Simulação e Modelação Computacional em Engenharia Física

Caracterização geral

Pré-requisitos

Programação em linguagens diversas. Domínio da língua inglesa. Acesso a um computador com ligação à Internet. Terceiro ano completo da Licenciatura em Engenharia Física ou formação equivalente. 

Bibliografia

“An Introduction to Agent-Based Modeling: Modeling Natural, Social, and Engineered Complex Systems with NetLogo” U. Wilensky, W. Rand (2015)

“Introduction to Statistical Physics” J. Casquilho, P. Teixeira (2015) QC174.8.CAS

“An Introduction to Computer Simulation Methods: applications to physical systems” H. Gould, J. Tobochnik, W. Christian (2006) QC52.GOU

“Genetic Algorithm Model Fitting”, M. Lybanon, K. Messa, in “Practical Handbook of Genetic Algorithms: Complex Coding Systems, Volume III”, L. Chambers Ed. (1998)

“A Guide to Simulation” P. Bratley, B. Fox, L. Schrag (1987) CIUL-1023

“Introduction to Computational Science: Modeling and Simulation for the Sciences”, A. B. Shiflet, G. W. Shiflet (2014)

“Basic Concepts in Computational Physics” B. A. Stickler, E. Schachinger (2016)

Método de ensino

Em cada bloco do programa da unidade curricular o docente apresenta uma introdução ao tema e ou métodos. Os alunos implementam de raíz o programa com as características mínimas indicadas pelo docente, obtém resultados e analisam os mesmos. O programa é alterado pelos alunos, com acompanhamento do docente, para irem explorando outros pressupostos e ou métodos de simulação assim como efectuarem análises dos novos resultados. Os alunos apresentam o programa interactivamente ao docente na sala de aula e posteriormente entregam o programa final até à data limite estabelecida no calendário da disciplina.

Método de avaliação

De acordo com o REGULAMENTO DE AVALIAÇÃO DE CONHECIMENTOS DA FACULDADE DE CIÊNCIAS E TECNOLOGIA DA UNIVERSIDADE NOVA DE LISBOA (aprovado em 16 de janeiro de 2018), esta é uma unidade curricular com "Avaliação Laboratorial ou de Projeto". Efetuada com base na realização de trabalhos práticos laboratoriais, de projeto ou de resolução de problemas, e seus relatórios e/ou respetivos testes, realizados individualmente ou em grupo, e sua discussão, caso exista;

1) Avaliação por 2 trabalhos computacionais entre os propostos pelo docente e efectuado em grupo com nota até 9 valores.

2) Avaliação sumátiva do desempenho e participação nas aulas e discussão sobre os vários temas ao longo do semestre

Frequência na UC pela presença em pelo menos 2/3 das aulas.

Conteúdo

• Revisão Breve de Programação (R, Python, Java e C++)

• Introdução a Bibliotecas Numéricas e Gráficas:

• Cálculo numérico

• Análise de dados, Modelagem e Visualização de dados

• Relatórios Dinâmicos usando Markdown/Quarto

• Computação de Alto Desempenho com DLLs: Integração de C++/C# com R, Python e VBA

• Manipulação de Dados com Integração de SQL

Tópicos Principais 

Bloco 1: Métodos Numéricos e Modelagem Matemática

• Métodos de Integração Numérica

• Variáveis Aleatórias e Distribuições Discretas

• Métodos de Monte Carlo e Quasi-Monte Carlo

• Métodos de Redução de Variância

• Método das Diferenças Finitas (FDM)

• Equação da Difusão

Bloco 2: Análise Estatística e Redução de Dimensionalidade

• Introdução à Regressão Linear

• Análise de Componentes Principais (PCA)

• Análise Discriminante Linear (LDA)

• Análise de Componentes Principais com Kernel (kPCA)

• Análise de Componentes Independentes (ICA)

• Máquinas de Vetores de Suporte (SVM)

Bloco 3: Análise e Previsão de Séries Temporais

• Introdução à Análise de Séries Temporais

• Modelos de Séries Temporais para Previsão:

• AR (Modelo Autorregressivo)

• MA (Modelo de Média Móvel)

• ARMA (Modelo Autorregressivo de Média Móvel)

• ARIMA (Modelo Autorregressivo Integrado de Média Móvel)

• Modelos Avançados de Volatilidade:

• ARCH (Heterocedasticidade Condicional Autorregressiva)

• GARCH (Heterocedasticidade Condicional Autorregressiva Generalizada)

Cursos

Cursos onde a unidade curricular é leccionada: