Moderní počítačová fyzika I - NEVF160

• Anglický název: Modern Computational Physics I
• Zajišťuje: Katedra fyziky povrchů a plazmatu (32-KFPP)
• Fakulta: Matematicko-fyzikální fakulta
• Platnost: od 2021
• Semestr: zimní
• E-Kredity: 5
• Rozsah, examinace: zimní s.:2/1, KZ [HT]
• Počet míst: neomezen
• Minimální obsazenost: neomezen
• 4EU+: ne
• Virtuální mobilita / počet míst pro virtuální mobilitu: ne
• Stav předmětu: vyučován
• Jazyk výuky: čeština, angličtina
• Způsob výuky: prezenční
• Způsob výuky: prezenční
• Další informace: https://physics.mff.cuni.cz/kfpp/rozvrh.html
• Garant: doc. Mgr. Pavel Kudrna, Dr.; doc. RNDr. Štěpán Roučka, Ph.D.

Anotace

čeština

Poslední úprava: doc. RNDr. Jiří Pavlů, Ph.D. (15.01.2019)

Cílem přednášky je seznámit studenty s pokročilými metodami modelování fyzikálních problémů a optimalizace.

angličtina

Poslední úprava: doc. RNDr. Štěpán Roučka, Ph.D. (28.01.2019)

The lecture introduces advanced methods for modeling of physical problems and optimization.

Podmínky zakončení předmětu

Poslední úprava: doc. RNDr. Radek Plašil, Ph.D. (10.10.2017)

Předmět je rozdělen na dvě části, z nichž každou přednáší jeden vyučující. Pro absolvování předmětu je předepsán klasifikovaný zápočet. Pro jeho získání je třeba zpracovat v požadovaném rozsahu dvě zápočtové úlohy odpovídající první resp. druhé části přednášky. Zadání úloh bude určeno v průběhu přednášky.

Je předpokládána účast na cvičeních. Součástí hodnocení je i ocenění průběžné práce na cvičeních.

Literatura

Poslední úprava: doc. RNDr. Jiří Pavlů, Ph.D. (14.01.2019)

Back T.: Genetic Algorithms 1, 2, IOP Publishing, London 1999+2000.

Gershenfeld N.: The Nature of Mathematical Modeling, Cambridge University Press, Cambridge 1999.

Landau D.P., Binder K.: A Guide to Monte Carlo Simulations in Statistical Physics, Cambridge Univ. Press, Cambridge 2005.

Metody výuky

čeština

Poslední úprava: doc. RNDr. Štěpán Roučka, Ph.D. (06.10.2020)

Výuka v ZS 2020 probíhá formou on-line přednášek. Více informací viz https://physics.mff.cuni.cz/kfpp/rozvrh.html

angličtina

Poslední úprava: doc. RNDr. Štěpán Roučka, Ph.D. (06.10.2020)

The lecture is conducted on-line in the winter semester 2020. For more information, see https://physics.mff.cuni.cz/kfpp/rozvrh.html

Sylabus

čeština

Poslední úprava: doc. RNDr. Jiří Pavlů, Ph.D. (14.01.2019)

1. Základy klasické a moderní počítačové fyziky
Hlavní směry počítačové fyziky. Klasická a moderní počítačová fyzika.

2. Evoluční modelování
Darwinova evoluční teorie a evoluční programování, základní pojmy, operátory.

Problematika kódování - binární, Grayeovo, permutační, hodnotou, další možnosti.

Ohodnocení jedince - fitness.

Základní algoritmy - slepý algoritmus, horolezecký algoritmus, simulované žíhání, horolezecký algoritmus s učením, zakázané prohledávání.

Genetické algoritmy. Evoluční strategie. Genetické programování.

Pokročilé algoritmy v evolučním modelování.

Aplikace - NP problémy, problém obchodního cestujícího, aplikace ve fyzice.

3. Pokročilé techniky počítačového modelování
Pokročilé algoritmy metody molekulární dynamiky ve více dimenzích.

Metoda Particle-in-Cell, silné řešiče Poissonovy rovnice - metoda sdružených gradientů, multigridové metody, přímé metody, LU dekompozice, metody založené na rychlé Fourierově transformaci. Efektivní výpočet silového působení - stromové algoritmy, Ewaldova sumace, rychlá multipólová metoda. Deterministické modelování pohybu nabitých částic ve vnějších elektrických a magnetických polích.

Pokročilé algoritmy metody Monte Carlo - nové umělé obraty, vzorkování ve statistické fyzice.

Paralelizace.

Částicové hybridní modelování ve více dimenzích. Spojité modelování ve více dimenzích. Srážkové procesy ve spojitých modelech Hybridní modelování - kombinace spojitého a částicového přístupu v prostorové oblasti, kombinace v rychlostní oblasti, iterační postup.

angličtina

Poslední úprava: doc. RNDr. Štěpán Roučka, Ph.D. (28.01.2019)

1. Basics of classical and modern computational physics
Main directions of computational physics. Classical and modern computational physics.

2. Evolutionary modeling
Basics of the Darwin‘s theory of evolution and evolutionary programming, operators. Encodings - binary, Gray, permutation, value, and others. Fitness. Basic algorithms - blind, hill-climbing, simulated annealing, hill-climbing with learning, tabu search. Genetic algorithms. Evolutionary strategy. Genetic programming. Advanced algorithms of evolutionary modeling. Applications - NP problems, travelling salesman problem, physical applications.

3. Advanced techniques of computer modeling
Advanced algorithms of molecular dynamics. Particle-in-Cell method, powerful Poisson equation solvers - conjugate gradients, multigrid methods, LU decomposition, fast fourier transform. Efficient calculation of force interaction - tree algorithms, Ewald summation, fast multipole method. Advanced Monte Carlo method - sampling in statistical physics. Parallelization. Hybrid modeling - various combinations of continuous and particle simulations.