Presentación del grupo 8204 - 2011-2.

HORAS POR SEMANA: 3

HORAS POR SEMESTRE: 48

Objetivo

Profundizar en métodos computacionales aplicados a la física que normalmente no son estudiados en los cursos obligatorios. Además de introducir al estudiante en temas interdisciplinarios y de frontera en la física computacional.

Requisitos: Conocimientos básicos de programación, haber cursado: 4 cálculos, variable compleja I, Física Computacional. Es recomendable haber cursado la materia de Física Estadística.

Temario

1. Herramientas básicas 15 horas

   1. Diferenciación e Integración numérica

   2. Resolución numérica de ecuaciones diferenciales

   3. Series de Fourier y la Transformada de Fourier

   4. Transformada discreta de Fourier

   5. Convolución y correlación

1. Métodos optimización: minimización de energía 18 horas

   1. Métodos tradicionales usando derivadas

   2. Simulated annealing y Búsqueda Tabú

   3. Introducción a los algoritmos genéticos

   4. Análisis de las ventajas y deficiencias de cada uno de los métodos

1. Redes neuronales 9 horas

   1. Redes Back propagation

   2. Redes de Hopfield y minimización de energía

   3. Máquinas de Boltzmann

1. Revisión de algunos problemas interesantes desde el punto de vista de la física

computacional 6 horas

1. 1. Transiciones de fase y el modelo de Ising

   2. Fenómenos de auto-organización: peatones, tráfico vehicular y hormigas

Evaluación

• Un seminario donde cada estudiante expondrá un proyecto de su interés que habrá desarrollado a lo largo del curso haciendo uso de las herramientas expuestas en clase, donde se evaluarán los siguientes puntos

* Presentación del trasfondo teórico del proyecto 10%

* Implementación en algoritmos 40%

* Presentación de resultados 20%

• 2 exámenes parciales (30 % )

Bibliografía

[1] P.L. DeVries, A First Course in Computational Physics , John Wiley & Sons Inc., (1994)

[2] L. Araujo y C. Cervigón, Algoritmos Evolutivos, Alfaomega Ra-Ma, (2009)

[3] A. Kuri y J. Galaviz, Algoritmos Genéticos, Fondo de Cultura Económica, (2002)

[4] G. Pajares y M. Santos, Inteligencia Artificial e Ingeniería del Conocimiento, Alfaomega Ra-Ma, (2006)

[5] James A. Anderson, Redes Neurales, Alfaomega, (2007)

[6] Dirk Helbing. Traffic and related self-driven many-particle systems . Rev. Mod. Phys., 73, 1067, (2001)

[7] D. Chowdhury. Statistical physics of vehicular traffic and some related systems . Phys. Rep., 329, (2000).