FYS3150 – Computational Physics

Endringer på grunn av koronaviruset

Høsten 2020 planlegger vi for at undervisning og eksamen gjennomføres slik det er beskrevet i emnebeskrivelsen og på semestersidene, men det kan komme endringer på grunn av korona-situasjonen. Du får varsler om eventuelle endringer på semestersiden og/eller i Canvas.

Våren 2020 ble undervisning og eksamen digital. Se endringer og felles retningslinjer for eksamener ved MN-fakultetet våren 2020.

Kort om emnet

Emnet gir en innføring i numeriske metoder som vektlegges ved løsning av ulike problemer i fysiske fag og kjemi, dvs. løsning av ordinære- og partielle differensiallikninger, matriseoperasjoner og egenverdiproblemer, interpolering og numerisk integrasjon, Monte-Carlo-metoder, løsning av ikke-lineære likninger og modellering av data.

Hva lærer du?

Emnet gir en innføring i flere av de mest brukte algoritmene fra numerisk analyse til å løse problemer i naturvitenskapelige fag. Disse algoritmer dekker temaer som avansert numerisk integrasjon ved hjelp av Gauss kvadratur, Monte Carlo-metoder med bruksområder i tilfeldige prosesser, Markov kjeder, integrering av flerdimensjonale integraler og applikasjoner til problemer i statistisk fysikk og kvantemekanikk. Andre metoder som blir presentert er egenverdi problemer, fra den enkle Jacobi metoden til iterative Krylov metoder. Populære metoder fra lineær algebra som LU-dekomponeringsmetode og spline-interpolasjon blir også diskutert. En stor del av emnet er viet til å løse ordinære differensiallikninger med eller uten grensebetingelser og til slutt metoder for å løse partielle differensialligninger.

Studenten vil dermed utvikle et kjennskap til noen av de mest brukte algoritmene i naturvitenskap. Flere eksempler på problemer i fysikk og kjemi vil bli brukt for å demonstrere ulike numeriske metoder. Eksemplene spenner over flere felt, fra materialvitenskap til faststoff-fysikk, atomfysikk, astrofysikk, kjernefysikk og egenverdiproblemer i kvantekjemi.

Emnet er prosjektbasert og gjennom ulike prosjekter, normalt fem, vil deltakerne bli utsatt for grunnleggende problemstillinger i disse feltene, hvor målet med det siste prosjektet er å gjengi "state of the art" vitenskapelige resultater. Studentene skal lære å utvikle og strukturere koder for å studere slike systemer, utvikle en kritisk forståelse av muligheter og begrensninger ved de ulike numeriske metoder, bli kjent med supercomputing fasiliteter og parallell databehandling og lære å håndtere vitenskapelige prosjekter. Studentene må velge mellom C++, Pyhton eller Fortran2008 som databehandling språk.

God faglig og etisk atferd er vektlagt gjennom hele emnet.

Opptak til emnet

Studenter må hvert semester søke og få plass på undervisningen og melde seg til eksamen i Studentweb.

Spesielle opptakskrav

I tillegg til generell studiekompetanse eller realkompetanse må du dekke spesielle opptakskrav.

Du må ha:

  • Matematikk R1 (eller Matematikk S1 og S2) + R2

Og en av disse:

  • Fysikk (1+2)
  • Kjemi (1+2)
  • Biologi (1+2)
  • Informasjonsteknologi (1+2)
  • Geofag (1+2)
  • Teknologi og forskningslære (1+2)

De spesielle opptakskravene kan også dekkes med fag fra videregående opplæring før Kunnskapsløftet, eller på andre måter.

Overlappende emner

Undervisning

Emnet går over et helt semester med 4 timer forelesninger per uke. I tillegg kommer laboratorieoppgaver ved hjelp av datamaskin.

Emnet inkluderer to obligatoriske prosjektoppgaver, som må være godkjent før avsluttende eksamen.

Eksamen

Tre hjemmeeksamener som hver teller 1/3 ved sensurering.

Ved oppgaveskriving må du gjøre deg kjent med reglene for kildebruk og referanser. Ved brudd på reglene kan du bli mistenkt for forsøk på fusk.

Dette emnet har obligatoriske øvelser som må være godkjent før avsluttende eksamen.

Som eksamensforsøk i dette emnet teller også forsøk i følgende tilsvarende emner: FYS4150 – Computational Physics

Eksamensspråk

Dersom emnet undervises på engelsk vil det bare tilbys eksamensoppgavetekst på engelsk. Du kan besvare eksamen på norsk, svensk, dansk eller engelsk

Karakterskala

Emnet bruker karakterskala fra A til F, der A er beste karakter og F er stryk. Les mer om karakterskalaen

Adgang til ny eller utsatt eksamen

Dette emnet tilbyr både utsatt og ny eksamen. Les mer:

Tilrettelagt eksamen, kildebruk, begrunnelse og klage

Se mer om eksamen ved UiO

Sist hentet fra Felles Studentsystem (FS) 15. juli 2020 14:11:44

Fakta om emnet

Studiepoeng
10
Nivå
Bachelor
Undervisning
Høst
Eksamen
Høst
Undervisningsspråk
Norsk (engelsk på forespørsel)