Module also offered within study programmes:
General information:
Name:
Modelling of Physical Systems
Course of study:
2018/2019
Code:
JIS-2-103-GK-s
Faculty of:
Physics and Applied Computer Science
Study level:
Second-cycle studies
Specialty:
Grafika komputerowa i przetwarzanie obrazów
Field of study:
Applied Computer Science
Semester:
1
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Responsible teacher:
dr hab. inż. Zimnoch Mirosław (zimnoch@agh.edu.pl)
Academic teachers:
dr inż. Wachniew Przemysław (wachniew@agh.edu.pl)
dr hab. inż. Zimnoch Mirosław (zimnoch@agh.edu.pl)
dr inż. Gałkowski Michał (Michal.Galkowski@fis.agh.edu.pl)
Module summary

Przdmiot ma na celu wprowadzenie studenta do zagadnień modelowania komputerowego zjawisk fizycznych

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
M_K002 Potrafi zaplanować pracę zespołową i rozdzielić zadania oraz oszacować czas realizacji IS2A_K02 Report,
Execution of a project
Skills
M_U003 Potrafi wybrać najlepsze dla danego procesu rozwiązanie numeryczne i na tej podstawie przygotować, wykonać oraz zweryfikować model IS2A_U04 Activity during classes,
Execution of laboratory classes
M_U004 Potrafi dokonać krytycznej analizy, poprawnie zinterpretować wyniki symulacji i prawidłowo je zaprezentować IS2A_U02 Report,
Execution of laboratory classes
M_U005 Potrafi ocenić przydatność i możliwość wykorzystania modeli numerycznych do lepszego zrozumienia i usprawniania procesów rzeczywistych IS2A_U02, IS2A_U04 Activity during classes,
Participation in a discussion
Knowledge
M_W004 Zna i rozumie zjawiska fizyczne związane z transportem masy energii i pędu, rozkładami naprężeń i odkształceń IS2A_W03 Activity during classes,
Examination,
Participation in a discussion
M_W005 Ma wiedzę o trendach rozwojowych i nowych osiągnięciach z zakresu numerycznego modelowania procesów IS2A_W03 Activity during classes,
Examination,
Participation in a discussion
M_W006 Zna etapy tworzenia modeli numerycznych oraz metody, techniki i narzędzia przeznaczone do ich realizacji IS2A_W01, IS2A_W03 Activity during classes,
Examination,
Participation in a discussion
M_W007 Ma poszerzoną i pogłębioną wiedzę na temat wybranych procesów fizycznych IS2A_W03 Activity during classes,
Examination,
Participation in a discussion
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
M_K002 Potrafi zaplanować pracę zespołową i rozdzielić zadania oraz oszacować czas realizacji - - + - - - - - - - -
Skills
M_U003 Potrafi wybrać najlepsze dla danego procesu rozwiązanie numeryczne i na tej podstawie przygotować, wykonać oraz zweryfikować model - - + - - - - - - - -
M_U004 Potrafi dokonać krytycznej analizy, poprawnie zinterpretować wyniki symulacji i prawidłowo je zaprezentować - - + - - - - - - - -
M_U005 Potrafi ocenić przydatność i możliwość wykorzystania modeli numerycznych do lepszego zrozumienia i usprawniania procesów rzeczywistych - - + - - - - - - - -
Knowledge
M_W004 Zna i rozumie zjawiska fizyczne związane z transportem masy energii i pędu, rozkładami naprężeń i odkształceń + - + - - - - - - - -
M_W005 Ma wiedzę o trendach rozwojowych i nowych osiągnięciach z zakresu numerycznego modelowania procesów + - + - - - - - - - -
M_W006 Zna etapy tworzenia modeli numerycznych oraz metody, techniki i narzędzia przeznaczone do ich realizacji + - + - - - - - - - -
M_W007 Ma poszerzoną i pogłębioną wiedzę na temat wybranych procesów fizycznych + - + - - - - - - - -
Module content
Lectures:

