Pokročilé simulace ve fyzice mnoha částic:
|
|
- Radovan Esterka
- před 8 lety
- Počet zobrazení:
Transkript
1 Pokročilé simulace ve fyzice mnoha částic: Simulace složitých, nerovnovážných a kvantových jevů Miroslav Kotrla & Milan Předota FZÚ AV ČR, Praha 8 oddělení teorie kondenzovaných látek JU České Budějovice Přírodovědecká fakulta ústav fyziky a biofyziky kotrla@fzu.cz predota@prf.jcu.cz
2 SYLABUS Optimalizační úlohy: simulované žíhání, molekulární statika výpočet energetických bariér metadynamika. Rovnovážné simulace: fázové přechody a kritické jevy klastrové algoritmy, finite size scaling, multispinové kódování pro celulární automaty, dlouhodosahové síly, molekulárních systémy. Simulace nerovnovážných jevů: kinetické koeficienty, časové korelační funkce, Einsteinův vztah, nerovnovážná MD, self-difúze částic v mřížovém plynu, simulace růstu sněhové vločky (DLA).
3 SYLABUS POKRAČOVÁNÍ Kinetické MC, volba kinetiky, čas v kinetickém MC, "n-fold way" algoritmus, model adsorpcedesorpce částic na povrchu. Simulace růstu reálných krystalů - SOS modely. MC pro kvantové systémy: variační MC, kanonické kvantové MC, izomorfismus kvantových a klasických systémů, znaménkový problém. Numerické simulace z prvních principů, metoda funkcionálu hustoty, Car-Parrinelliho metoda.
4 k algoritmům MC - I standardní termodynamické MC (opakování z ZS) S A P A známo: configurace, jejich pravděpodobnosti generujeme realizaci Markovovského řetězce A, k 1,..., M pomocí matic přechodu W W A A i j i j X X A P A cíl: co nejrychlejší výpočet používány matice: Metropolis nebo Glauber W W A M i j G 1 i j th exp E 0 pro 1 E 0 1 / 2 2 různé matice = různé sekvence stavů, tj. odpovídají různé dynamice, ale střední hodnota stejná k E E A E A j i
5 Modelování časově závislých jevů a) deterministicky přesný popis b) statistické simulace
6 Modelování časově závislých jevů a) deterministicky přesný popis známe nebo máme představu o všech detailech lze napsat soustavu evolučních diferenciálních rovnic (MD, časově závislé konečné elementy) např. mikroskopický pohyb atomů/molekul, rovnice proudění etc. příklad o laplaceovském růstu - Dirichletova úloha b) statistické simulace
7 Modelování časově závislých jevů a) deterministicky přesný popis známe nebo máme představu o všech detailech lze napsat soustavu evolučních diferenciálních rovnic (MD, časově závislé konečné elementy) např. mikroskopický pohyb atomů/molekul, rovnice proudění etc. příklad o laplaceovském růstu - Dirichletova úloha b) statistické simulace dynamika známa jen přibližně, ale důležité rysy identifikavány popis pomocí stochastických rovnic (některá varianta MC) rozlišit: i. jen evoluce jako sekvence náhodných stavů např. DLA diffusion limited aggregation ii. měření časových závislostí např. rychlost růstu krystalu
8 Modelování časově závislých jevů a) deterministicky přesný popis známe nebo máme představu o všech detailech lze napsat soustavu evolučních diferenciálních rovnic (MD, časově závislé konečné elementy) např. mikroskopický pohyb atomů/molekul, rovnice proudění etc. příklad o laplaceovském růstu - Dirichletova úloha b) statistické simulace dynamika známa jen přibližně, ale důležité rysy identifikavány popis pomocí stochastických rovnic (některá varianta MC) rozlišit: DLA diffusion limited aggregation i. jen evoluce jako sekvence náhodných stavů další příklady: požáry, epidemie ii. měření časových závislostí rychlost růstu krystalu
9 Simulace lesních požárů on line simulátory požáru na internetu: simulator požáru s ovládáním pravděpodobnosti šíření simulator požáru s nastavením větru a paliva (lesa, křoví, trávy) CA simulator požáru a růstu stromů - ovládáním pravděpodobností hoření a růstu I CA simulator požáru a růstu stromů - ovládáním pravděpodobností hoření a růstu II pěkný
10 úloha- požár Simulace lesních požárů - pokračov ování Uvažujte "les" na čtvercové mřížce při periodických okrajových podmínkách a simulujte následující celuární automat: Každý vrchol mřížky se může nacházet ve třech stavech: živý strom, hořící strom, spáleniště. Nová konfigurace se generuje z předchozí podle pravidel: 1. Má-li živý strom alespoň jednoho hořícího souseda (ze 4 sousedů), pak vzplane. 2. Hořící strom shoří (v následující konfiguraci se změní ve spáleniště) 3. Na spáleništi vyroste nový strom s pravděpodobností p Vyjděte z konfigurace s náhodně rozmístěnými stromy a spáleništi v poměru 1:1 a s několika náhodně umístěnými hořícími stromy. Vhodné p je několik %. Sledujte časovou závislost hustoty stromů pro různé hodnoty pravděpodobnosti p. Proveďte středování přes několik běhů, sledujte závislost a na velikosti systému. Modifikace: misto několika hořících stromů na začátku zaveďte pravděpodobnost vzniku požáru q.
