Presentazione

Organizzazione della Didattica

DM270
PHYSICS OF DATA ORD. 2018

Statistical mechanics of complex systems

6

Corsi comuni

 

Frontali Esercizi Laboratorio Studio Individuale
ORE: 48 0 0 102

Periodo

AnnoPeriodo
I anno2 semestre

Frequenza

Facoltativa

Erogazione

Convenzionale

Lingua

Inglese

Calendario Attività Didattiche

InizioFine
25/02/201914/06/2019

Tipologia

TipologiaAmbitoSSDCFU
caratterizzanteSperimentale applicativoFIS/036


Responsabile Insegnamento

ResponsabileSSDStruttura
Dott. SUWEIS SAMIR SIMONFIS/03Dipartimento di Fisica e Astronomia "Galileo Galilei"

Altri Docenti

DocenteCoperturaSSDStruttura
Dott. BYERS JEFFERSON MC CULLOCHContratto
Dott. SUWEIS SAMIR SIMONContrattoFIS/03Dipartimento di Fisica e Astronomia "Galileo Galilei"

Attività di Supporto alla Didattica

Non previste

Bollettino

Processi stocastici: moto browniano, equazione di Langevin, equazioni Master e di Fokker-Planck. Termodinamica delle transizioni di fase. Punti critici, parametro d'ordine ed esponenti critici. Scaling di taglia finita Modello di Ising e teorie di campo medio.

Dopo aver completato il corso lo studente dovrebbe essere in grado di comprendere e spiegare i concetti di base e l'uso di tecniche avanzate nella meccanica statistica dei sistemi complessi. In particolare, lo studente dovrà 1) Acquisire la capacità di costruire un modello teorico fenomenologico appropriato basato sui dati disponibili dl un certo sistema 2) Fornire un resoconto dellae quantità rilevanti e necessarie per descrivere il sistema (uso del modello null). 3) Comprendere l'uso delle funzioni di generatrici. 4) Spiegare il concetto di transizioni di fase in modelli di particelle interagenti fuori dall'equilibrio, nonché la fisica in corrispondenza o in prossimità di punti critici. 5) Comprendere la forza e la limitazione di tali modelli 6) Mostrare una capacità analitica per risolvere problemi relativi a sistemi complessi

Il corso è organizzato in lezioni il cui contenuto è presentato alla lavagna, a volte con l'aiuto di immagini, diagrammi e video. L'insegnamento è interattivo, con domande e presentazione di casi studio, al fine di promuovere la discussione e il pensiero critico in classe.

Il programma può essere riassunto come segue Reti complesse: misure statistiche di base e avanzate. Reti reali e loro proprietà. Modelli null e grafici random. Formalismo delle funzioni generatrici. Dimensione del cluster e percolazione sulle reti; transizioni di fase. Dinamica di delle e sulle reti. Modelli di particelle interagenti: modello degli elettori e processo di contatto. Algoritmo Gillespie, Equazioni Master e campo medio. Applicazione all'ecologia, all'epidemiologia e neuroscienze. Alcune argomenti potrebbero variare, in base alla composizione e background della classe.

La prima parte della verifica delle conoscenze acquisite verrà valutata attraverso esercizi a casa (da fare in gruppo) e la partecipazione degli studenti alle discussioni di classe. La seconda parte verrà condotta attraverso, una prova scritta comune con 1-2 esercizi da risolvere e domande aperte per testare le conoscenze sui concetti di base, il vocabolario scientifico, la capacità di sintesi e discussione critica acquisita durante il corso. La terza fase facoltativa dell'esame sarà orale e si baserà su una discussione sui vari argomenti discussi durante il corso.

I criteri utilizzati per verificare le conoscenze e le competenze acquisite sono: 1) comprensione degli argomenti trattati; 2) capacità critica di collegare le conoscenze acquisite; 3) completezza delle conoscenze acquisite; 4) capacità di sintesi; 5) comprensione della terminologia utilizzata 6) capacità di utilizzare le metodologie analitiche e le tecniche computazionali illustrate durante il corso per risolvere o almeno affrontare i problemi fissati su sistemi complessi in cui la meccanica statistica svolge un ruolo importante.


Oltre ad alcuni libri suggeriti, i materiali (note e articoli pubblicati) saranno messi a disposizioni agli studenti su Moodle.