Type of Credit: Partially Required
Credit(s)
Number of Students
介紹統計物理的重要模型及其數值方法。統計物理模型主要涉及關聯性多個體問題，常用來描述凝態物理或高能物理所探討之現象及理論。因為此類模型往往沒有解析解，故電腦計算成為必要之解決方法。計算物理方法也提供跨各科學領域之途徑。
1. 請自備具網路功能之筆電
2. 修課學生應具備寫程式的基本能力
能力項目說明
1. 培養學生以電腦計算方法解決物理及其他相關科學問題
2. 認識常用物理模型的意義及其應用
3. 提供學生學習撰寫簡單程式的機會
| 教學週次Course Week | 彈性補充教學週次Flexible Supplemental Instruction Week | 彈性補充教學類別Flexible Supplemental Instruction Type |
|---|---|---|
| 週次 | 課程主題 | 教學活動 | 作業 | 學習投入時數 (含上課時數) |
| 1 | Introduction | 課堂講述/演練 | 演練題 | 5 |
| 2 | Random Processes | 課堂講述/演練 | 演練題 | 5 |
| 3 | Random Processes | 課堂講述/演練 | 演練題 | 5 |
| 4 | Random Processes | 課堂講述/演練 | 演練題 | 5 |
| 5 | Quantum Simulation | 課堂講述/演練 | 演練題 | 5 |
| 6 | Quantum Simulation | 課堂講述/演練 | 演練題 | 5 |
| 7 | Quantum Simulation | 課堂講述/演練 | 演練題 | 5 |
| 8 | Monte Carlo Methods | 課堂講述/演練 | 演練題 | 5 |
| 9 | Monte Carlo Methods | 課堂講述/演練 | 演練題 | 5 |
| 10 | Monte Carlo Methods | 課堂講述/演練 | 演練題 | 5 |
| 11 | Machine Learning Algorithms | 課堂講述/演練 | 演練題 | 5 |
| 12 | Machine Learning Algorithms | 課堂講述/演練 | 演練題 | 5 |
| 13 | Machine Learning Algorithms | 課堂講述/演練 | 演練題 | 5 |
| 14 | Machine Learning Algorithms | 課堂講述/演練 | 演練題 | 5 |
| 15 | 期末報告 | 學生報告 | 準備報告 | 6 |
| 16 | 期末報告 | 學生報告 | 準備報告 | 6 |
習題 50%
期末作業 50% 【每位學生應完成期末口頭報告含作品呈現，及書面報告含程式檔】
課堂講義及相關資料