11 úloha - epidemie Simulace šířen ení epidemií Uvažujte následující model šíření epidemie: Každý vrchol mřížky se může nacházet v jenom ze tří stavů: nakažený (N ), zdravý (Z ), imunní (I ). Aktivními vrcholy budeme rozumět nejbližší sousedy vrcholů ve stavu N, kteří sami jsou ve stavu Z. Aplikujte dále následující algoritmus: -Vybernáhodně aktivní uzel. -S pravděpodobností p jej převeď do stavu N (nakažený), jinak jej převeď do stavu I (imunní). Simulujte na čtvercové mřížce při periodických okrajových podmínkách. V počátečním konfiguraci nechť je centrální vrchol ve stavu N (nakažený) a všechny ostatní ve stavu Z (zdravý). Odhadněte kritickou hodnotu pravděpodobnosti onemocnění p c pro to, aby nákaza zachvátila celý systém, tj. aby došlo k perkolaci nákazy. Jak se změní situace jestliže do systému zavedeme pohyb? Pohyb simulujte výměnou stavů dvou různých vrcholů. Uvažujte dvě varianty mechanismu pohybu: v nejbližším okolí - vyber náhodně dvojici sousedních vrcholů, libovolně daleko - vyber náhodně dvojici libovolných vrcholů. Návod: u systému s pohybem uvažujte o alternativním kriteriu pro vyhodnocení nákazy
12 Diffusion Limited Aggregation (DLA) (difúzí omezená agregace) Witten and Sander (1981)
13 Basic algorithm: DLA on a square lattice 1. Initialize start with an immobile seed particle in the center of an otherwise empty square lattice (cluster mass M = 1, cluster radius Rmax = 1) 2. Launch a new particle place a single particle with equal probability on a circle with radius Rstart > Rmax about the center (as small as possible, e.g. Rstart = Rmax + 1) 3. Diffusion move the particle from its current position to a randomly chosen nearest neighbor (NN) site. Repeat 3 until a NN site of a cluster particle is reached, then go to step 4 4. Aggregation add the particle to the cluster, increase M by one and reevaluate Rmax. stop if the desired mass M is reached, else go to step 2.
14 Diffusion Limited Aggregation (DLA) 3. Diffusion (shortcuts) calculate the current distance r of the particle from the origin. If r < Rjump : move the particle from its current position to a randomly chosen nearest neighbor site. If Rkill>rRjump : move the particle with equal probability anywhere on a circle with radius (r Rstart) around its current position. If r Rkill : remove the particle from the lattice, go to step 2. repeat 3 until a nearest neighbor of a cluster site is reached, then go to 4.
15 Diffusion Limited Aggregation (DLA)
16 Problém obchodního cestujícího
17 Problém obchodního cestujícího
18 Problém obchodního cestujícího
19 k algoritmům MC - I standardní termodynamické MC (opakování z ZS) S A P A známo: configurace, jejich pravděpodobnosti generujeme realizaci Markovovského řetězce A, k 1,..., M pomocí matic přechodu W W A A i j i j X X A P A cíl: co nejrychlejší výpočet používány matice: Metropolis nebo Glauber W W A M i j G 1 i j th exp E 0 pro 1 E 0 1 / 2 2 různé matice = různé sekvence stavů, tj. odpovídají různé dynamice, ale střední hodnota stejná k E E A E A j i
20 k algoritmům MC - II kinetické MC (KMC) simulační stochastický proces odpovídá skutečnému procesu dán kinetický model: elementární události =1,..., N(A) a jejich pravděpodobnosti R (nenormované) algoritmus - v k-tém kroku 1. z množiny N(A (k) ) vybereme událost s praděpodobností danou rozložením R 2. přejdeme do nové konfigurace A (k+1) 3. přepočítáme N(A (k+1) ) a R Je to algoritmus BEZ neúspěšných pokusů v každém kroku se systém vyvijí. prakticky neužíván v této formě, ale v rychlejší variantě pro skupiny procesů viz skripta
21 čas v MC & KMC V MC obvykle užit prostě počet kroků na částici resp. na uzel. V realitě, ale různé procesy probýhají různě rychle! třeba aproximativní popis vztahu k reálnému fyzikálnímu času Předpokládáme: rozdělení na intervaly, tak že v každém okamžiku probíhá jen jeden proces a že události tvoří Poissonův proces. Pravděpodobnost m událostí během času t m Poiss Rt P m e m! Rt náhodný interval mezi dvěma událostmi má rozdělení P Rt Re, 1/R
22 čas v KMC Algoritmu KMC doplníme tak, že v k-tém kroku spočteme ( k ) 0,1 t 1/ R A lnu k náhodné číslo přírustek času závisí na okamžité konfiguraci Čas pak je t a časová střední hodnota n k1 t k 1 n ( k ) t k1 X X A t k
Pokročilé simulace ve fyzice mnoha částic:
Pokročilé simulace ve fyzice mnoha částic: Simulace složitých, nerovnovážných a kvantových jevů, NTMF024 Miroslav Kotrla & Milan Předota FZÚ AV ČR, Praha 8 oddělení teorie kondenzovaných látek JU České
VíceMonte Carlo. Simulační metoda založená na užití stochastických procesů a generace náhodných čísel.
