Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Modélisation informatique atomistique des matériaux : simulation et échantillonnage

Dans cours

MSE-421: Statistical mechanics

This course presents an introduction to statistical mechanics geared towards materials scientists. The concepts of macroscopic thermodynamics will be related to a microscopic picture and a statistical interpretation. Lectures and exercises will be compleme ...

Description

Cette séance de cours présente la modélisation informatique atomistique des matériaux, en mettant l'accent sur les potentiels et l'importance de l'échantillonnage. Il couvre la simulation et léchantillonnage dans lensemble canonique, la dynamique classique des atomes et des molécules, la construction de modèles pour les potentiels, la malédiction de la dimensionnalité dans la moyenne statistique, et léchantillonnage par dénombrement.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Enseignant·e

Michele Ceriotti

Michele Ceriotti received his Ph.D. in Physics from ETH Zürich in 2010. He spent three years in Oxford as a Junior Research Fellow at Merton College. Since 2013 he leads the laboratory for Computational Science and Modeling in the Institute of Materials at EPFL. His research revolves around the atomic-scale modelling of materials, based on the sampling of quantum and thermal fluctuations and on the use of machine learning to predict and rationalize structure-property relations. He has been awarded the IBM Research Forschungspreis in 2010, the Volker Heine Young Investigator Award in 2013, an ERC Starting Grant in 2016, and the IUPAP C10 Young Scientist Prize in 2018.

Source officielle

Proximité ontologique

Physique

Thermodynamique: Statistical mechanics

Concepts associés (32)

Échantillonnage (statistiques)

thumb|Exemple d'échantillonnage aléatoire En statistique, l'échantillonnage désigne les méthodes de sélection d'un sous-ensemble d'individus (un échantillon) à l'intérieur d'une population pour estimer les caractéristiques de l'ensemble de la population. Cette méthode présente plusieurs avantages : une étude restreinte sur une partie de la population, un moindre coût, une collecte des données plus rapide que si l'étude avait été réalisé sur l'ensemble de la population, la réalisation de contrôles destructifs Les résultats obtenus constituent un échantillon.

Échantillonnage stratifié

vignette|Vous prenez un échantillon aléatoire stratifié en divisant d'abord la population en groupes homogènes (semblables en eux-mêmes) (strates) qui sont distincts les uns des autres, c'est-à-dire. Le groupe 1 est différent du groupe 2. Ensuite, choisissez un EAS (échantillon aléatoire simple) distinct dans chaque strate et combinez ces EAS pour former l'échantillon complet. L'échantillonnage aléatoire stratifié est utilisé pour produire des échantillons non biaisés.

Ensemble statistique

En physique statistique, un ensemble statistique est une abstraction qui consiste à considérer une collection de copies virtuelles (ou répliques) d'un système physique dans l'ensemble des états accessibles où il est susceptible de se trouver, compte tenu des contraintes extérieures qui lui sont imposées, telles le volume, le nombre de particules, l'énergie et la température. Cette notion, introduite par le physicien américain Josiah Willard Gibbs en 1902, est un concept central de la physique statistique.

Ensemble canonique

En physique statistique, l’ensemble (ou situation) canonique est un ensemble statistique introduit par le physicien américain Josiah Willard Gibbs. Il correspond au cas d'un système physique de volume donné et contenant un nombre fixe de particules, en interaction avec un autre système, appelé réservoir ou thermostat, beaucoup plus grand que le système considéré et avec lequel il peut échanger de l'énergie mais pas de matière. Le thermostat se comporte comme un réservoir supposé infini d'énergie, la réunion des deux systèmes étant considérée comme isolée.

Distribution de Boltzmann

En physique statistique, la distribution de Boltzmann prédit la fonction de distribution pour le nombre fractionnaire de particules Ni / N occupant un ensemble d'états i qui ont chacun pour énergie Ei : où est la constante de Boltzmann, T est la température (postulée comme étant définie très précisément), est la dégénérescence, ou le nombre d'états d'énergie , N est le nombre total de particules : et Z(T) est appelée fonction de partition, qui peut être considérée comme égale à : D'autre part, pour un systè

Afficher plus

Séances de cours associées (34)

Échantillonnage de l'Ensemble Canonique

Explore l'échantillonnage de l'ensemble canonique, des fluctuations de température, de la distribution lagrangienne étendue et de Maxwell-Boltzmann dans les simulations de dynamique moléculaire.

Dynamique moléculaire et intégrateurs

Explore la dynamique moléculaire, les intégrateurs, la génération de trajectoires et la surveillance des erreurs dans la modélisation atomistique.

Quantum à la mécanique classique: Fondements

Couvre la transition de la mécanique quantique à la mécanique classique, la mécanique statistique, les simulations Monte Carlo et les simulations de dynamique moléculaire.

Chaîne de Markov: Configuration Échantillonnage

Introduit le concept d'un processus et d'une chaîne de Markov dans l'échantillonnage de configuration.

Dynamique moléculaire sous contraintes

Explore les simulations de dynamique moléculaire sous des contraintes holonomiques, en se concentrant sur l'intégration numérique et la formulation d'algorithmes.

Afficher plus

Concepts associés (32)

Échantillonnage (statistiques)

Échantillonnage stratifié

Ensemble statistique

Ensemble canonique

Distribution de Boltzmann

Afficher plus