La física computacional resuelve numéricamente las ecuaciones de la física cuando el lápiz y el papel no bastan: órbitas de muchos cuerpos, fluidos, campos, sistemas cuánticos, conjuntos estadísticos. Te entrena para convertir una ley en un algoritmo, para saber en qué se equivoca el algoritmo, y para contrastar los resultados con límites que puedes calcular a mano.
Conceptos clave
- Integración de las ecuaciones de movimiento: Euler, Runge-Kutta y los métodos simplécticos, que evitan que la energía se desvíe en órbitas largas.
- Campos y mallas: diferencias y volúmenes finitos para ondas, difusión y fluidos, y el límite de estabilidad que liga el paso de tiempo con la malla.
- Monte Carlo: muestreo aleatorio para sistemas estadísticos e integrales, como el modelo de Ising.
- Leyes de conservación como pruebas: la energía, el momento y la carga deben permanecer constantes, así que seguirlos descubre errores.
- Escalas y unidades: adimensionalizar un problema mantiene los números sensatos y revela sus parámetros de control.
Vocabulario
- Paso de tiempo: el intervalo en que avanza una simulación en cada iteración.
- Condiciones de contorno: lo que hace un campo en el borde del dominio.
- Caos: dependencia sensible de las condiciones iniciales, que limita la predicción a largo plazo.
- Efecto de tamaño finito: un error causado por simular un trozo pequeño de un sistema grande.
Qué estudiar, en orden
- Mecánica y cálculo, y luego un lenguaje con matemáticas rápidas sobre arreglos.
- Simula un péndulo con varios integradores y dibuja la energía frente al tiempo para cada uno.
- Resuelve las ecuaciones de difusión y de ondas en una malla, y encuentra el paso de tiempo en que el esquema se vuelve inestable.
- Escribe una simulación Monte Carlo del modelo de Ising y busca la transición de fase.
- Simula un problema de muchos cuerpos y comprueba las leyes de conservación y un límite conocido.
Etiquetas relacionadas
#numerical-analysis #simulation #physics-simulation #computational-chemistry #hpc