Monte Carlo Simulační metoda založená na užití stochastických procesů a generace náhodných čísel. Typy MC simulací a) MC integrace b) Geometrické MC c) Termodynamické MC d) Modelování vývoje na strukturální
VícePočítačové simulace a statistická mechanika
Počítačové simulace a statistická mechanika Model = soubor aproximaci přijatých za účelem popisu určitého systému okrajové podmínky mezimolekulové interakce Statistické zpracování průměrování ve fázovém
VíceBuněčné automaty a mřížkové buněčné automaty pro plyny. Larysa Ocheretna
Buněčné automaty a mřížkové buněčné automaty pro plyny Larysa Ocheretna Obsah Buněčný automat: princip modelu, vymezení pojmů Mřížkový buněčný automat pro plyny Příklady aplikace principů mřížkových buněčných
VíceOPTIMALIZAČNÍ ÚLOHY. Modelový příklad problém obchodního cestujícího:
OPTIMALIZAČNÍ ÚLOHY Problém optimalizace v různých oblastech: - minimalizace času, materiálu, - maximalizace výkonu, zisku, - optimalizace umístění komponent, propojení,... Modelový příklad problém obchodního
VíceMODERNÍ APLIKACE STATISTICKÉ FYZIKY I
MODERNÍ APLIKACE STATISTICKÉ FYZIKY I NTMF049, 2/0 Zk - ZS Miroslav Kotrla a František Slanina kotrla@fzu.cz slanina@fzu.cz externě: ÚTF UK kmenově: FZÚ AV ČR, v.v.i., Praha 8 oddělení teorie kondenzovaných
VíceModerní aplikace statistické fyziky II - TMF050
Moderní aplikace statistické fyziky II - TMF050 Body 2, E-Kredity 3, 2/0 Zk - LS Miroslav Kotrla a František Slanina kotrla@fzu.cz slanina@fzu fzu.cz kmenově: externě: ÚTF UK FZÚ AV ČR, v.v.i. oddělení
VíceMetoda Monte Carlo, simulované žíhání
co byste měli umět po dnešní lekci: integrovat pomocí metody Monte Carlo modelovat jednoduché mnočásticové systémy (Brownův pohyb,...) nalézt globální minimum pomocí simulovaného žíhání Určení čísla metodou
VíceMolekulární dynamika polymerů
Molekulární dynamika polymerů Zbyšek Posel Katedra fyziky, Přírodovědecká fakulta, Univerzita J. E. Purkyně, Ústí n. Lab. Polymery základní dělení polymerů homopolymery (alkany) Počítačové simulace délkové
VíceMarkov Chain Monte Carlo. Jan Kracík.
Markov Chain Monte Carlo Jan Kracík jan.kracik@vsb.cz Princip Monte Carlo integrace Cílem je (přibližný) výpočet integrálu I(g) = E f [g(x)] = g(x)f (x)dx. (1) Umíme-li generovat nezávislé vzorky x (1),
VíceCelulární automaty (CA) a jejich aplikace. Samoorganizace Vlastnosti CA Samoorganizovaná kritikalita Vývoj rozhraní
Celulární automaty (CA) a jejich aplikace Samoorganizace Vlastnosti CA Samoorganizovaná kritikalita Vývoj rozhraní Samorganizace Pojem samorganizace je užíván v různých kontextech v: informační teorii,
VíceLekce 9 Metoda Molekulární dynamiky III. Technologie
Lekce 9 Metoda molekulární dynamiky III Technologie Osnova 1. Výpočet sil. Výpočet termodynamických parametrů 3. Ekvilibrizační a simulační část MD simulace Výpočet sil Pohybové rovnice ɺɺ W mk rk = FK,
VíceDetekce interakčních sil v proudu vozidel
Detekce interakčních sil v proudu vozidel (ANEB OBECNĚJŠÍ POHLED NA POJEM VZDÁLENOSTI V MATEMATICE) Doc. Mgr. Milan Krbálek, Ph.D. Katedra matematiky Fakulta jaderná a fyzikálně inženýrská České vysoké
VíceMolekulový počítačový experiment
Molekulový počítačový experiment 1/16 též pseudoexperiment REÁLNÝ EXPERIMENT Vedení laboratorního deníku POČÍTAČOVÝ EXPERIMENT Vedení laboratorního deníku Zvol metodu (přístroj, protokol) Zvol metody (MD,
Více4. Na obrázku je rozdělovací funkce (hustota pravděpodobnosti) náhodné veličiny X. Jakou hodnotu musí mít parametr k?
A 1. Stanovte pravděpodobnost, že náhodná veličina X nabyde hodnoty menší než 6: P( X 6). Veličina X má rozdělení se střední hodnotou 6 a směrodatnou odchylkou 5: N(6,5). a) 0 b) 1/3 c) ½ 2. Je možné,
VíceSimulace pohybu chodců pomocí celulárních modelů
Simulace pohybu chodců pomocí celulárních modelů Marek Bukáček výzkumná skupina GAMS při KM KIPL FJFI ČVUT v Praze 8. červen 2011 Obsah Úvod Celulární modely úprava Floor field modelu Proč modelovat Akademický
VíceZada ní 1. Semina rní pra ce z pr edme tu Matematický software (KI/MSW)
Zada ní. Semina rní pra ce z pr edme tu Matematický software (KI/MSW) Datum zadání: 5.. 06 Podmínky vypracování: - Seminární práce se skládá z programové části (kódy v Matlabu) a textové části (protokol
VíceModelování a simulace Lukáš Otte
Modelování a simulace 2013 Lukáš Otte Význam, účel a výhody MaS Simulační modely jsou nezbytné pro: oblast vědy a výzkumu (základní i aplikovaný výzkum) analýzy složitých dyn. systémů a tech. procesů oblast
VíceObr. 141: První tři Bernsteinovy iontové módy. Na vodorovné ose je bezrozměrný vlnový vektor a na svislé ose reálná část bezrozměrné frekvence.