Tematyka wykładów obejmuje następujące zagadnienia:
• Klasyfikacja modeli ze względu na różne kryteria (wymiar, obszar, modelowana wielkość itp.)
• Modele dynamiczne i statyczne, modele stacjonarne i niestacjonarne, modele o parametrach skupionych i rozłożonych.
• Konstrukcja różnych siatek obliczeniowych.
• Definiowanie warunków brzegowych i początkowych.
• Przejście od równań różniczkowych do postaci całkowej, metoda ważonych residuów, metoda wariacyjna dla równań transportu masy ciepła i równań równowagi.
• Uproszczenia stosowane w modelowaniu (redukcja wymiarów, zaniedbywanie nieznaczących czynników itp.)
• Etapy realizacji modelowania numerycznego. Model fizyczny. Model obliczeniowy. Model matematyczny. Problem continuum i wstęp do homogenizacji. Kalibracja i skalowanie modelu. Obliczenia i weryfikacja wyników.
• Dobór algorytmu obliczeniowego do rozwiązywanego zjawiska (stabilność numeryczna, kryteria stabilności)
• Modelowanie proste i odwrotne (optymalizacja procesów)
• Możliwości zastosowania i ograniczenia metod:
- różnic skończonych,
- elementów skończonych
- Monte Carlo
• Metody „alternatywne”:
- dynamiki molekularnej i pochodne
- gazu siatkowego
- automatów komórkowych
- sztucznych sieci neuronowych
- algorytmy genetyczne
• Modelowanie zjawisk:
- rozkładu naprężeń, odkształceń
- procesów transportu (ciepło, dyfuzja, adwekcja, konwekcja itp.)
- przemian fazowych
- wytrzymałości

Laboratory classes:
  1. Symulacja ruchów Browna metodą Monte-Carlo

    - student zna podstawy fizyczne ruchów Browna
    - student potrafi zastosować metodę Monte-Carlo do przeprowadzenia symulacji tego zjawiska

  2. Modelowanie transportu ciepła

    - student umie wykonać dyskretyzację równania różniczkowego przy użyciu prostych aproksymacji pochodnych funkcji
    - student potrafi zweryfikować poprawność uzyskanych wyników i przeanalizować stabilność numeryczną zastosowanego algorytmu

  3. Modelowanie transportu adwekcyjno-dyfuzyjnego metodą explicite

    - student zna równanie opisujące transport adwekcyjno-dyspersyjny
    - student potrafi napisać skrypt do numerycznego rozwiązania równania różniczkowego metodą explicite

  4. Modelowanie transportu adwekcyjno-dyfuzyjnego metodą implicite

    - student potrafi zastosować odpowiedni wariant warunków brzegowych
    - student potrafi napisać skrypt do numerycznego rozwiązania równania różniczkowego metoda implicite

  5. Modelowanie bilansu radiacyjnego dla Ziemi

    - student zna mechanizmy wpływające na bilans radiacyjny Ziemi
    - student potrafi ocenić wpływ różnych parametrów modelu na uzyskane wyniki

  6. Modelowanie obiegu pierwiastków

    - student umie stworzyć model opisujący złożony układ fizyczny stosując właściwe uproszczenia
    - student umie wykonać kalibrację modelu w oparciu o dostępne wyniki eksperymentalne

  7. Zastosowanie modeli o elementach skupionych do symulacji przepływów

    - student umie zastosować całkę splotu do symulacji transportu masy
    - student potrafi zastosować właściwy wariant modelu najlepiej opisujący modelowany obiekt

  8. Modelowanie smugi gaussowskiej

    - student umie pozyskać informacje z udostępnionych aktów prawnych w celu obliczenia poziomu zanieczyszczenia powietrza w funkcji odległości od emitera

  9. Zastosowanie znaczników do kalibracji modeli

    - student umie wykorzystać techniki znacznikowe do kalibracji i/lub weryfikacji używanych modeli

  10. Modelowanie odwrotne

    - student zna technikę modelowania odwrotnego i potrafi ją właściwie zastosować

  11. Modelowanie odwrotne z zastosowaniem metody sztucznych sieci neuronowych

    - student zna podstawy modelowania technika sztucznych sieci neuronowych
    - student potrafi właściwie zaplanować i odpowiednio zinterpretować uzyskane wyniki symulacji

  12. Symulacja przepływów metodą cząstek

    - student zna podstawowe odmiany metod cząstek
    - student zna możliwości zastosowania i ograniczenia metod cząstek

  13. Symulacja rozkładu naprężeń metodą elementów skończonych

    - student umie zastosować metodę elementów skończonych do symulacji rozkładu naprężeń
    - student umie właściwie zaprojektować siatkę obliczeniową

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 132 h
Module ECTS credits 5 ECTS
Participation in lectures 30 h
Realization of independently performed tasks 35 h
Participation in laboratory classes 30 h
Preparation of a report, presentation, written work, etc. 35 h
Examination or Final test 2 h
Additional information
Method of calculating the final grade:

Ocena z laboratorium stanowi średnią arytmetyczna z ocen za sprawozdania z poszczególnych ćwiczeń uwzględniających aktywność studenta na zajęciach oraz wykazanie się wiedzą przekazywaną na wykładach.

