PRESENTAZIONE

Laboratorio di Metodi Computazionali e Statistici (LMCS, codice 90741) vale 6 crediti e si svolge nel primo semestre del 3° anno della laurea triennale (L-30)

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

Il corso si prefigge di consolidare ed ampliare le competenze di calcolo, analisi statistica e programmazione, finalizzate all’analisi e acquisizione dati in esperienze di laboratorio.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

Il corso si occupa di fisica computazionale, affrontando la soluzione numerica delle equazioni differenziali ordinarie e alle derivate parziali, e di analisi dati avanzata, trattando rudimenti di simulazione Monte Carlo, approfondendo le tecniche di best-fit e accennando a tecniche multivariate di separazione di segnale dal fondo.

Il corso si prefigge inoltre di estendere le conoscenze informatiche acquisite a Laboratorio di Calcolo affrontando più approfonditamente la programmazione Object-Oriented in C++ e fornendo rudimenti di Python e shell scripting. Quando necessario si useranno pacchetti di più alto livello (ROOT, Octave/Matlab).

PREREQUISITI

Il corso parte dando per acquisite le competenze di calcolo contenute nel corso del primo anno.

MODALITA' DIDATTICHE

Lezioni frontali ed esercitazioni di laboratorio.

PROGRAMMA/CONTENUTO

Programma delle lezioni:

• Programmazione OO (ereditarietà, polimorfismo), shell scripting e Python, esemplificazione dell'uso di pacchetti/librerie specifiche (ROOT, Octave/Matlab)
• Soluzione numerica delle equazioni differenziali ordinarie. Applicazioni alla fisica classica e alla meccanica quantistica (metodo di Numerov per l'equazione di Schrodinger).
• Soluzione numerica delle equazioni differenziali alle derivate parziale. Applicazioni a eletromagnetismo e propagazione del calore.
• Introduzione alla generazione di variabile aleatorie e alla simulazione Monte Carlo
• Estrazione di grandezze di interesse da un campione di dati: Likelihood binned e unbinned. Stima puntuale, intervalli di confidenza. Test d'ipotesi. Limiti.
• Cenni a tecniche di classificazione multivariata (Likelihood ratio, reti neurali).

TESTI/BIBLIOGRAFIA

Sono forniti appunti/slides durante il corso. Un'elenco di possibili testi per approfondimenti è disponibile sulla pagina del corso su Aulaweb.

DOCENTI E COMMISSIONI

Commissione d'esame

FABRIZIO PARODI (Presidente)

ROBERTA CARDINALE

STEFANO PASSAGGIO

LEZIONI

Orari delle lezioni

L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy

ESAMI

MODALITA' D'ESAME

Prova singola al calcolatore. Tesina su argomento specifico.

MODALITA' DI ACCERTAMENTO

L'esame prevede una prova al calcolatore volta ad accertare l'acquisizione delle competenze computazionali e statistiche fornite dal corso.
La tesina è volta a verificare le capacità di applicare le tecniche apprese a problemi fisici.

Calendario appelli