| タイトルコード |
1000100614704 |
| 書誌種別 |
図書 |
| 書名 |
計算物理学 1 |
| 巻次(漢字) |
1 |
| 書名ヨミ |
ケイサン ブツリガク |
| 叢書名 |
実践Pythonライブラリー
|
| 各巻書名 |
数値計算の基礎/HPC/フーリエ・ウェーブレット解析 |
| 言語区分 |
日本語 |
| 著者名 |
R.H.Landau／[著]
M.J.Páez／[著]
C.C.Bordeianu／[著]
小柳 義夫／監訳
秋野 喜彦／[ほか]訳
|
| 著者名ヨミ |
R H Landau M J Paez C C Bordeianu オヤナギ ヨシオ アキノ ノブヒコ |
| 著者名原綴 |
Landau Rubin H. Páez Mejía Manuel José Bordeianu Cristian C. |
| 出版地 |
東京 |
| 出版者 |
朝倉書店
|
| 出版年月 |
2018.4 |
| 本体価格 |
￥５４００ |
| ISBN |
978-4-254-12892-5 |
| ISBN |
4-254-12892-5 |
| 数量 |
18,333,20p |
| 大きさ |
21cm |
| 分類記号 |
421.5
|
| 件名 |
数理物理学-データ処理
|
| 注記 |
原タイトル:Computational physics 原著第3版の翻訳 |
| 注記 |
文献:巻末p1〜8 |
| 内容紹介 |
計算物理学の理論からPythonによる実装まで解説。1は、計算機ソフトウェアの基礎、数値計算の誤差と不確実さ、微分と積分、行列の数値計算、フーリエ解析、ウェーブレット解析と主成分分析などを収録。 |
| 目次タイトル |
1.はじめに |
|
1.1 計算物理と計算科学 1.2 本書が扱うテーマ 1.3 本書に収録した課題 1.4 本書で用いる言語:Pythonエコシステム 1.5 Pythonの可視化ツール 1.6 演習(プロット) 1.7 Pythonの数式処理ツール |
|
2.計算機ソフトウェアの基礎 |
|
2.1 コンピュータを意のままに操る 2.2 プログラミングの準備 2.3 PythonのI/O 2.4 コンピュータにおける数の表現(理論) 2.5 課題:級数の計算 |
|
3.数値計算の誤差と不確実さ |
|
3.1 誤差の種類(理論) 3.2 球ベッセル関数における誤差(課題) 3.3 誤差を実験的に調べる |
|
4.モンテカルロ法:乱数,ランダムウォーク,減衰 |
|
4.1 コンピュータで生成する擬似的な乱数 4.2 乱数列(理論) 4.3 ランダムウォーク(課題) 4.4 拡張:タンパク質のフォールディングと自己回避ランダムウォーク 4.5 放射性崩壊(課題) 4.6 崩壊のシミュレーションの実装と可視化 |
|
5.微分と積分 |
|
5.1 微分 5.2 前進差分(アルゴリズム) 5.3 中心差分(アルゴリズム) 5.4 高精度の中心差分(アルゴリズム) 5.5 誤差の評価 5.6 2次微分係数(課題) 5.7 積分 5.8 長方形の個数を数えて数値積分を行う(数学) 5.9 アルゴリズム:台形則 5.10 アルゴリズム:シンプソン則 5.11 数値積分の誤差(評価) 5.12 アルゴリズム:ガウス求積法 5.13 高次式を用いる数値積分(アルゴリズム) 5.14 石を投げて面積を測るモンテカルロ法(課題) 5.15 平均値の定理を用いた積分(理論と数学) 5.16 数値積分の演習 5.17 多次元モンテカルロ積分(課題) 5.18 急激に変化する関数の積分(課題) 5.19 分散低減法1(手法) 5.20 分散低減法2(手法) 5.21 フォン・ノイマンの棄却法(手法) 5.22 実装 |
|
6.行列の数値計算 |
|
6.1 課題3:N次元ニュートン-ラフソン;糸で結ばれた2個の物体 6.2 なぜ行列計算ライブラリを使うか? 6.3 行列問題のパターン(数学) 6.4 Pythonにおける配列としてのリスト 6.5 NumPy(Numerical Python)の配列 6.6 演習:行列のプログラムをテストする |
