SylabUZ
Nazwa przedmiotu | Wstęp do symulacji komputerowych |
Kod przedmiotu | 13.2-WF-FizP-WdSyK-L-S14_pNadGenB5FSS |
Wydział | Wydział Fizyki i Astronomii |
Kierunek | Fizyka |
Profil | ogólnoakademicki |
Rodzaj studiów | pierwszego stopnia z tyt. licencjata |
Semestr rozpoczęcia | semestr zimowy 2022/2023 |
Semestr | 6 |
Liczba punktów ECTS do zdobycia | 7 |
Występuje w specjalnościach | Fizyka komputerowa |
Typ przedmiotu | obowiązkowy |
Język nauczania | polski |
Sylabus opracował |
|
Forma zajęć | Liczba godzin w semestrze (stacjonarne) | Liczba godzin w tygodniu (stacjonarne) | Liczba godzin w semestrze (niestacjonarne) | Liczba godzin w tygodniu (niestacjonarne) | Forma zaliczenia |
Laboratorium | 45 | 3 | - | - | Zaliczenie na ocenę |
Wykład | 30 | 2 | - | - | Zaliczenie na ocenę |
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
Opis efektu | Symbole efektów | Metody weryfikacji | Forma zajęć |
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.
Zmodyfikowane przez dr Marcin Kośmider (ostatnia modyfikacja: 04-04-2022 20:41)