6 ECTS | |
30 P + 30 L | |
10% primjene e-učenja | |
Odjel za fiziku (Sceduly) |
Nositelji: Leandra Vranješ MarkićSuradnici: 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. |