|
7.試行錯誤による解の探索,およびデータへのフィッティング |
|
7.1 課題1:箱の中の量子状態の探索 7.2 アルゴリズム:二分法を用いた試行錯誤による解の探索 7.3 改良されたアルゴリズム:ニュートン-ラフソン法 7.4 課題2:磁化の温度依存性 7.5 課題3:実験的なスペクトルに曲線をフィットする 7.6 課題4:指数関数的減衰のフィッティング 7.7 最小2乗法(理論) 7.8 演習:指数関数的減衰,熱流,ハッブル則に関係するフィッティング |
|
8.微分方程式を解く:非線形振動 |
|
8.1 非線形振動子の自由振動 8.2 非線形振動子(モデル) 8.3 微分方程式の種類(数学) 8.4 ODEの標準的な形(理論) 8.5 ODEアルゴリズム 8.6 ルンゲ-クッタ法 8.7 アダムス-バシュフォース-ムルトンの予測子・修正子法 8.8 非線形振動子の解(評価) 8.9 非線形振動子の共鳴,うなり,摩擦(発展課題) 8.10 時間的に変化する駆動力(発展課題) |
|
9.ODEの応用:固有値問題,散乱問題,放物体の運動 |
|
9.1 課題:いろいろなポテンシャルによる量子力学的な固有値 9.2 ふたつの要素をもつアルゴリズム:ODEソルバーと探索で求める固有値 9.3 ポテンシャル井戸の形を変える(発展課題) 9.4 課題:古典力学のカオス的散乱問題 9.5 課題:上空から落ちてくるボール 9.6 理論:空気抵抗を受ける放物体の運動 9.7 演習:惑星運動の2体および3体問題とカオス的天候 |
|
10.ハイ・パフォーマンス・コンピューティングのためのハードウェアと並列計算機 |
|
10.1 ハイ・パフォーマンス・コンピュータ 10.2 メモリの階層構造 10.3 中央演算処理ユニット(CPU) 10.4 CPUの設計:RISC 10.5 CPU設計:マルチコア・プロセッサ 10.6 CPU設計:ベクトル・プロセッサ 10.7 並列計算入門 10.8 並列計算のセマンティクス(理論) 10.9 分散メモリ・プログラミング 10.10 並列性能 10.11 並列化の戦略 10.12 並列処理から見たMIMDメッセージ・パッシング 10.13 スケーラビリティ 10.14 データ並列と領域分割 10.15 例:IBM Blue Geneスーパーコンピュータ 10.16 マルチノード・マルチコアGPUを使ったエクサスケールの計算 |
|
11.HPC(応用編):最適化,チューニング,GPUプログラミング |
|
11.1 プログラムの最適化(一般論) 11.2 NumPyを使った行列の最適化プログラミング 11.3 ハードウェアのパフォーマンス(実験) 11.4 データキャッシュのためのプログラミング(手法) 11.5 ハイパフォーマンス・コンピューティングのためのGPU 11.6 マルチコアとGPUプログラミングのための実用的なヒント |
|
12.フーリエ解析:信号とフィルタ |
|
12.1 非線形振動のフーリエ解析 12.2 フーリエ級数(数学) 12.3 演習:フーリエ級数の部分和 12.4 フーリエ変換(理論) 12.5 離散フーリエ変換 12.6 ノイズを含む信号にフィルタをかける 12.7 自己相関関数を利用したノイズの除去(理論) 12.8 フーリエ変換を用いたフィルタ(理論) 12.9 高速フーリエ変換(FFT) 12.10 FFTの実装 12.11 FFTプログラムの評価 |
|
13.ウェーブレット解析と主成分分析:非定常信号とデータ圧縮 |
|
13.1 課題:非定常的な信号のスペクトル解析 13.2 ウェーブレットの基礎 13.3 波束と不確定性原理(理論) 13.4 短時間フーリエ変換(数学) 13.5 ウェーブレット変換 13.6 離散ウェーブレット変換,多重解像度解析 13.7 主成分分析 |
