SubjectsSubjects(version: 953)
Course, academic year 2023/2024
   Login via CAS
Modern Computational Physics I - NEVF160
Title: Moderní počítačová fyzika I
Guaranteed by: Department of Surface and Plasma Science (32-KFPP)
Faculty: Faculty of Mathematics and Physics
Actual: from 2021
Semester: winter
E-Credits: 5
Hours per week, examination: winter s.:2/1, MC [HT]
Capacity: unlimited
Min. number of students: unlimited
4EU+: no
Virtual mobility / capacity: no
State of the course: taught
Language: Czech, English
Teaching methods: full-time
Teaching methods: full-time
Additional information: https://physics.mff.cuni.cz/kfpp/rozvrh.html
Guarantor: doc. Mgr. Pavel Kudrna, Dr.
doc. RNDr. Štěpán Roučka, Ph.D.
Annotation -
The lecture introduces advanced methods for modeling of physical problems and optimization.
Last update: Roučka Štěpán, doc. RNDr., Ph.D. (28.01.2019)
Course completion requirements - Czech

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.

Last update: Plašil Radek, doc. RNDr., Ph.D. (10.10.2017)
Literature - Czech

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.

Last update: Pavlů Jiří, doc. RNDr., Ph.D. (14.01.2019)
Teaching methods -

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

Last update: Roučka Štěpán, doc. RNDr., Ph.D. (06.10.2020)
Syllabus -
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.

Last update: Roučka Štěpán, doc. RNDr., Ph.D. (28.01.2019)
 
Charles University | Information system of Charles University | http://www.cuni.cz/UKEN-329.html