Ocena z laboratorium jest obliczana tylko wówczas, gdy student uzyskał ze wszystkich ćwiczeń pozytywne oceny cząstkowe.

Ocena końcowa obliczana jest jako średnia ważona oceny z laboratorium (40%) i egzaminu (60%).

Prerequisites and additional requirements:

• Znajomość algebry liniowej (operacje na wektorach i macierzach)
• Znajomość rachunku różniczkowego i całkowego
• Zaawansowana umiejętność programowania proceduralnego
• Wskazana znajomość środowiska MATLAB

Recommended literature and teaching resources:

Literatura:

Heermann D.W. Podstawy symulacji komputerowych w fizyce. Wydawnictwa Naukowo-Techniczne, 1997

Holnicki P., Nahorski Z., Żochowski A. Modelowanie procesów środowiska naturalnego. Wyższa Szkoła Informatyki Stosowanej i Zarządzania, Warszawa 2000.

Dzwinel W., Informatyczne problemy i perspektywy symulacji metodą cząstek. Wydawnictwa AGH, Kraków 1996.

Griebel M., Knapek S., Zumbusch G. Numerical Simulation in Molecular Dynamics. Springer 2007.

Pomoce naukowe:

Środowisko obliczeniowe MATLAB (dostęp w pracowniach komputerowych)
lub
Program FreeMat dostępny na licencji GNU Public licence v.2

Scientific publications of module course instructors related to the topic of the module:

Zimnoch, M., Wach, P., Chmura, L., Gorczyca, Z., Rozanski, K., Godlowska, J., Mazur, J., Kozak, K., Jericevic, A., 2014, Factors controlling temporal variability of near-ground atmospheric Rn-222 concentration over central Europe, ATMOSPHERIC CHEMISTRY AND PHYSICS, VOL 14(18), pp.9567-9581, DOI:10.5194/acp-14-9567-2014
Zimnoch, Miroslaw, Jelen, Dorota, Galkowski, Michal, Kuc, Tadeusz, Necki, Jaroslaw, Chmura, Lukasz, Gorczyca, Zbigniew, Jasek, Alina, Rozanski, Kazimierz, 2012, Partitioning of atmospheric carbon dioxide over Central Europe: insights from combined measurements of CO2 mixing ratios and their carbon isotope composition, ISOTOPES IN ENVIRONMENTAL AND HEALTH STUDIES Vol.48(3), pp.421-433, DOI:10.1080/10256016.2012.663368
Zimnoch, M., Godlowska, J., Necki, J. M., Rozanski, K., 2010, Assessing surface fluxes of CO2 and CH4 in urban environment: a reconnaissance study in Krakow, Southern Poland, TELLUS SERIES B-CHEMICAL AND PHYSICAL METEOROLOGY, Vol.62(5), pp.573-580, DOI:10.1111/j.1600-0889.2010.00489.x
Zimnoch, M, Florkowski, T, Necki, J, Neubert, R, 2004, Diurnal variability of delta C-13 and delta O-18 of atmospheric CO2 in the urban atmosphere of Krakow, Poland, ISOTOPES IN ENVIRONMENTAL AND HEALTH STUDIES, Vol.40(2), pp.129-143, DOI:10.1080/10256010410001670989

Additional information:

I – Sposób i tryb wyrównania zaległości powstałych wskutek nieobecności studenta na zajęciach:

Nieobecność na jednych ćwiczeniach zajęciach wymaga od studenta samodzielnego opanowania przerabianego na tych zajęciach materiału.
Nieobecność na więcej niż jednych 20% zajęć wymaga od studenta samodzielnego opanowania przerabianego na tych zajęciach materiału i jego zaliczenia w formie pisemnej w wyznaczonym przez prowadzącego terminie lecz nie później jak w ostatnim tygodniu trwania zajęć.
Student który bez usprawiedliwienia opuścił więcej niż 20% zajęć i jego cząstkowe wyniki w nauce były negatywne może zostać pozbawiony, przez prowadzącego zajęcia, możliwości wyrównania zaległości.

II – Zasady zaliczania zajęć:

Zaliczenie laboratorium wymaga zaliczenia wszystkich ćwiczeń podanych w treści modułu.
Warunkiem uzyskania zaliczenia z pojedynczego ćwiczenia jest:
udział w zajęciach
wykonanie co najmniej 50% zakresu przewidzianego dla danego ćwiczenia
zaliczone sprawozdanie z opracowaniem wyników