SylabUZ
| Course name | Wstęp do symulacji komputerowych |
| Course ID | 13.2-WF-FizP-WdSyK-S17 |
| Faculty | Faculty of Physics and Astronomy |
| Field of study | Physics |
| Education profile | academic |
| Level of studies | First-cycle studies leading to Bachelor's degree |
| Beginning semester | winter term 2018/2019 |
| Semester | 6 |
| ECTS credits to win | 4 |
| Course type | obligatory |
| Teaching language | polish |
| Author of syllabus |
|
| The class form | Hours per semester (full-time) | Hours per week (full-time) | Hours per semester (part-time) | Hours per week (part-time) | Form of assignment |
| Laboratory | 45 | 3 | - | - | Credit with grade |
Celem przedmiotu jest zdobycie podstawowej wiedzy na temat wybranych metod symulacji komputerowych dla zagadnień deterministycznych i zagadnień typu Monte Carlo. Student powinien zdobyć umiejętności implementacji tej wiedzy poprzez zaprojektowanie odpowiedniego algorytmu i programu komputerowego a następnie interpretacji otrzymanych wyników symulacji komputerowych i ich prezentacji. Szczegółowe przykłady dotyczyć będą m.in. zagadnień dynamiki molekularnej punktu materialnego i układu punktów materialnych, dynamiki molekularnej z więzami, modelowanie ruchów Brownowskich i innych zdarzeń losowych dla rożnych rozkładów zmiennych losowych.
Umiejętność programowania w języku C/C++, Python lub Java oraz znajomość metod numerycznych.
- Reprezentacja liczb w pamięci komputera, błędy nadmiaru i niedomiaru, błędy obcięcia (metody różnic skończonych), stabilność numeryczna algorytmów.
- Algorytmy rozwiązywania równań ruchu dla punktu materialnego: algorytm Eulera, Verleta, prędkościowy Verleta, leap-frog, algorytmy predictor-corrector, dobór kroku czasowego, stabilność i dokładność algorytmów, numeryczne rozwiązanie oscylatora harmonicznego 1D i 2D.
- Dynamika molekularna układu punktów materialnych (zespół kanoniczny, zespół izobaryczno izotermiczny, termostaty).
- Algorytmy Monte Carlo (generatory liczb pseudolosowych, rozgrywanie zmiennych losowych z różnymi rozkładami prawdopodobieństwa, algorytm Metropolis, równania stochastyczne).
- Automaty komórkowe.
- Algorytmy genetyczne.
Wykłady oraz ćwiczenia laboratoryjne, dyskusje, samodzielna praca ze specjalistyczną literaturą naukową w języku polskim oraz angielskim oraz praca z dokumentacją techniczną i wyszukiwanie informacji w sieci Internet
| Outcome description | Outcome symbols | Methods of verification | The class form |
Wykład: Pozytywna ocena z testu.
Laboratorium: Pozytywna ocena ze sprawdzianów, wykonanie projektu.
Ocena końcowa z laboratorium: ocena ze sprawdzianów 60%, ocena z projektu 40%.
Przed przystąpieniem do zaliczenia wykładu student musi uzyskać zaliczenie z ćwiczeń laboratoryjnych.
Ocena końcowa: średnia arytmetyczna ocen z zaliczenia wykładu i zaliczenia ćwiczeń laboratoryjnych.
[1] J. C. Berendsen and W. F. Van Gunsteren, Practical Algorithms for Dynamic Simulations in Molecular dynamics simulations of statistical mechanical systems, Proceedings of the Enrico Fermi Summer School, p.43-45, Soc. Italinana de Fisica, Bologna 1985.
[2] Stephen Wolfram, Statistical mechanics of cellular automata, Rev. Mod. Phys. 55. 601-644 (1983).
[3] Tao Pang, An Introduction to Computational Physics, Cambridge University Press (2006).
[1] William H. Press, Saul A. Teukolsky, William T. Vetterling, Brian P. Flannery, Numerical recipes, The art of scientific computing, third edition 2007.
Modified by dr hab. Piotr Lubiński, prof. UZ (last modification: 27-06-2018 17:40)
