Studiare

In questa sezione è possibile reperire le informazioni riguardanti l'organizzazione pratica del corso, lo svolgimento delle attività didattiche, le opportunità formative e i contatti utili durante tutto il percorso di studi, fino al conseguimento del titolo finale.

Piano Didattico

Il piano didattico è l'elenco degli insegnamenti e delle altre attività formative che devono essere sostenute nel corso della propria carriera universitaria.
Selezionare il piano didattico in base all'anno accademico di iscrizione.

1° Anno

InsegnamentiCreditiTAFSSD

2° Anno  Attivato nell'A.A. 2023/2024

InsegnamentiCreditiTAFSSD
Attivato nell'A.A. 2023/2024
InsegnamentiCreditiTAFSSD
Insegnamenti Crediti TAF SSD
Tra gli anni: 1°- 2°
1 module among the following (a.a. 2023/24: Data protection in business organizations not activated)
6
C
IUS/17
Tra gli anni: 1°- 2°
2 modules among the following (a.a. 2023/24: Statistical methods for business intelligence not activated)
Tra gli anni: 1°- 2°
2 modules among the following

Legenda | Tipo Attività Formativa (TAF)

TAF (Tipologia Attività Formativa) Tutti gli insegnamenti e le attività sono classificate in diversi tipi di attività formativa, indicati da una lettera.




S Stage e tirocini presso imprese, enti pubblici o privati, ordini professionali

Codice insegnamento

4S009082

Crediti

6

Offerto anche nei corsi:

  • Complex systems del corso Laurea magistrale in Artificial Intelligence [LM-18]

Lingua di erogazione

Inglese en

Settore Scientifico Disciplinare (SSD)

FIS/02 - FISICA TEORICA, MODELLI E METODI MATEMATICI

Periodo

Secondo semestre dal 6 mar 2023 al 16 giu 2023.

Obiettivi di apprendimento

Il corso mira a far acquisire allo studente le competenze di metodi della fisica teorica e della fisica matematica per la modellizzazione e la caratterizzazione di grandi insiemi di dati, di serie storiche, di successioni temporali, e di strutture gerarchiche in aggregazione. Verranno inoltre acquisiti metodi della fisica-matematica per lo studio dei rapporti di correlazione, causazione, e aggregazione in sistemi sociali complessi. Al termine del corso lo studente dovrà dimostrare di: ●_x0001_saper elaborare modelli formali per l'analisi qualitativa e quantitativa di banche dati, serie storiche, e dinamiche di sistemi complessi in interazione per l'estrazione di relazioni causali, strutture di correlazione, e schemi di previsione.

Prerequisiti e nozioni di base

Conoscenze di base di Analisi 1 (studio di funzioni, equazioni differenziali ordinarie) e Analisi 2 (analisi vettoriale). Conoscenze di base di probabilità e statistica. Conoscenze di base di meccanica classica non sono necessarie ma potrebbero essere utili.

Programma

Ripasso su equazioni differenziali ordinarie (ODE). Definizione di sistemi dinamici. Introduzione al caos. Soluzione numerica di ODE. Sistemi dinamici lineari. Sistemi dinamici non lineari. Stabilità dei punti fissi. Mappe. Stabilità dei punti fissi delle mappe. La mappa logistica. Modello di Lorenz. Sistemi di Lotka-Volterra.

Introduzione ai processi stocastici. Evoluzione biologica e dinamica stocastica di popolazioni. Sistemi spaziali. Processi di reazione-diffusione. Dinamica stocastica non-stazionaria. Equazione di Fokker-Plank. Diffusione anomala. Modelli di congestione del traffico. Modello dinamico di ripartizione della ricchezza.

Introduzione alla meccanica statistica. Richiami di termodinamica. Entropia. Ensemble statistici: sistemi isolati, ensemble microcanonico, ensemble canonico. Meccanica statistica all'equilibrio. Funzione di partizione. Introduzione alle transizioni di fase. Introduzione al modello di Ising: approssimazione di campo medio, cenni al caso 1d e 2d.

Bibliografia

Visualizza la bibliografia con Leganto, strumento che il Sistema Bibliotecario mette a disposizione per recuperare i testi in programma d'esame in modo semplice e innovativo.

Modalità didattiche

Lezioni frontali.

Modalità di verifica dell'apprendimento

Per superare l'esame lo studente dovrà dimostrare di:
- aver compreso i principi alla base della fisica teorica e della fisica matematica per la modellizzazione e la caratterizzazione dei sistemi di meccanica statistica
- essere in grado di esporre le proprie argomentazioni in modo preciso e organico senza divagazioni
- saper applicare le conoscenze acquisite per risolvere problemi applicativi presentati sotto forma di esercizi, domande e progetti.
L’esame consisterà nell’elaborazione di una tesina scritta di approfondimento su uno o più temi trattati nel corso, con successiva presentazione e discussione.
Esame orale con eventuale discussione di un elaborato di approfondimento di un argomento trattato nel corso.

Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI

Criteri di valutazione

Fino a 30 punti con eventuale lode per l'esame orale.

Criteri di composizione del voto finale

L'intero voto sarà determinato dalla prova orale.

Lingua dell'esame

English