SylabUZ
Nazwa przedmiotu | Metody Monte Carlo |
Kod przedmiotu | 13.2-WF-FizD-MMC-S17 |
Wydział | Wydział Fizyki i Astronomii |
Kierunek | Fizyka |
Profil | ogólnoakademicki |
Rodzaj studiów | drugiego stopnia z tyt. magistra |
Semestr rozpoczęcia | semestr zimowy 2017/2018 |
Semestr | 1 |
Liczba punktów ECTS do zdobycia | 6 |
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 |
Wykład | 30 | 2 | - | - | Egzamin |
Laboratorium | 30 | 2 | - | - | Zaliczenie na ocenę |
Celem przedmiotu jest zapoznanie studentów z metodami Monte Carlo i ich wykorzystaniem w modelowaniu i symulacjach układów fizycznych.
Ukończony kurs podstaw programowania i programowania obiektowego.
A) Wstęp do metod Monte Carlo
- podstawowe definicje i historia
- przypomnienie wiadomości z rachunku prawdopodobieństwa i statystyki
- przypomnienie podstawowych wiadomości i pojęć z termodynamiki i mechaniki statystycznej
- przykłady zastosowań
B) Generowanie liczb losowych
- liczby losowe i pseudolosowe
- generatory liczb losowych
- testowanie generatorów liczb losowych
- rozgrywanie dyskretnej zmiennej losowej
- rozgrywanie ciągłej zmiennej losowej
C) Symulacja zdarzeń dyskretnych
- systemy kolejkowe
D) Całkowanie Monte Carlo
- przypomnienie metod całkowanie numerycznego
- całkowanie Monte Carlo funkcji jednej zmiennej i porównanie z innymi metodami całkowanie
- całkowanie Monte Carlo funkcji wielu zmiennych
Metody Monte Carlo w fizyce
1) Perkolacja
2) Błądzenie losowe
3) Gaz sieciowy
4) Układy spinów:
- model Isinga
- model Heisenberga
- model Pottsa
5) Układy termodynamiczne
- symulacje w układzie NVE
- symulacje w układzie NVT
- symulacje w układzie NPT
Metody Monte Carlo poza fizyką
1) Symulacje MC w naukach społecznych
2) Symulacje MC w naukach biologicznych
3) Symulacje MC w ekonomii
Wykład:
Wykład konwencjonalny, problemowy, pokaz, dyskusja, warsztaty (testowanie aktualnie omawianych fragmentów kodu), burza mózgów.
Laboratoria:
Ćwiczenia laboratoryjne, metoda projektu, praca w grupie, giełda pomysłów, burza mózgów, prezentacja, praca z dokumentacją, samodzielne pozyskiwanie wiedzy.
Opis efektu | Symbole efektów | Metody weryfikacji | Forma zajęć |
Wykład:
Egzamin praktyczny polegający na rozwiązaniu postawionego problemu (wylosowanego z listy problemów). Ocenie końcowej podlega analiza problemu, przedstawienie algorytmów rozwiązania problemu, kod źródłowy oraz ocena i weryfikacja uzyskanych wyników.
Laboratorium:
Ocena końcowa z laboratorium składa się w 30% z średniej ocen uzyskanych w trakcie laboratoriów i w 70% z oceny końcowej projektu.
[1] S. Asmussen and P. W. Glynn, Stochastic Simulation, Algorithms and Analysis, Springer, 2007.
[1] Internet.
Zmodyfikowane przez prof. dr hab. Mirosław Dudek (ostatnia modyfikacja: 01-10-2017 17:35)