SylabUZ

Wygeneruj PDF dla tej strony

Metody Monte Carlo - opis przedmiotu

Informacje ogólne

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

Informacje o przedmiocie

Semestr	1
Liczba punktów ECTS do zdobycia	6
Typ przedmiotu	obowiązkowy
Język nauczania	polski
Sylabus opracował	dr Sebastian Żurek

Formy zajęć

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

Cel przedmiotu

Celem przedmiotu jest zapoznanie studentów z metodami Monte Carlo i ich wykorzystaniem w modelowaniu i symulacjach układów fizycznych.

Wymagania wstępne

Ukończony kurs podstaw programowania i programowania obiektowego.

Zakres tematyczny

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

Metody kształcenia

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.

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu	Symbole efektów	Metody weryfikacji	Forma zajęć

Warunki zaliczenia

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.

Literatura podstawowa

[1] S. Asmussen and P. W. Glynn, Stochastic Simulation, Algorithms and Analysis, Springer, 2007.

Literatura uzupełniająca

[1] Internet.

Uwagi

Zmodyfikowane przez prof. dr hab. Mirosław Dudek (ostatnia modyfikacja: 01-10-2017 17:35)