2026/2027
High-Performance Computational Methods for Functional Materials
ID 1237463
Type:
Optional course (university)
Delivered by:
School of Electronic Engineering
When:
3, 4 module
Open to:
everyone
Instructors:
Tiago Teixeira Saraiva
Language:
English
ECTS credits:
3
Contact hours:
80
Course Syllabus
Abstract
In this course, it is approached several computational methods in the field of condensed matter physics and functional materials. The students will learn four thematic blocks: statistical modeling (Monte Carlo and molecular dynamics), quantum multiparticle methods, electronic structure (band theory and density functional theory), as well as advanced quantum materials (superconductivity and topological systems). At each stage, parallel algorithms are implemented in C++ and CUDA for the GPU.
Learning Objectives
- Цель дисциплины «Высокопроизводительные вычислительные методы для функциональных материалов» — дать студентам общее представление о статистических, квантово-многочастичных и зонных методах моделирования функциональных материалов, а также базовые практические навыки реализации этих методов в виде программного кода на C++ и знакомство с параллельными вычислениями на GPU (CUDA). Курс развивает умение проверять результаты численного моделирования на соответствие известным физическим результатам. (English) The goal of the course “High‑Performance Computational Methods for Functional Materials” is to provide students with a general understanding of statistical, quantum many‑body, and band methods for modeling functional materials, as well as basic practical skills in implementing these methods in the form of C++ software code and an introduction to parallel computing on GPUs (CUDA). The course develops the ability to verify the results of numerical modeling against known physical results.
Expected Learning Outcomes
- Принципы классической молекулярной динамики: интеграторы, термостаты, ансамбли;
- Базовые представления о вторичном квантовании и теории функционала плотности (теоремы Хоэнберга-Кона, уравнения Кона-Шэма);
- Основы зонной теории периодических твердых тел: теорему Блоха и метод сильной связи;
- Феноменологическое описание сверхпроводимости (теория Гинзбурга-Ландау, основы теории БКШ);
- Основы архитектуры GPU и модели параллельного программирования CUDA.
- Понятие топологического инварианта;
- Основы статистической механики и стохастической выборки, лежащие в основе методов Монте-Карло;
Course Contents
- Методы Монте-Карло (Monte Carlo Methods)
- Молекулярная динамика (Molecular Dynamics)
- Основы многочастичных методов и DFT (Introduction to manybody methods and DFT)
- Зонная структура (Band Structure)
- Сверхпроводимость и топологические материалы (Superconductivity and Topological Materials)
- Введение в CUDA и обобщение курса (Introduction to CUDA and course summary)
Assessment Elements
- экзамен с возможностью пользоваться конспектами (open book exam)
- Лабораторные работы (Laboratory work)
Interim Assessment
- 2026/2027 4th module0.3 * Лабораторные работы (Laboratory work) + 0.4 * экзамен с возможностью пользоваться конспектами (open book exam)
Bibliography
Recommended Core Bibliography
- Camley, R. E., & Stamps, R. L. (2017). Solid State Physics (Vol. First edition). Cambridge, MA: Academic Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1516583
- Introduction to solid state physics, Kittel, C., 2005
- Introduction to superconductivity, Tinkham, M., 1996
- Katin, K. P. Molecular dynamics in multiscale modeling : учебник / K. P. Katin, M. M. Maslov. — Москва : НИЯУ МИФИ, 2015. — 44 с. — ISBN 978-5-7262-2193-9. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/103257 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
- Martin, R. M. (2008). Electronic Structure : Basic Theory and Practical Methods (Vol. 1st pbk. ed. with corrections). Cambridge, UK: Cambridge University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=510974
- Statistical physics of particles, Kardar, M., 2017
- Ермаков, С. М. Метод Монте-Карло в вычислительной математике. Вводный курс : учебное пособие для вузов / С. М. Ермаков. — 2-е изд., испр. и доп. — Санкт-Петербург : Лань, 2024. — 192 с. — ISBN 978-5-507-46703-7. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/380687 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
- Параллельные вычисления на GPU : архитектура и программная модель CUDA: учеб. пособие для вузов, Боресков, А. В., 2012
- Рябчун, С. А. Introduction to superfluidity and superconductivity : учебное пособие / С. А. Рябчун. — Москва : МПГУ, 2017. — 72 с. — ISBN 978-5-4263-0572-4. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/107388 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
- Сверхпроводимость металлов и сплавов, Де Жен, П., 1968
- Сорокин, А. Н. Физика твердого тела : учебное пособие / А. Н. Сорокин. — Саратов : СГУ, 2022. — 60 с. — ISBN 978-5-292-04751-3. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/262796 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
- Технология CUDA в примерах : введение в программирование графических процессоров, Сандерс, Дж., 2011
- Физика твердого тела. Т.1: ., Ашкрофт, Н., 1979
Recommended Additional Bibliography
- Levy, D., Hoffman, M. D., & Sohl-Dickstein, J. (2017). Generalizing Hamiltonian Monte Carlo with Neural Networks. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsarx&AN=edsarx.1711.09268
- Куцова, Д. С. Метод молекулярной динамики в наноэлектронике : учебно-методическое пособие / Д. С. Куцова, Е. В. Богатиков, А. Н. Шебанов. — Воронеж : ВГУ, 2019. — 99 с. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/405767 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
- Программирование GPU при помощи Python и CUDA : исследуйте высокопроизводительные параллельные вычисления с помощью CUDA, Тоуманен, Б., 2020