Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Ingegneria
ICT FOR INTERNET AND MULTIMEDIA - INGEGNERIA PER LE COMUNICAZIONI MULTIMEDIALI E INTERNET
Insegnamento
STATISTICAL MECHANICS OF COMPLEX SYSTEMS
INP5070380, A.A. 2018/19

Informazioni valide per gli studenti immatricolati nell'A.A. 2018/19

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
ICT FOR INTERNET AND MULTIMEDIA - INGEGNERIA PER LE COMUNICAZIONI MULTIMEDIALI E INTERNET
IN2371, ordinamento 2017/18, A.A. 2018/19
N0
porta questa
pagina con te
Curriculum TELECOMMUNICATIONS [001PD]
Crediti formativi 6.0
Tipo di valutazione Voto
Denominazione inglese STATISTICAL MECHANICS OF COMPLEX SYSTEMS
Dipartimento di riferimento Dipartimento di Ingegneria dell'Informazione (DEI)
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile SAMIR SIMON SUWEIS FIS/03
Altri docenti JEFFERSON MC CULLOCH BYERS

Mutuante
Codice Insegnamento Responsabile Corso di studio
SCP8082536 STATISTICAL MECHANICS OF COMPLEX SYSTEMS SAMIR SIMON SUWEIS SC2443

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
AFFINE/INTEGRATIVA Attività formative affini o integrative FIS/03 6.0

Organizzazione dell'insegnamento
Periodo di erogazione Secondo semestre
Anno di corso I Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LEZIONE 6.0 48 102.0

Calendario
Inizio attività didattiche 25/02/2019
Fine attività didattiche 14/06/2019
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2019

Commissioni d'esame
Nessuna commissione d'esame definita

Syllabus
Prerequisiti: 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.
Conoscenze e abilita' da acquisire: 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
Modalita' di esame: 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.
Criteri di valutazione: 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.
Contenuti: 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.
Attivita' di apprendimento previste e metodologie di insegnamento: 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.
Eventuali indicazioni sui materiali di studio: Oltre ad alcuni libri suggeriti, i materiali (note e articoli pubblicati) saranno messi a disposizioni agli studenti su Moodle.
Testi di riferimento:
  • Newman, Mark E. J., Networksan introductionM. E. J. Newman. Oxford: New York, Oxford University Press, 2010. Cerca nel catalogo
  • Krapivsky, Pavel L.; Redner, Sidney, <<A >>kinetic view of statistical physicsPavel L. Krapivsky, Sidney Redner, Eli Ben-Naim. Cambridge: University press, --. Cerca nel catalogo

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Lecturing
  • Problem based learning
  • Interactive lecturing
  • Working in group
  • Videoriprese realizzate dal docente o dagli studenti
  • Utilizzo di video disponibili online o realizzati
  • Files e pagine caricati online (pagine web, Moodle, ...)
  • Learning journal

Didattica innovativa: Software o applicazioni utilizzati
  • Moodle (files, quiz, workshop, ...)
  • One Note (inchiostro digitale)
  • Mathematica
  • Surface Hub

Obiettivi Agenda 2030 per lo sviluppo sostenibile
Istruzione di qualita' Industria, innovazione e infrastrutture La vita sulla Terra