Laboratorio di simulazione numerica

A.A. 2019/2020
Insegnamento per
6
Crediti massimi
62
Ore totali
SSD
FIS/02 FIS/03
Lingua
Italiano
Obiettivi formativi
La simulazione è uno strumento essenziale nello studio di sistemi complessi, spesso utilizzata per anticipare, completare e rinforzare analisi sperimentali e teoriche. Lo scopo di questo laboratorio numerico è l'introduzione e l'applicazione di tecniche Monte Carlo avanzate ed altre tecniche per la simulazione di sistemi complessi e la soluzione di problemi complessi.
Il corso punta a fornire agli studenti:
1) Tecniche avanzate di campionamento di variabili casuali e di simulazione di processi stocastici
2) familiarità con le applicazioni di queste tecniche alla simulazione di sistemi complessi
3) una introduzione ad alcune tecniche di intelligenza computazionale
4) una introduzione al calcolo ed alla programmazione parallela

Struttura insegnamento e programma

Edizione attiva
FIS/02 - FISICA TEORICA, MODELLI E METODI MATEMATICI - CFU: 0
FIS/03 - FISICA DELLA MATERIA - CFU: 0
Laboratori: 48 ore
Lezioni: 14 ore
Programma
· Teoria delle probabilità, processi stocastici, statistica matematica
· Campionamento di variabili casuali ed integrazione Monte Carlo
· Catene di Markov, Algoritmo di Metropolis
· Simulazioni numeriche in meccanica statistica classica e quantistica
· Calcolo stocastico ed equazioni differenziali stocastiche con applicazioni
· Intelligenza computazionale, ottimizzazione stocastica, analisi statistica di problemi inversi
· Introduzione al calcolo ed alla programmazione parallela
Prerequisiti e modalità di esame
L'esame consiste nella consegna di una serie di esercitazioni numeriche ed in una discussione orale riguardante sia gli argomenti trattati nel laboratorio che le esercitazioni numeriche consegnate.
Metodi didattici
Modalità di frequenza: obbligatoria;
Modalità di erogazione: tradizionale.
Materiale didattico e bibliografia
· E. Vitali, M. Motta, D.E. Galli "Theory and Simulation of Random Phenomena" Springer Unitext (in press)
· M.E.J. Newman and G.T. Barkema "Monte Carlo Methods in Statistical Physics", Clarendon Press
· D. Frenkel and B. Schmidt "Understanding Molecular Simulation", Academic Press
· W. Krauth "Statistical Mechanics -Algorithms and Computations" Oxford University Press
· P. Glasserman "Monte Carlo Methods in Financial Engineering" Springer
· Il materiale presentato e discusso nelle singole lezioni e nelle esercitazioni di laboratorio viene reso disponibile sul sito Ariel del docente
Periodo
Secondo semestre
Periodo
Secondo semestre
Modalità di valutazione
Esame
Giudizio di valutazione
voto verbalizzato in trentesimi
Docente/i
Ricevimento:
su appuntamento da concordare per e-mail o telefono
Via Celoria, 16 - Stanza A/T/C5 (piano 0 edificio LITA)