Offerta Didattica

 

PHYSICS

COMPUTATIONAL PHYSICS

Classe di corso: LM-17 - Fisica
AA: 2021/2022
Sedi: MESSINA
SSDTAFtipologiafrequenzamoduli
FIS/03CaratterizzanteLiberaLiberaNo
CFUCFU LEZCFU LABCFU ESEOREORE LEZORE LABORE ESE
64024824024
Legenda
CFU: n. crediti dell’insegnamento
CFU LEZ: n. cfu di lezione in aula
CFU LAB: n. cfu di laboratorio
CFU ESE: n. cfu di esercitazione
FREQUENZA:Libera/Obbligatoria
MODULI:SI - L'insegnamento prevede la suddivisione in moduli, NO - non sono previsti moduli
ORE: n. ore programmate
ORE LEZ: n. ore programmate di lezione in aula
ORE LAB: n. ore programmate di laboratorio
ORE ESE: n. ore programmate di esercitazione
SSD:sigla del settore scientifico disciplinare dell’insegnamento
TAF:sigla della tipologia di attività formativa
TIPOLOGIA:LEZ - lezioni frontali, ESE - esercitazioni, LAB - laboratorio

Obiettivi Formativi

Applicazione della capacità di programmare alla modellazione e la simulazione di sistemi fisici, con applicazioni a sistemi caotici e complessi. Conoscenza dei metodi computazionali più usati per studiare i sistemi di molti corpi nella fisica della materia condensata. Più specificamente, sono di fondamentale importanza i seguenti argomenti: • Efficienza degli algoritmi, casualità, prevedibilità • Misure di complessità • Dinamica non lineare • Scaling, distribuzioni di potenza • Frattali • metodo di Monte-Carlo • Dinamica molecolare • Introduzione al metodo Car-Parrinello

Learning Goals


Metodi didattici

L’insegnamento prevede: - lezioni frontali durante le quali vengono esposti e discussi gli argomenti del corso; - esercitazioni al computer nelle quali verranno scritti ed eseguiti programmi inerenti ai vari argomenti trattati nelle lezioni.

Teaching Methods


Prerequisiti

Gli studenti dovrebbero possedere, in generale, le nozioni insegnate nei corsi di Laurea Triennale in Fisica. Più specificamente, dovrebbero conoscere la Meccanica Statistica di base e dovrebbero essere in grado di utilizzare un linguaggio di programmazione come: Fortran, C++ o Python

Prerequisites


Verifiche dell'apprendimento

La verifica dell’apprendimento avviene attraverso una prova pratica che consiste nella simulazione numerica di un processo fisico. A tal fine lo studente scriverà un programma che poi farà girare accumulando i dati relativi al fenomeno in esame. Tali dati saranno analizzati anche mediante l’uso di pacchetti di visualizzazione grafica. Lo studente preparerà quindi un elaborato con la descrizione delle procedure seguite, l’esposizione e l’interpretazione dei risultati e le conclusioni complessive dello studio effettuato. Tale elaborato verrà discusso nella prova orale, insieme ad alcuni argomenti inerenti al programma.

Assessment


Programma del Corso

Modellizzazione di sistemi fisici. Efficienza algoritmica, casualità, predicibilità. Misure della complessità. Dinamica non-lineare. Scaling, distribuzioni a legge di potenza. Frattali. Metodo Monte-Carlo. Dinamica Molecolare. Introduzione al metodo Car-Parrinello.

Course Syllabus


Testi di riferimento: M.P. Allen and D.J. Tildesley, Computer Simulation of Liquids (Oxford University Press). ​​​​​​​G.L. Baker and J.P. Gollub, Chaotic Dynamics: An Introduction (Cambridge University Press)

Elenco delle unità didattiche costituenti l'insegnamento

Docente: GIANPIETRO MALESCIO

Orario di Ricevimento - GIANPIETRO MALESCIO

GiornoOra inizioOra fineLuogo
Martedì 12:00 13:00studio docente
Giovedì 12:00 13:00studio docente
Note:
  • Segui Unime su:
  • istagram32x32.jpg
  • facebook
  • youtube
  • twitter
  • UnimeMobile
  • tutti