Mikronestability 33 m Re( ) ( m1) m1,,3, (5.18) ci Imaginární část frekvence, která je zodpovědná za útlum, razantně roste, pokud se vlny nešíří kolmo na magnetické pole. Útlum také roste s číslem módu
VíceEvoluční algoritmy. Podmínka zastavení počet iterací kvalita nejlepšího jedince v populaci změna kvality nejlepšího jedince mezi iteracemi
Evoluční algoritmy Použítí evoluční principů, založených na metodách optimalizace funkcí a umělé inteligenci, pro hledání řešení nějaké úlohy. Populace množina jedinců, potenciálních řešení Fitness function
VíceLaserová technika prosince Katedra fyzikální elektroniky.
Laserová technika 1 Aktivní prostředí Šíření rezonančního záření dvouhladinovým prostředím Jan Šulc Katedra fyzikální elektroniky České vysoké učení technické jan.sulc@fjfi.cvut.cz 22. prosince 2016 Program
VíceFakulta chemicko-technologická Katedra analytické chemie. 3.2 Metody s latentními proměnnými a klasifikační metody
Fakulta chemicko-technologická Katedra analytické chemie 3.2 Metody s latentními proměnnými a klasifikační metody Vypracoval: Ing. Tomáš Nekola Studium: licenční Datum: 21. 1. 2008 Otázka 1. Vypočtěte
VíceLekce 4 Statistická termodynamika
Lekce 4 Statistická termodynamika Osnova 1. Co je statistická termodynamika 2. Mikrostav, makrostav a Gibbsův soubor 3. Příklady Gibbsových souborů 4. Souborové střední hodnoty 5. Časové střední hodnoty
VíceNUMERICKÝ MODEL NESTACIONÁRNÍHO PŘENOSU TEPLA V PALIVOVÉ TYČI JADERNÉHO REAKTORU VVER 1000 SVOČ FST 2014
NUMERICKÝ MODEL NESTACIONÁRNÍHO PŘENOSU TEPLA V PALIVOVÉ TYČI JADERNÉHO REAKTORU VVER 1000 SVOČ FST 2014 Miroslav Kabát, Západočeská univerzita v Plzni, Univerzitní 8, 306 14 Plzeň Česká republika ABSTRAKT
VíceFluktuace termodynamických veličin
Kvantová a statistická fyzika (Termodynamika a statistická fyzika Fluktuace termodynamických veličin Fluktuace jsou odchylky hodnot fyzikálních veličin od svých středních (rovnovážných hodnot. Mají původ
Víceanalýzy dat v oboru Matematická biologie
INSTITUT BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Komplexní přístup k výuce analýzy dat v oboru Matematická biologie Tomáš Pavlík, Daniel Schwarz, Jiří Jarkovský,
VíceUČENÍ BEZ UČITELE. Václav Hlaváč
UČENÍ BEZ UČITELE Václav Hlaváč Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání hlavac@fel.cvut.cz, http://cmp.felk.cvut.cz/~hlavac 1/22 OBSAH PŘEDNÁŠKY ÚVOD Učení
VíceDyson s Coulomb gas on a circle and intermediate eigenvalue statistics
Dyson s Coulomb gas on a circle and intermediate eigenvalue statistics Rainer Scharf, Félix M. Izrailev, 1990 rešerše: Pavla Cimrová, 28. 2. 2012 1 Náhodné matice Náhodné matice v současnosti nacházejí
VíceObsah PŘEDMLUVA...9 ÚVOD TEORETICKÁ MECHANIKA...15
Obsah PŘEDMLUVA...9 ÚVOD...11 1. TEORETICKÁ MECHANIKA...15 1.1 INTEGRÁLNÍ PRINCIPY MECHANIKY... 16 1.1.1 Základní pojmy z mechaniky... 16 1.1.2 Integrální principy... 18 1.1.3 Hamiltonův princip nejmenší
VíceMODELOVÁNÍ. Základní pojmy. Obecný postup vytváření induktivních modelů. Měřicí a řídicí technika magisterské studium FTOP - přednášky ZS 2009/10
MODELOVÁNÍ základní pojmy a postupy principy vytváření deterministických matematických modelů vybrané základní vztahy používané při vytváření matematických modelů ukázkové příklady Základní pojmy matematický
VíceMetody analýzy dat I (Data Analysis I) Rozsáhlé struktury a vlastnosti sítí (Large-scale Structures and Properties of Networks) - pokračování
Metody analýzy dat I (Data Analysis I) Rozsáhlé struktury a vlastnosti sítí (Large-scale Structures and Properties of Networks) - pokračování Základní (strukturální) vlastnosti sítí Stupně vrcholů a jejich
VíceStefan Ratschan. Fakulta informačních technologíı. Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti 1 / 16
Modelování fyzikálního okoĺı Stefan Ratschan Katedra číslicového návrhu Fakulta informačních technologíı České vysoké učení technické v Praze 25. října 2011 Evropský sociální fond Praha & EU: Investujeme
VíceU Úvod do modelování a simulace systémů
