PMP271: Stohastičke simulacije u klasičnoj i kvantnoj fizici (148176)

 6 
ECTS
30 P + 30 L
10% primjene e-učenja
Odjel za fiziku (Sceduly)
Nositelji: Leandra Vranješ Markić
Suradnici: Petar Stipanović
Ciljevi predmeta
Dublje razumijevanje izabranih područja klasične i kvantne fizike.
Razumijevanje prednosti i ograničenja Monte Carlo simulacija.
Testiranje i razvoj jednostavnijih simulacija.
Sposobnost vizualizacije i kritičke evaluacije dobivenih rezultata.
Uvjeti (kompetencije) za upis predmeta
Osnovna znanja statističke i kvantne fizike te osnove programiranja.
Očekivani ishodi učenja
1. Koristiti Monte Carlo simulacijske metode.
2. Biti sposoban samostalno razviti i primijeniti Metropolisov algoritam za danu raspodjelu vjerojatnosti.
3. Biti sposoban evaluirati efikasnost i valjanost rezultata danog Monte Carlo algoritma.
4. Razumjeti prednosti i ograničenja stohastičkih simulacija faznih prijelaza.
5. Primijeniti naučene metode na odabrane probleme iz klasične i kvantne fizike mnoštva čestica te interpretirati dobivene rezultate.
6. Prilagoditi programe za izvršavanje na računalnim klasterima s visokom učinkovitošću (HPC).
Sadržaj predmeta
Uvode se osnovne tehnike stohastičkih simulacija koje se primjenjuju na različite fizikalne sustave i modele.
Vježbe prate sljedeći sadržaj predavanja prema istoj satnici.
DETERMINISTIČKA SLUČAJNOST
(1h) Generatori pseudoslučajnih brojeva.
(1h) Testovi slučajnosti i uniformnosti.
(2h) Simuliranje slučajnih varijabli. Slučajni hod.
(4h) Brownova dinamika. Difuzija i entropija.
(2h) Razdiobe. Perkolacija.
(2h) Radiokativni raspad.
(1h) Metode transformacije raspodjele i metode odbacivanja.
(1h) Višedimenzionalna integracija korištenjem Monte Carlo metoda.
(2h) Markovljevi lanci. Metropolisov algoritam.
(2h) Procjena statističkih grešaka.
MONTE CARLO SIMULACIJE TERMALNIH SUSTAVA
(2h) Idealni plin. Demon algoritam.
(2h) Isingov model. Periodični rubni uvjeti.
(2h) Simuliranje na računalnim klasterima s visokom učinkovitošću (HPC).
(3h) Simulacija kontinuiranih sustava. Klasični fluidi.
KVANTNE MONTE CARLO METODE
(3h) Varijacijski Monte Carlo. Difuzijski Monte Carlo.
Vrste izvođenja nastave
- Predavanja
- Vježbe
- Samostalni zadaci
- Laboratorij
Obveze studenata
Domaći radovi tijekom semestra.
Završni projekt koji se javno prezentira.
Praćenje rada studenata (ECTS)
- Pohađanje nastave (2)
- Praktični rad (2)
- Projekt (2)
Ocjenjivanje i vrjednovanje rada studenata
Vrednuju se domaći radovi te završni projekt u kojem student treba samostalno razviti program korištenjem prikladne Monte Carlo metode te javno prezentirati svoj rad.
Za domaće radove i projekt student treba napisati izvješće u kojem odgovara na postavljena pitanja te kritički evaluira dobivene rezultate.
Obvezna literatura
[1] L. Vranješ Markić, P. Stipanović: "Stohastičke simulacije u klasičnoj i kvantnoj fizici", skripta, PMFST, Split, 2016.
[2] Harvey Gould, Jan Tobochnik, and Wolfgang Christian: "An Introduction to Computer Simulation Methods", 3rd revised edition, 2016. URL: https://www.compadre.org
Izborna literatura
[3] R. H. Landau & M. J. Paez: "Computational Problems for Physics", CRC Press, Taylor & Francis, 2018.
[4] M. P. Allen & D. Tildesley: "Computer Simulation of Liquids", Clarendon Press, Oxford, 1987.
[5] Različite web stranice.
Načini praćenja kvalitete
Nastavnici, koji imaju predmete koreliranih ishoda učenja, surađuju i zajednički vode brigu o kvaliteti nastave.
Razgovori sa studentima i anonimni komentari putem web aplikacije.
Statistika ispitnih rezultata i vrednovanje uspješnosti u skladu s navedenim ishodima učenja.
Studentsko evaluiranje putem anonimne ankete koja se provodi prema pravilniku Sveučilišta u Splitu.
Izvedba
Sveučilišni diplomski studij
 •  Fizika; smjer: Nastavnički (izborni 2. sem.)
 •  Fizika; smjer: Astrofizika i fizika elementarnih čestica (obvezni 2. sem.)
 •  Fizika; smjer: Biofizika (izborni 2. sem.)
 •  Fizika; smjer: Fizika okoliša (izborni 2. sem.)
 •  Fizika; smjer: Računarska fizika (obvezni 2. sem.)
 
Napomene:
Vrste nastave (tip): (P) Predavanja; (S) Seminari; (A) Auditorne vježbe; (PK) Vježbe u praktikumu; (L) Laboratorijske vježbe; (M) Metodičke vježbe; (TJ) Vježbe tjelesnog odgoja; (T) Terenske vježbe.
Prije početka nastave moguće su rošade izvođača nastave u svrhu optimizacije opterećenja. Prikazana je testna verzija automatskog generiranja informacija.