कम्प्यूटेशनल भौतिकी

मुक्त ज्ञानकोश विकिपीडिया से
यहाँ जाएँ: भ्रमण, खोज

कम्प्यूटेशनल भौतिकी है संख्यात्मक अध्ययन के कार्यान्वयन और एल्गोरिदम करने में समस्याओं का समाधान भौतिकी जिसके लिए एक मात्रात्मक सिद्धांत पहले से ही मौजूद है. It is often regarded as a subdiscipline of theoretical physics but some consider it an intermediate branch between theoretical and experimental physics . इसके बारे में एक माना जाता है subdiscipline रूप में अक्सर के सैद्धांतिक भौतिकी , लेकिन कुछ और विचार शाखा के बीच सैद्धांतिक मध्यवर्ती यह एक प्रायोगिक भौतिकी .

Physicists often have a very precise mathematical theory describing how a system will behave. भौतिकविदों अक्सर व्यवहार एक बहुत ही सटीक गणितीय सिद्धांत वर्णन कैसे प्रणाली एक. Unfortunately, it is often the case that solving the theory's equations ab initio in order to produce a useful prediction is not practical. दुर्भाग्य से, यह समीकरण है अक्सर मामला है कि सिद्धांत को हल है प्रभाव के तहत अब क्रम में भविष्यवाणी उपयोगी निर्माण करने के लिए एक व्यावहारिक नहीं है. This is especially true with quantum mechanics , where only a handful of simple models have complete analytic solutions. इस के साथ विशेष रूप से सच है क्वांटम यांत्रिकी , जहां केवल साधारण मॉडल की एक मुट्ठी विश्लेषणात्मक समाधान है पूरा. In cases where the systems only have numerical solutions, computational methods are used. मामलों में जहां केवल संख्यात्मक प्रणालियों समाधान है में, कम्प्यूटेशनल विधियों किया जाता है. [ edit ] Applications of computational physics [ संपादित करें कम्प्यूटेशनल भौतिकी] अनुप्रयोग

Computation now represents an essential component of modern research in accelerator physics , astrophysics , fluid mechanics , lattice field theory / lattice gauge theory (especially lattice quantum chromodynamics ), plasma physics (see plasma modeling ) and solid state physics . अब गणना में एक आधुनिक अनुसंधान के आवश्यक घटक का प्रतिनिधित्व करता है त्वरक भौतिकी , खगोल भौतिकी , द्रव यांत्रिकी , जाली क्षेत्र सिद्धांत / जाली गेज सिद्धांत (विशेष रूप से जाली क्वांटम chromodynamics ), प्लाज्मा भौतिकी (देखें प्लाज्मा मॉडलिंग ) और ठोस अवस्था भौतिकी . Computational solid state physics, for example, uses density functional theory to calculate properties of solids, a method similar to that used by chemists to study molecules. कम्प्यूटेशनल ठोस अवस्था भौतिकी, उदाहरण के लिए, का उपयोग करता घनत्व कार्यात्मक सिद्धांत के अध्ययन के अणुओं की गणना करने के गुणों के केमिस्टों द्वारा प्रयोग किया जाता है कि एक, ठोस विधि के समान है.

Many other more general numerical problems fall loosely under the domain of computational physics, although they could easily be considered pure mathematics or part of any number of applied areas. कई अन्य अधिक सामान्य संख्यात्मक समस्याओं कम्प्यूटेशनल भौतिक विज्ञान के डोमेन के नीचे गिर शिथिल, हालांकि वे शुद्ध माना जाता सकता है आसानी से गणित या क्षेत्रों पर लागू संख्या के किसी भी हिस्से की. These include इन में शामिल

   * Solving differential equations जनविरोध समीकरणों अंतर है
   * Evaluating integrals मूल्यांकन integrals
   * Stochastic methods, especially Monte Carlo methods Stochastic तरीकों, विशेष रूप से मोंटे कार्लो तरीकों
   * Specialized partial differential equation methods, for example the finite difference method and the finite element method विशिष्ट आंशिक विभेदक समीकरण तरीकों, उदाहरण के लिए परिमित अंतर विधि और परिमित तत्व विधि
   * The matrix eigenvalue problem – the problem of finding eigenvalues of very large matrices, and their corresponding eigenvectors ( eigenstates in quantum physics ) मैट्रिक्स eigenvalue समस्या - खोजने की समस्या eigenvalues matrices का बहुत बड़ा है, और उनके इसी eigenvectors ( eigenstates में क्वांटम भौतिकी )
   * The pseudo-spectral method छद्म वर्णक्रमीय विधि 

All these methods (and several others) are used to calculate physical properties of the modeled systems. इन सभी तरीकों (और कई अन्य लोगों) के लिए मॉडलिंग प्रणालियों के भौतिक गुणों की गणना किया जाता है. Computational Physics also encompasses the tuning of the software/hardware structure to solve the problems (as the problems usually can be very large, in processing power need or in memory requests). कम्प्यूटेशनल भौतिकी भी / हार्डवेयर के लिए (समस्या के रूप में समस्याओं को आमतौर पर बहुत बड़ा किया जा सकता है हल करने के प्रसंस्करण शक्ति या स्मृति अनुरोधों में जरूरत संरचना, सॉफ्टवेयर की ट्यूनिंग शामिल है).