U Úvod do modelování a simulace systémů Vyšetřování rozsáhlých soustav mnohdy nelze provádět analytickým výpočtem.často je nutné zkoumat chování zařízení v mezních situacích, do kterých se skutečné zařízení
VícePředměty státní rigorózní zkoušky jednotlivých programů:
Předměty státní rigorózní zkoušky jednotlivých programů: Chemie a technologie materiálů pro konzervování - restaurování Povinné předměty Chemie a metodiky konzervování-restaurování předmětů z org.materiálů
VíceStruktury a vazebné energie iontových klastrů helia
Společný seminář 11. června 2012 Struktury a vazebné energie iontových klastrů helia Autor: Lukáš Červenka Vedoucí práce: Doc. RNDr. René Kalus, Ph.D. Technický úvod Existují ověřené optimalizační algoritmy
VíceMatematické modely a způsoby jejich řešení. Kateřina Růžičková
Matematické modely a způsoby jejich řešení Kateřina Růžičková Rovnice matematické fyziky Přednáška převzata od Doc. Rapanta Parciální diferencíální rovnice Diferencialní rovnice obsahujcí parcialní derivace
VíceMETODA MONTE CARLO A PROGRAMOVACÍ JAZYK MATLAB PŘI PŘÍPRAVĚ UČITELŮ NA PEDAGOGICKÝCH FAKULTÁCH
METODA MOTE CARLO A PROGRAMOVACÍ JAZYK MATLAB PŘI PŘÍPRAVĚ UČITELŮ A PEDAGOGICKÝCH FAKULTÁCH Jiří Tesař, Petr Bartoš Pedagogická fakulta Jihočeské univerzity v Č. Budějovicích Katedra fyziky Abstrakt V
VíceMODELOVÁNÍ MIGRAČNÍCH SCHOPNOSTÍ ŽELEZNÝCH NANOČÁSTIC A OVĚŘENÍ MODELU PŘI PILOTNÍ APLIKACI
Technická univerzita v Liberci MODELOVÁNÍ MIGRAČNÍCH SCHOPNOSTÍ ŽELEZNÝCH NANOČÁSTIC A OVĚŘENÍ MODELU PŘI PILOTNÍ APLIKACI J. Nosek, M. Černík, P. Kvapil Cíle Návrh a verifikace modelu migrace nanofe jednoduše
VícePočítačový model plazmatu. Vojtěch Hrubý listopad 2007
Počítačový model plazmatu Vojtěch Hrubý listopad 2007 Situace Zajímá nás, co se děje v okolí kovové sondy ponořené do plazmatu. Na válcovou sondu přivedeme napětí U Očekáváme, že se okolo sondy vytvoří
VíceAnalýza spolehlivosti tlakové nádoby metodou Monte Carlo
Analýza spolehlivosti tlakové nádoby metodou Monte Carlo Jakub Nedbálek Abstrakt: Cílem práce je ukázat možnost využití Monte Carlo simulace pro studium úloh z oblasti spolehlivosti. V našem případě máme
VíceSingulární charakter klasické limity
Singulární charakter klasické limity obecná speciální Teorie O Teorie S Parametr δ : δ ) O S) O S Pieter Bruegel starší +569) Velké ryby jedí malé ryby 556) obecná speciální Teorie O Teorie S Parametr
VíceStudijní program Matematika Obor Pravděpodobnost, matematická statistika a ekonometrie
Studijní program Matematika Obor Pravděpodobnost, matematická statistika a ekonometrie Doporučené průběhy studia pro rok 2014/15 24. září 2014 Vysvětlivky: Tento dokument obsahuje několik alternativních
VíceFyzika - Sexta, 2. ročník
- Sexta, 2. ročník Fyzika Výchovné a vzdělávací strategie Kompetence komunikativní Kompetence k řešení problémů Kompetence sociální a personální Kompetence občanská Kompetence k podnikavosti Kompetence
VíceSimulace (nejen) fyzikálních jevů na počítači
Simulace (nejen) fyzikálních jevů na počítači V. Kučera Katedra numerické matematiky, MFFUK Praha 7.2.2013 Aerodynamický flutter Tacoma bridge, 1940 Fyzikální model Realita je komplikovaná Navier-Stokesovy
VíceGenerování pseudonáhodných. Ing. Michal Dorda, Ph.D.
Generování pseudonáhodných čísel při simulaci Ing. Michal Dorda, Ph.D. 1 Úvodní poznámky V simulačních modelech se velice často vyskytují náhodné proměnné. Proto se budeme zabývat otázkou, jak při simulaci
VíceF7030 Rentgenový rozptyl na tenkých vrstvách
F7030 Rentgenový rozptyl na tenkých vrstvách O. Caha PřF MU Prezentace k přednášce Numerické simulace Příklady experimentů Vybrané vztahy Sylabus Elementární popis vlnového pole: Rtg vlna ve vakuu; Greenova
VíceVlastnosti a modelování aditivního
Vlastnosti a modelování aditivního bílého šumu s normálním rozdělením kacmarp@fel.cvut.cz verze: 0090913 1 Bílý šum s normálním rozdělením V této kapitole se budeme zabývat reálným gaussovským šumem n(t),
VíceAlgoritmizace diskrétních. Ing. Michal Dorda, Ph.D.
