Numerische Methoden in der Computerphysik

Numerische Methoden stellen der Physik das algorithmische Gerüst zur Verfügung, um Gleichungen zu lösen, die keine geschlossene Lösung haben. Sie wandeln Differentialgleichungen, Integrale und Matrixprobleme in endliche Arithmetik um, die ein Computer mit kontrolliertem Fehler ausführen kann.

Definition

Numerische Methoden in der Computerphysik sind Diskretisierungs- und Approximationsalgorithmen, die verwendet werden, um kontinuierliche physikalische Modelle in endliche Berechnungen umzuwandeln, unter Berücksichtigung von Trunkierungsfehlern, numerischer Stabilität und der Erhaltung physikalischer Invarianten.

Scope

Dieser Bereich umfasst das Kern-Toolkit numerischer Methoden, auf dem die Computerphysik aufbaut: Integratoren für gewöhnliche und partielle Differentialgleichungen, Methoden für große lineare Algebra- und Eigenwertprobleme, die sich aus diskretisierter Physik ergeben, sowie Nullstellenfindung und Optimierung für nichtlineare physikalische Bedingungen. Er betont Genauigkeit, Stabilität und die physikalische Interpretation der Diskretisierung, anstatt abstrakte numerische Analyse um ihrer selbst willen zu betreiben.

Sub-topics

• Numerische lineare Algebra und Eigenprobleme in der Physik
• ODE-Löser für physikalische Systeme
• PDE-Methoden in der Computerphysik
• Nullstellensuche und Optimierung in der Physik

Core questions

• Wie werden kontinuierliche Differentialgleichungen der Physik in stabile, genaue Finite-Differenzen- oder Finite-Elemente-Schemata umgewandelt?
• Was steuert den Kompromiss zwischen Schrittweite, Trunkierungsfehler und Stabilität in einem Integrator?
• Wie werden die großen dünnbesetzten linearen Systeme und Eigenprobleme aus der diskretisierten Physik effizient gelöst?
• Wie bewahren numerische Schemata physikalische Invarianten wie Energie, Impuls oder die symplektische Struktur?

Key theories

Diskretisierung und Trunkierungsfehler

Das Ersetzen von Ableitungen und Integralen durch Finite-Differenzen- oder Quadraturapproximationen führt zu Trunkierungsfehlern, die als Potenz der Schrittweite skalieren und die Genauigkeitsordnung eines Schemas bestimmen.

Numerische Stabilität

Ein Schema ist stabil, wenn Fehler bei der Iteration nicht unbegrenzt wachsen; Stabilitätsbedingungen wie das Courant-Friedrichs-Lewy-Kriterium beschränken die zulässigen Zeit- und Raumschritte für Evolutionsgleichungen.

Dünnbesetzte lineare Algebra und Eigenprobleme

Diskretisierte physikalische Operatoren ergeben große dünnbesetzte Matrizen, deren lineare Systeme und Eigenwerte mit iterativen Krylov-, Lanczos- und Konjugierte-Gradienten-Methoden anstelle von dichter Faktorisierung gefunden werden.

Clinical relevance

Diese Methoden bilden die Grundlage für praktisch die gesamte quantitative Physik, die auf Computern durchgeführt wird: Orbital- und Trajektorienintegration, elektromagnetische und Quantenfeldlöser, Fluid- und Wärmetransport-Simulationen sowie die Lösung von Matrixproblemen, die der elektronischen Struktur und Gittermodellen zugrunde liegen.

History

Die numerische Lösung physikalischer Gleichungen reicht von Handberechnungen in der Himmelsmechanik und Ballistik über die Transformation durch elektronische Computer, die in den 1940er Jahren für die Kriegsphysik gebaut wurden, bis hin zur Etablierung als Standardmethodik durch Referenzwerke wie „Numerical Recipes“ und den Aufstieg von Curricula der Computerphysik im späten zwanzigsten Jahrhundert.

Key figures

• John von Neumann
• William H. Press
• Cornelius Lanczos
• Rubin H. Landau

Seminal works

• press2007
• landau2015

Frequently asked questions

Warum nicht einfach eine sehr kleine Schrittweite verwenden, um eine hohe Genauigkeit zu erzielen?

Das Verkleinern der Schrittweite reduziert den Trunkierungsfehler, erhöht jedoch die Anzahl der Schritte und die Akkumulation von Rundungsfehlern. Bei einigen expliziten Schemata führt eine zu große Schrittweite eher zu Instabilität als zu bloßer Ungenauigkeit. Gute Methoden balancieren Genauigkeitsordnung, Stabilität und Kosten, anstatt sich auf brute-force kleine Schritte zu verlassen.

Wie unterscheidet sich die numerische Physik von der numerischen Analyse?

Die numerische Analyse untersucht Algorithmen und ihre Fehlergrenzen im Allgemeinen, während numerische Methoden in der Physik diese Algorithmen an physikalische Gleichungen anpassen und dabei Erhaltungssätze, Symmetrien und die physikalische Interpretierbarkeit des diskretisierten Modells priorisieren.