can be used to simplify the RTE, although this, in turn, introduces many inaccuracies, especially near sources and boundaries.
| Attributes | Values |
|---|
| rdf:type
| |
| rdfs:label
| - Monte Carlo method for photon transport (en)
- Метод Монте-Карло для переноса фотонов (ru)
|
| rdfs:comment
| - Modeling photon propagation with Monte Carlo methods is a flexible yet rigorous approach to simulate photon transport. In the method, local rules of photon transport are expressed as probability distributions which describe the step size of photon movement between sites of photon-matter interaction and the angles of deflection in a photon's trajectory when a scattering event occurs. This is equivalent to modeling photon transport analytically by the radiative transfer equation (RTE), which describes the motion of photons using a differential equation. However, closed-form solutions of the RTE are often not possible; for some geometries, the diffusion approximation can be used to simplify the RTE, although this, in turn, introduces many inaccuracies, especially near sources and boundaries. (en)
- Моделирование распространения фотонов с помощью метода Монте-Карло это гибкий, но точный подход к имитации миграции фотонов. В этом методе локальные правила миграции фотонов представлены как распределения вероятностей, которые описывают размер шага движения фотона между точками взаимодействия с тканью и углы, на которые отклоняется траектория движения фотона при рассеянии. Этот метод эквивалентен моделированию миграции фотонов с помощью аналитического уравнения переноса излучения (УПИ), которое описывает движение фотонов с помощью дифференциальных уравнений. Тем не менее, аналитические решения УПИ часто получить невозможно; для некоторых геометрических форм диффузионное приближение может быть использовано для упрощения УПИ, хотя это, в свою очередь, вносит много неточностей, особенно вблиз (ru)
|
| foaf:depiction
| |
| dct:subject
| |
| Wikipage page ID
| |
| Wikipage revision ID
| |
| Link from a Wikipage to another Wikipage
| |
| Link from a Wikipage to an external page
| |
| sameAs
| |
| dbp:wikiPageUsesTemplate
| |
| thumbnail
| |
| has abstract
| - Modeling photon propagation with Monte Carlo methods is a flexible yet rigorous approach to simulate photon transport. In the method, local rules of photon transport are expressed as probability distributions which describe the step size of photon movement between sites of photon-matter interaction and the angles of deflection in a photon's trajectory when a scattering event occurs. This is equivalent to modeling photon transport analytically by the radiative transfer equation (RTE), which describes the motion of photons using a differential equation. However, closed-form solutions of the RTE are often not possible; for some geometries, the diffusion approximation can be used to simplify the RTE, although this, in turn, introduces many inaccuracies, especially near sources and boundaries. In contrast, Monte Carlo simulations can be made arbitrarily accurate by increasing the number of photons traced. For example, see the movie, where a Monte Carlo simulation of a pencil beam incident on a semi-infinite medium models both the initial ballistic photon flow and the later diffuse propagation. The Monte Carlo method is necessarily statistical and therefore requires significant computation time to achieve precision. In addition Monte Carlo simulations can keep track of multiple physical quantities simultaneously, with any desired spatial and temporal resolution. This flexibility makes Monte Carlo modeling a powerful tool. Thus, while computationally inefficient, Monte Carlo methods are often considered the standard for simulated measurements of photon transport for many biomedical applications. (en)
- Моделирование распространения фотонов с помощью метода Монте-Карло это гибкий, но точный подход к имитации миграции фотонов. В этом методе локальные правила миграции фотонов представлены как распределения вероятностей, которые описывают размер шага движения фотона между точками взаимодействия с тканью и углы, на которые отклоняется траектория движения фотона при рассеянии. Этот метод эквивалентен моделированию миграции фотонов с помощью аналитического уравнения переноса излучения (УПИ), которое описывает движение фотонов с помощью дифференциальных уравнений. Тем не менее, аналитические решения УПИ часто получить невозможно; для некоторых геометрических форм диффузионное приближение может быть использовано для упрощения УПИ, хотя это, в свою очередь, вносит много неточностей, особенно вблизи источников и границ. В то же время моделирование методом Монте-Карло можно сделать сколь угодно точным путём увеличения количества фотонов. Метод Монте-Карло это метод статистических испытаний и, поэтому, требуется значительное время вычислений для достижения необходимой точности. Кроме того, моделирование по методу Монте-Карло позволяет учитывать несколько физических величин одновременно с любым пространственным и временным разрешением. Эта гибкость делает метод Монте-Карло мощным инструментом. Таким образом, методы Монте-Карло требуют много времени для вычислений, но обычно считаются стандартом моделирования миграции фотонов для многих биомедицинских приложений. (ru)
|
| prov:wasDerivedFrom
| |
| page length (characters) of wiki page
| |
| foaf:isPrimaryTopicOf
| |
| is Link from a Wikipage to another Wikipage
of | |
| is Wikipage redirect
of | |
| is known for
of | |
| is known for
of | |
| is foaf:primaryTopic
of | |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)
