شبیه سازی های مونت کارلو در فیزیک آماری

قیمت 16,000 تومان

خرید محصول توسط کلیه کارت های شتاب امکان پذیر است و بلافاصله پس از خرید، لینک دانلود محصول در اختیار شما قرار خواهد گرفت.
دسته:
در مقدمه‌ی این کتاب آمده است: “از نظر تاریخی فیزیک به عنوان فلسفه‌ی طبیعت” شناخته شده است و تحقیقات آن کاملا به صورت نظری (فیلسوفانه) صورت می‌گرفت. با پبشرفت علم در نهایت آزمایشات تجربی وارد این حیطه شدند.
با وجود این همواره با محدودیت توانایی فیزیکدانان برای حل مسائل مواجه بوده‌ایم. تا اینکه با ظهور کامپیوترها آن‌ها توانستند مدل‌های خود را شبیه‌سازی کنند. مدلهایی که با روش‌های کلاسیکی رام نشدنی بودند.
در بسیاری از جهات کامپیوترها نمی‌توانند به فیزیکدانان برای ساخت یک مدل برای جنبه‌های مختلف یک پدیده یاری برسانند. آن‌ها فقط می‌توانند مدل‌هایی مشابه هم را بدون ساده‌سازی‌های ذاتی حل کنند. یعنی باید یک مدل اولیه را فیزیکدان برای آنها تعریف بکند.
در سال‌های اخیر سرعت و قدرت کامپیوترها به شدت افزایش یافته و باعث شده که شبیه‌سازی‌های کامپیوتری نیز به طور پیوسته بهتر و کارآمدتر شوند به طوری که شبیه‌سازی‌های کامپیوتری راهی جدید برای تحقیقات در فیزیک به شمار می‌آید.
در بسیاری موارد شبیه‌سازی‌ها یک مفهوم و پایه نظری را در تفسیر نتایج آزمایشات بدست می‌دهند. همچنین آمده است: این کتاب سعی کرده است تا مقدمه‌ای باشد بر روش‌های مونت کارلو برای دانشجویان فارغ التحصیل و پیشرفته لیسانس و محققینی که هنوز شبیه‌سازی با کامپیوتر را تجربه نکرده‌اند.
برنامه‌ها و مسائل این کتاب به زبان فرترن نوشته شده‌اند. نه به خاطر اینکه بهترین زبان علمی به شمار می‌آید، بلکه به این دلیل که زبانی فراگیر است و بسیاری از subprograms در مونت کارلو در فرترن نوشته شده‌اند.
سال انتشار: 2009  |  تعداد صفحات: 488  |  حجم فایل: 6.84 مگابایت  |  زبان: انگلیسی
A Guide to Monte Carlo Simulations in Statistical Physics
نویسنده:
David P. Landau , Kurt Binder
ناشر:
Cambridge University Press
ISBN10:
0521768489
ISBN13:
9780521768481

 

عناوین مرتبط:


Dealing with all aspects of Monte Carlo simulation of complex physical systems encountered in condensed-matter physics and statistical mechanics, this book provides an introduction to computer simulations in physics. This edition now contains material describing powerful new algorithms that have appeared since the previous edition was published, and highlights recent technical advances and key applications that these algorithms now make possible. Updates also include several new sections and a chapter on the use of Monte Carlo simulations of biological molecules. Throughout the book there are many applications, examples, recipes, case studies, and exercises to help the reader understand the material. It is ideal for graduate students and researchers, both in academia and industry, who want to learn techniques that have become a third tool of physical science, complementing experiment and analytical theory.