Ministerio de Educación, Ciencia y Tecnología Universidad Nacional de San Luis FACULTAD DE CS. FISICO MAT. Y NAT. |
PROGRAMA DEL CURSO: OPTATIVA IV | ||
DEPARTAMENTO DE: FISICA | ||
AREA: Superior y Posgrado | AÑO: 2001 (Id: 1071)Estado: En tramite de Aprobación | |
CARRERAS PARA LAS QUE SE OFRECE EL MISMO CURSO |
PLAN DE ESTUDIOS |
CRÉDITO HORARIO |
|
SEM. |
TOTAL | ||
LIC. EN FISICA | ninguna | 9 | 126 |
Funciones |
Apellido y Nombre |
Total hs en |
Cargo y Dedic. |
Carácter |
Responsable |
RAMIREZ, ANTONIO JOSE | 5 hs. | PROFESOR ADJUNTO EXC. | Temporal |
Co-Responsable | NIETO QUINTAS, FELIX DANIEL | 5 hs. | PROFESOR ADJUNTO EXC. | Contratado |
CREDITO HORARIO SEMANAL |
MODALIDAD |
REGIMEN | |||
Teórico/
Práctico
|
Teóricas |
Prácticas de Aula |
Práct. de lab/ camp/ Resid/ PIP, etc. |
2c | |
Hs. |
3 Hs. |
Hs. |
6 Hs. |
Asignatura |
Otro:
|
Duración:
14 semanas |
|||||
Período del
13/08/01 al 16/11/01 |
La Simulación numérica se ha convertido en los últimos años en un rama intermedia entre la física teórica (pues permite validar sus hipótesis) y la física experimental (pues ayuda a la interpretación de los datos). Por este motivo es de fundamental importancia para el egresado de la carrera Licenciatura en Física alcanzar los conocimientos introductorios de un campo de fértil actividad y numerosas aplicaciones de carácter práctico. Así, el propósito central de esta materia es brindar una continuidad en la formación del alumno en la rama de la Mecánica Estadística más allá de las asignaturas Mecánica Estadística y Optativa I: Mecánica Estadística Avanzada de la curricula de la Licenciatura en Física. Además de un completo análisis de la teoría que sustenta esta rama del conocimiento, se hará especial incapié en la descripción y estudio de sistemas de gran aplicación actual en el ámbito de la Física de la Materia Condensada. |
Se pretende lograr al término del curso que:
|
Unidad 1: Conceptos básicos de la simulación numérica.La simulación numérica como una nueva rama de la física. Sistemas complejos de la Mecánica Estadística. Sistemas determinísticos: dinámica molecular. Discusión de errores. Ejemplos de aplicación. Procesos estocásticos: simulación de Monte Carlo. Conceptos básicos de teoría de probabilidad. Cantidades de expectación en el marco de la Mecánica Estadística. Aproximaciones. Ejemplos básicos. Generación de números aleatorios. Ejemplos de algoritmos. Optimización. |
Guías de trabajos prácticos |
CONDICIONES DE APROBACIÓN:Para la obtención de la regularidad es necesaria la realización y aprobación del 100% de las actividades prácticas.Para la obtención de la promocionalidad se requiere además de la condición anterior, la aprobación de un examen oral integrador de la materia. |
K. Binder, D.W. Heermann, “Monte Carlo Simulation in Statistical Physics”, Springer Verlag, Berlin (1988).K. Binder, “Applications of the Monte Carlo Method in Statistical Physics”, Springer Verlag, Berlin, (1987).D.P. Landau, K.K. Mon, H.-B. Schüttler, “Computer simulation studies in Condensed Matter Physics”, Sringer Verlag, Berlin (1988).L.D. Landau, E.M. Lifshitz, “Física Estadística”, Vol. 5 del Curso de Física Teórica, Editorial Reverte, (1975).F. Reif, “Statistial Mechanics”, Mc Graw-Hill, NY (1965).H.Eugene Stanley, “Introduction to Phase Transitions and Critical Phenomena”, Claredon Press, Oxford, (1971).J.M. Yeomans, “Statistical Mechanics of Phase Transitions”, Oxford Science Publications, Claredon Press, (1992).D. Stauffer, \"Introduction to Percolation Theory\", Taylor & Francis (1985).Nigel Goldenfeld, “Lectures on Phase Transitions and the Renormalization Group”, Frontiers in Physics, Addison Wesley Publishing Company (1992).C. Garrod, “Statistical Mechanics and Thermodynamics”, Oxford University Press (1995). |
R. Zallen, “The Physics of Amorphous Solids”, John Willey & Sons, NY, (1983).J.J. Binney, N.J. Dowrick, A.J. Fisher y M.E.J Newman, “The theory of critical phenomena: an introduction to the renormalization group”, Oxford Science Publications (1998).G. Deutscher, R. Zallen and J. Addler (Eds.) “Percolation Structures and Processes”, Annals of the Israel Physical Society, Vol. 5 (1983) Ayalon Offset Ldt.P.M. Castro de Oliveira, “Computing Bolean statistical Models”, World Scientific, Singapore, (1991). |
COMPLEMENTO DE DIVULGACION
Se pretende lograr al término del curso que:
|
La simulación numérica como una nueva rama de la física. Sistemas complejos de la Mecánica Estadística. Sistemas determinísticos: dinámica molecular. Discusión de errores. Ejemplos de aplicación. Procesos estocásticos: simulación de Monte Carlo. Conceptos básicos de teoría de probabilidad. Cantidades de expectación en el marco de la Mecánica Estadística. Aproximaciones. Generación de números aleatorios. Ejemplos de algoritmos. Optimización.Determinación de valores de expectación termodinámicos en una asamblea estadística. Promedios estadísticos por el método del muestreo simple. Confiabilidad y determinación de errores. Implementación de un algoritmo tipo. Ventajas y limitaciones del muestreo simple. Caminata al azar. Cálculo de la dimensión fractal de un objeto. Caminata al azar no reversible. Self avoiding random walk. Teoría de percolación. Sistemas percolantes. Concepto de percolación. Percolación de sitios y de enlaces. Distribución del número de islas de tamaño s. Suposición de escaleo. Perímetro y radio de las islas. Dimensión fractal. Determinación de los exponentes críticos. Algoritmo de Hoshen y Koppelman. Algoritmo para determinar umbrales de percolación y exponentes críticos del problema. Errores. Necesidad de considerar una distribución de probabilidad para los estados accesibles del sistema estadístico. Cálculo de valores de expectación de cantidades termodinámicas. Distribución de probabilidades. Cadena de Markov. Generación e implementación. Muestreo simple versus muestreo pesado. Interpretación dinámica del Método de Monte Carlo en el marco del muestreo pesado. Errores estadísticos y tiempos de relajación. El modelo de Ising. El problema de la medida finita y el límite termodinámico. Longitud de correlación en sistemas finitos. Efectos de medida finita. La función de escaleo. Determinación de los exponentes críticos mediante simulación numérica. Determinación de la temperatura crítica. Simulación de Monte Carlo en la asamblea canónica (dinámica de Kawasaki) y en la asamblea gran canónica (dinámica de Glauber). Implementación de los algoritmo numérico. Medición de razones de crecimiento de islas en la tendencia al equilibrio.
|
|