-
Partager cette page
Simulation methods in statistical physics
Titulaire(s) du cours
Bortolo Matteo MOGNETTI (Coordonnateur)Crédits ECTS
5
Langue(s) d'enseignement
anglais
Contenu du cours
La méthode de Monte-Carlo statique
- générateurs de nombres aléatoires
- échantillonnage de variables aléatoires
La méthode de Monte-Carlo dynamique
- chaînes de Markov
- ergodicité et bilan (super) détaillé
- modèles génératifs
- analyse des données
Les phénomènes critiques
- analyse en taille finie
- chemins auto-évitants
Les ensembles statistiques d'équilibre
- simulations dans l'ensemble microcanonique
- simulations dans l'ensemble canonique
- simulations dans l'ensemble grand-canonique
- simulations dans l'ensemble isobare-isotherme
- simulations dans l'ensemble de Gibbs
- échantillonnages biaisés,
- calcul d'énergies libres, densité d'états
Dynamique Moléculaire
- intégrateurs symplectiques
- thermostat de Nosé-Hoover
Objectifs (et/ou acquis d'apprentissages spécifiques)
Le cours traitera des principales techniques de simulation (en particulier la méthode de Monte-Carlo) qui sont utilisées dans le domaine de la Mécanique Statistique. Le but du cours est de comprendre comment créer des algorithmes pour échantillonner efficacement des distributions de probabilités.
Méthodes d'enseignement et activités d'apprentissages
Méthode d'enseignement : enseignement présentiel
Activités d'apprentissage : cours magistral, exercices dirigés (à l'ordinateur), travaux personnels
Contribution au profil d'enseignement
1.4 Conceptualiser des principes complexes et les modéliser.
1.3. Maîtriser les outils mathématiques et/ou technologiques et expérimentaux de la physique.
1.2. Comprendre les lois de la nature au travers de leur formalisation en mécanique classique et quantique, électromagnétisme, théorie quantique des champs, relativité restreinte et générale, thermodynamique, physique statistique…
Références, bibliographie et lectures recommandées
D. E. Knuth, The art of computer programming (chapter 3), Addison Wesley
A. Sokal, Monte Carlo Methods in Statistical Mechanics: Foundations and New Algorithms. In: DeWitt-Morette C., Cartier P., Folacci A. (eds) Functional Integration.
D. Frenkel and B. Smit Understanding Molecular Simulation: From Algorithms to Applications, Elsevier
D. P. Landau and K. Binder A guide to Monte Carlo simulations in statistical physics, Cambridge university press
Autres renseignements
Contacts
Bortolo.Matteo.Mognetti@ulb.be
Campus
Plaine
Evaluation
Méthode(s) d'évaluation
- Autre
Autre
A Épreuve orale
B Presentation d'un article scientifique pertinent
Construction de la note (en ce compris, la pondération des notes partielles)
A 70%
B 30%
Langue(s) d'évaluation
- français
- anglais