Algoritmizace diskrétních simulačních modelů Ing. Michal Dorda, Ph.D. 1 Úvodní poznámky Při programování simulačních modelů lze hlavní dílčí problémy shrnout do následujících bodů: 1) Zachycení statických
VícePočítačová dynamika tekutin (CFD) Základní rovnice. - laminární tok -
Počítačová dynamika tekutin (CFD) Základní rovnice - laminární tok - Základní pojmy 2 Tekutina nemá vlastní tvar působením nepatrných tečných sil se částice tekutiny snadno uvedou do pohybu (výjimka některé
VíceVýpočet nejistot metodou Monte carlo
Výpočet nejistot metodou Monte carlo Mgr. Martin Šíra, Ph.D. (ČMI, Brno) červen 2012 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem České republiky. p. 1 Výpočty nejistot
VíceOptimalizace provozních podmínek. Eva Jarošová
Optimalizace provozních podmínek Eva Jarošová 1 Obsah 1. Experimenty pro optimalizaci provozních podmínek 2. EVOP klasický postup využití statistického softwaru 3. Centrální složený návrh model odezvové
Více15 - Stavové metody. Michael Šebek Automatické řízení
15 - Stavové metody Michael Šebek Automatické řízení 2016 10-4-16 Stavová zpětná vazba Když můžeme měřit celý stav (všechny složky stavového vektoru) soustavy, pak je můžeme využít k řízení u = K + r [
VíceFLUENT přednášky. Turbulentní proudění
FLUENT přednášky Turbulentní proudění Pavel Zácha zdroj: [Kozubková, 2008], [Fluent, 2011] Proudění skutečných kapalin - klasifikujeme 2 základní druhy proudění: - laminární - turbulentní - turbulentní
VíceBayesovské metody. Mnohorozměrná analýza dat
Mnohorozměrná analýza dat Podmíněná pravděpodobnost Definice: Uvažujme náhodné jevy A a B takové, že P(B) > 0. Podmíněnou pravěpodobností jevu A za podmínky, že nastal jev B, nazýváme podíl P(A B) P(A
VíceFyzikální chemie. Magda Škvorová KFCH CN463 magda.skvorova@ujep.cz, tel. 3302. 14. února 2013
Fyzikální chemie Magda Škvorová KFCH CN463 magda.skvorova@ujep.cz, tel. 3302 14. února 2013 Co je fyzikální chemie? Co je fyzikální chemie? makroskopický přístup: (klasická) termodynamika nerovnovážná
VícePočítačové simulace fyzikálních problému TASEP
Počítačové simulace fyzikálních problému TASEP Jakub Doležal 1, Jakub Kantner 2, Tomáš Zahradník 3 1 Gymnázium Špitálská Praha, 2 Gymnázium Českolipská Praha, 3 Gymnázium Oty Pavla Praha 1 janjansen@centrum.cz,
VíceStanislav Labík. Ústav fyzikální chemie V CHT Praha budova A, 3. patro u zadního vchodu, místnost
Stanislav Labík Ústav fyzikální chemie V CHT Praha budova A, 3. patro u zadního vchodu, místnost 325 labik@vscht.cz 220 444 257 http://www.vscht.cz/fch/ Výuka Letní semestr N403032 Základy fyzikální chemie
VíceModelování zdravotně významných částic v ovzduší v podmínkách městské zástavby
Modelování zdravotně významných částic v ovzduší v podmínkách městské zástavby Jiří Pospíšil, Miroslav Jícha pospisil.j@fme.vutbr.cz Vysoké učení technické v Brně Fakulta strojního inženýrství Energetický
VíceMarkovské metody pro modelování pravděpodobnosti
Markovské metody pro modelování pravděpodobnosti rizikových stavů 1 Markovský řetězec Budeme uvažovat náhodný proces s diskrétním časem (náhodnou posloupnost) X(t), t T {0, 1, 2,... } s konečnou množinou
Více2.6. VLASTNÍ ČÍSLA A VEKTORY MATIC
.6. VLASTNÍ ČÍSLA A VEKTORY MATIC V této kapitole se dozvíte: jak jsou definována vlastní (charakteristická) čísla a vektory čtvercové matice; co je to charakteristická matice a charakteristický polynom
VíceINOVACE ODBORNÉHO VZDĚLÁVÁNÍ NA STŘEDNÍCH ŠKOLÁCH ZAMĚŘENÉ NA VYUŽÍVÁNÍ ENERGETICKÝCH ZDROJŮ PRO 21. STOLETÍ A NA JEJICH DOPAD NA ŽIVOTNÍ PROSTŘEDÍ
INOVACE ODBORNÉHO VZDĚLÁVÁNÍ NA STŘEDNÍCH ŠKOLÁCH ZAMĚŘENÉ NA VYUŽÍVÁNÍ ENERGETICKÝCH ZDROJŮ PRO 21. STOLETÍ A NA JEJICH DOPAD NA ŽIVOTNÍ PROSTŘEDÍ CZ.1.07/1.1.00/08.0010 NUMERICKÉ SIMULACE ING. KATEŘINA
VíceTeorie náhodných matic aneb tak trochu jiná statistika
Teorie náhodných matic aneb tak trochu jiná statistika B. Vlková 1, M.Berg 2, B. Martínek 3, O. Švec 4, M. Neumann 5 Gymnázium Uničov 1, Gymnázium Václava Hraběte Hořovice 2, Mendelovo gymnázium Opava
VíceKombinatorická minimalizace
Kombinatorická minimalizace Cílem je nalézt globální minimum ve velké diskrétní množině, kde může být mnoho lokálních minim. Úloha obchodního cestujícího Cílem je najít nejkratší cestu, která spojuje všechny
Více01MDS. http://www.krbalek.cz/for_students/mds/mds.html
01MDS http://www.krbalek.cz/for_students/mds/mds.html 01MDS Modely dopravních systémů (úvodní přednáška) Milan Krbálek Katedra matematiky Fakulty jaderné a fyzikálně inženýrské, ČVUT v Praze http://www.krbalek.cz/for_students/mds/mds.html
VíceCvičná bakalářská zkouška, 1. varianta
