Offerta Didattica
PHYSICS
COMPUTATIONAL PHYSICS
Classe di corso: LM-17 - Fisica
AA: 2022/2023
Sedi: MESSINA
SSD | TAF | tipologia | frequenza | moduli |
---|---|---|---|---|
FIS/03 | Caratterizzante | Libera | Libera | No |
CFU | CFU LEZ | CFU LAB | CFU ESE | ORE | ORE LEZ | ORE LAB | ORE ESE |
---|---|---|---|---|---|---|---|
6 | 4 | 0 | 2 | 48 | 24 | 0 | 24 |
LegendaCFU: 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-ParrinelloLearning Goals
Applying the ability to program the modelling and simulation of physical systems, with applications to chaotic and complex systems. Knowledge of the computational methods most used to study many-body systems in condensed matter physics. More specifically the following arguments are of fundamental importance: ⢠Algorithms efficiency, randomness, predictability ⢠Measures of complexity ⢠Non-linear dynamics ⢠Scaling, power-law distributions ⢠Fractals ⢠Monte-Carlo method ⢠Molecular Dynamics ⢠Introduction to the Car-Parrinello methodMetodi 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
Teaching comprehends: - frontal lessons in which the course topics are exposed and discussed - computer exercises consisting in writing and running programs concerning a number of topics presented during the lessons.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 PythonPrerequisites
Students should possess, in general, the notions teached in the courses of Laurea Triennale in Fisica. More specifically, they should know basic Statistical Mechanics and should be able to use a programming language such as: Fortran, C++ or Python.Verifiche dell'apprendimento
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
Modeling of physical systems. Algorithms efficiency, randomness, predictability. Measures of complexity. Non-linear dynamics. Scaling, power-law distributions. Fractals. The Monte-Carlo method. Molecular Dynamics. Introduction to the Car-Parrinello method.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)
Esami: Elenco degli appelli
Elenco delle unità didattiche costituenti l'insegnamento
Docente: GIANPIETRO MALESCIO
Orario di Ricevimento - GIANPIETRO MALESCIO
Giorno | Ora inizio | Ora fine | Luogo |
---|---|---|---|
Martedì | 12:00 | 13:00 | studio docente |
Giovedì | 12:00 | 13:00 | studio docente |
Note: