SylabUZ
Course name | INTRODUCTION TO COMPUTER SIMULATIONS |
Course ID | 13.2-WF-FizP-WdSyK-L-S14_pNadGenB5FSS |
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 2023/2024 |
Semester | 6 |
ECTS credits to win | 7 |
Available in specialities | Computer Physics |
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 |
Lecture | 30 | 2 | - | - | 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 Marcin Kośmider (last modification: 02-06-2023 22:03)