jméno: studijní obor: PřF BIMAT počet listů(včetně tohoto): 1 2 3 4 5 celkem Cvičná bakalářská zkouška, 1. varianta 1. Matematická analýza Najdětelokálníextrémyfunkce f(x,y)=e 4(x y) x2 y 2. 2. Lineární
VíceDynamické kritické jevy
Dynamické kritické jevy statické vs. dynamické Ve statické situaci je kritické chování určeno: i. dimenzí parametru uspořádání ii. dimenzí fyzikálního prostoru každý obor začíná nejprve statickými jevy
VíceUsuzování za neurčitosti
Usuzování za neurčitosti 25.11.2014 8-1 Usuzování za neurčitosti Hypotetické usuzování a zpětná indukce Míry postačitelnosti a nezbytnosti Kombinace důkazů Šíření pravděpodobnosti v inferenčních sítích
VíceTéma 4: Stratifikované a pokročilé simulační metody
0.007 0.006 0.005 0.004 0.003 0.002 0.001 Dlouhodobé nahodilé Std Distribution: Gumbel Min. EV I Mean Requested: 140 Obtained: 141 Std Requested: 75.5 Obtained: 73.2-100 0 100 200 300 Mean Std Téma 4:
Více24.11.2009 Václav Jirchář, ZTGB
24.11.2009 Václav Jirchář, ZTGB Síťová analýza 50.let V souvislosti s potřebou urychlit vývoj a výrobu raket POLARIS v USA při závodech ve zbrojení za studené války se SSSR V roce 1958 se díky aplikaci
VícePočítačová dynamika tekutin (CFD) Turbulence
Počítačová dynamika tekutin (CFD) Turbulence M. Jahoda Turbulence 2 Turbulentní proudění vzniká při vysokých Reynoldsových číslech (Re>>1); je způsobováno komplikovanou interakcí mezi viskózními a setrvačnými
VíceStatistika. Regresní a korelační analýza Úvod do problému. Roman Biskup
Statistika Regresní a korelační analýza Úvod do problému Roman Biskup Jihočeská univerzita v Českých Budějovicích Ekonomická fakulta (Zemědělská fakulta) Katedra aplikované matematiky a informatiky 2008/2009
VíceK velkým datům přes matice a grafy
K velkým datům přes matice a grafy Miroslav Tůma Katedra numerické matematiky, MFF UK mirektuma@karlin.mff.cuni.cz MFF UK, 10.4.2019 1 / 70 Outline 1 Motivace 2 Šíření infekční choroby 3 Jiné motivace
VíceSTANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ. J. Pruška, T. Parák
STANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ J. Pruška, T. Parák OBSAH: 1. Co je to spolehlivost, pravděpodobnost poruchy, riziko. 2. Deterministický a pravděpodobnostní přístup k řešení problémů.
VíceZS: 2018/2019 NMAF063 F/3 Josef MÁLEK. Matematika pro fyziky III
ZS: 2018/2019 NMAF063 F/3 Josef MÁLEK Matematika pro fyziky III OBECNÉ INFORMACE A SYLABUS Přednášející: Cvičící: Josef Málek Tomáš Los, Michal Pavelka, Michal Pavelka, Vít Průša Termíny přednášek: čtvrtek
VíceIV117: Úvod do systémové biologie
IV117: Úvod do systémové biologie David Šafránek 8.10.2008 Obsah Metody dynamické analýzy Obsah Metody dynamické analýzy Shrnutí biologický systém definován interakcemi mezi jeho komponentami interakce
VíceSpojitý popis plazmatu, magnetohydrodynamika
Spojitý popis plazmatu, magnetohydrodynamika Spojitý popis plazmatu V mnoha případech nepotřebujeme znát detailně popis plazmatu, dalším možným popisem plazmatu je tzv. spojitý (fluidní), tj. makroskopický
VíceVlny konečné amplitudy vyzařované bublinou vytvořenou jiskrovým výbojem ve vodě
12. 14. května 2015 Vlny konečné amplitudy vyzařované bublinou vytvořenou jiskrovým výbojem ve vodě Karel Vokurka Technická univerzita v Liberci, katedra fyziky, Studentská 2, 461 17 Liberec karel.vokurka@tul.cz
Více1. Přednáška. Ing. Miroslav Šulai, MBA
N_OFI_2 1. Přednáška Počet pravděpodobnosti Statistický aparát používaný ve financích Ing. Miroslav Šulai, MBA 1 Počet pravděpodobnosti -náhodné veličiny 2 Počet pravděpodobnosti -náhodné veličiny 3 Jevy
VíceBinární vyhledávací stromy pokročilé partie
Binární vyhledávací stromy pokročilé partie KMI/ALS lekce Jan Konečný 30.9.204 Literatura Cormen Thomas H., Introduction to Algorithms, 2nd edition MIT Press, 200. ISBN 0-262-5396-8 6, 3, A Knuth Donald
Více1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností,
KMA/SZZS1 Matematika 1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností, operace s limitami. 2. Limita funkce
VíceEXPERIMENTÁLNÍ METODY I. 2. Zpracování měření
FSI VUT v Brně, Energetický ústav Odbor termomechanik a technik prostředí prof. Ing. Milan Pavelek, CSc. EXPERIMENTÁLNÍ METODY I OSNOVA. KAPITOLY. Zpracování měření Zpracování výsledků měření (nezávislých
VíceTento dokument obsahuje zadání pro semestrální programy z PAA. Vypracování. vypracovanou úlohu podle níže uvedených zadání. To mimo jiné znamená, že
Kapitola Zadání Tento dokument obsahuje zadání pro semestrální programy z PAA. Vypracování alespoň jedné úlohy je nutnou podmínkou pro úspěšné složení zkoušky resp. získaní (klasifikovaného) zápočtu (viz.
VíceIMOSI - MODELACE A SIMULACE LEARN 2013 správně možná špatně
IMOSI - MODELACE A SIMULACE LEARN 2013 správně možná špatně Simulátor označujeme jako kredibilní v případě, že: byla úspěšně završena fáze verifikace simulátoru se podařilo přesvědčit zadavatele simulačního
VíceUNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.
UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace
Více9. Chemické reakce Kinetika
Základní pojmy Kinetické rovnice pro celistvé řády Katalýza Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti reakční mechanismus elementární reakce a molekularita reakce reakční rychlost
VíceMetoda konečných prvků Charakteristika metody (výuková prezentace pro 1. ročník navazujícího studijního oboru Geotechnika)
Inovace studijního oboru Geotechnika Reg. č. CZ.1.07/2.2.00/28.0009 Metoda konečných prvků Charakteristika metody (výuková prezentace pro 1. ročník navazujícího studijního oboru Geotechnika) Doc. RNDr.
VíceModelování vázaného šíření teplotněvlhkostního
Modelování vázaného šíření teplotněvlhkostního pole v rezonanční desce hudebního nástroje Ing. Pavlína Suchomelová Ing. Jan Tippner, Ph.D. Mendelova univerzita v Brně Lesnická a dřevařská fakulta Ústav
VíceUČIVO. Termodynamická teplota. První termodynamický zákon Přenos vnitřní energie
PŘEDMĚT: FYZIKA ROČNÍK: SEXTA VÝSTUP UČIVO MEZIPŘEDM. VZTAHY, PRŮŘEZOVÁ TÉMATA, PROJEKTY, KURZY POZNÁMKY Zná 3 základní poznatky kinetické teorie látek a vysvětlí jejich praktický význam Vysvětlí pojmy
VíceSimulační modely. Kdy použít simulaci?
Simulační modely Simulace z lat. Simulare (napodobení). Princip simulace spočívá v sestavení modelu reálného systému a provádění opakovaných experimentů s tímto modelem. Simulaci je nutno považovat za
VíceProjekční algoritmus. Urychlení evolučních algoritmů pomocí regresních stromů a jejich zobecnění. Jan Klíma
Urychlení evolučních algoritmů pomocí regresních stromů a jejich zobecnění Jan Klíma Obsah Motivace & cíle práce Evoluční algoritmy Náhradní modelování Stromové regresní metody Implementace a výsledky
Více11. přednáška 10. prosince Kapitola 3. Úvod do teorie diferenciálních rovnic. Obyčejná diferenciální rovnice řádu n (ODR řádu n) je vztah
11. přednáška 10. prosince 2007 Kapitola 3. Úvod do teorie diferenciálních rovnic. Obyčejná diferenciální rovnice řádu n (ODR řádu n) je vztah F (x, y, y, y,..., y (n) ) = 0 mezi argumentem x funkce jedné
Více7. Rozdělení pravděpodobnosti ve statistice
7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,
VíceCHEMICKO-INŽENÝRSKÉ VZDĚLÁVÁNÍ VE STRUKTUROVANÉM STUDIU
CHEMICKO-INŽENÝRSKÉ VZDĚLÁVÁNÍ VE STRUKTUROVANÉM STUDIU Milan Jahoda Zdroj Peter Hamersma, Martin Molzahn, Eric Schaer: Recommendations for Chemical Engineering Education in a Bologna Three Cycle Degree
VíceCo jsme udělali: Au = f, u D(A)
Předmět: MA4 Dnešní látka: Od okrajových úloh v 1D k o. ú. ve 2D Laplaceův diferenciální operátor Variačně formulované okrajové úlohy pro parciální diferenciální rovnice a metody jejich přibližného řešení
VíceMartin NESLÁDEK. 14. listopadu 2017
Martin NESLÁDEK Faculty of mechanical engineering, CTU in Prague 14. listopadu 2017 1 / 22 Poznámky k úlohám řešeným MKP Na přesnost simulace pomocí MKP a prostorové rozlišení výsledků má vliv především:
VíceIII. STRUKTURA A VLASTNOSTI PLYNŮ
III. STRUKTURA A VLASTNOSTI PLYNŮ 3.1 Ideální plyn a) ideální plyn model, předpoklady: 1. rozměry molekul malé (ve srovnání se střední vzdáleností molekul). molekuly na sebe navzálem silově nepůsobí (mimo
VíceTermodynamika v biochemii
Termodynamika v biochemii Studium energetických změn Klasická x statistická Rovnovážná x nerovnovážná lineárn rní a nelineárn rní Základní pojmy Makroskopický systém, okolí systému Termodynamický systém
VíceSPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 5: Aproximační techniky
SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 5: Aproximační techniky Drahomír Novák Jan Eliáš 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 1 část 5 Aproximační techniky 2012 Spolehlivost
VíceKinetická teorie ideálního plynu
Přednáška 10 Kinetická teorie ideálního plynu 10.1 Postuláty kinetické teorie Narozdíl od termodynamiky kinetická teorie odvozuje makroskopické vlastnosti látek (např. tlak, teplotu, vnitřní energii) na
VíceVibrace atomů v mřížce, tepelná kapacita pevných látek
Vibrace atomů v mřížce, tepelná kapacita pevných látek Atomy vázané v mřížce nejsou v klidu. Míru jejich pohybu vyjadřuje podobně jako u plynů a kapalin teplota. - Elastické vlny v kontinuu neatomární
Více