Complex Networks (SBU) – Telegram
Complex Networks (SBU)
1.22K subscribers
232 photos
25 videos
19 files
255 links
Center for Complex Networks (CCNet)

Physics Department, SBU, Tehran.

AdminID: @AbolfazlHaqiqifar

LinkedIn:
https://www.linkedin.com/company/ccnet-ccnsd/

🕸http://ccnsd.ir


🔗 https://complexity.sbu.ac.ir/
Download Telegram
پوسترهای ارائه شده در ۲۵امین گردهمایی ماده چگال در دانشگاه تحصیلات تکمیلی زنجان

محمد حسین حکیمی: دینامیک شبکه با حافظه تصادفی در چارچوب نظریه توازن

‌~~~~~~~~~~~~~~~~~
🕸 مرکز شبکه‌های پیچیده و علم داده اجتماعی دانشگاه شهید بهشتی

🕸 @CCNSD 🔗 ccnsd.ir
~~~~~~~~~~~~~~~~~
پوسترهای ارائه شده در ۲۵امین گردهمایی ماده چگال در دانشگاه تحصیلات تکمیلی زنجان

عباس کریمی: چشم‌انداز انرژی شبکه سلول سالم و سرطانی از افق نظریه توازن

‌~~~~~~~~~~~~~~~~~
🕸 مرکز شبکه‌های پیچیده و علم داده اجتماعی دانشگاه شهید بهشتی

🕸 @CCNSD 🔗 ccnsd.ir
~~~~~~~~~~~~~~~~~
در دانشگاه تحصیلات تکمیلی زنجان

سروش کریمی، فرشته ربانی

‌~~~~~~~~~~~~~~~~~
🕸 مرکز شبکه‌های پیچیده و علم داده اجتماعی دانشگاه شهید بهشتی

🕸 @CCNSD 🔗 ccnsd.ir
~~~~~~~~~~~~~~~~~
در دانشگاه تحصیلات تکمیلی زنجان

سمیه شیخ‌عالی، سروش کریمی

‌~~~~~~~~~~~~~~~~~
🕸 مرکز شبکه‌های پیچیده و علم داده اجتماعی دانشگاه شهید بهشتی

🕸 @CCNSD 🔗 ccnsd.ir
~~~~~~~~~~~~~~~~~
پوسترهای ارائه شده در ۲۵امین گردهمایی ماده چگال در دانشگاه تحصیلات تکمیلی زنجان

مهدیه ابراهیمی، آرمین تابش
‌~~~~~~~~~~~~~~~~~
🕸 مرکز شبکه‌های پیچیده و علم داده اجتماعی دانشگاه شهید بهشتی

🕸 @CCNSD 🔗 ccnsd.ir
~~~~~~~~~~~~~~~~~
Complex Networks (SBU)
پوسترهای ارائه شده در ۲۵امین گردهمایی ماده چگال در دانشگاه تحصیلات تکمیلی زنجان عباس کریمی: چشم‌انداز انرژی شبکه سلول سالم و سرطانی از افق نظریه توازن ‌~~~~~~~~~~~~~~~~~ 🕸 مرکز شبکه‌های پیچیده و علم داده اجتماعی دانشگاه شهید بهشتی 🕸 @CCNSD 🔗 ccnsd.ir…
🥇 پوستر ارائه شده با موضوع «چشم‌انداز انرژی شبکه سلول سالم و سرطانی از افق نظریه توازن» به عنوان یکی از سه پوستر برگزیده این گردهمایی انتخاب شد.

جزئیات بیشتر در مورد پوسترهای ارائه شده در ۲۵امین گردهمایی ماده چگال در دانشگاه تحصیلات تکمیلی زنجان:

https://ccnsd.ir/events-news/posters-at-iasbs-2019/
~~~~~~~~~~~~~~~~~
🕸 مرکز شبکه‌های پیچیده و علم داده اجتماعی دانشگاه شهید بهشتی

🕸 @CCNSD 🔗 ccnsd.ir
~~~~~~~~~~~~~~~~~
#سمینار_عمومی این هفته دانشکده فیزیک

فرآیند تولید نوسانات مغزی و نقش احتمالی آنها در کارکردهای سیستم عصبی

دکتر علیرضا ولی‌زاده
دانشگاه تحصیلات تکمیلی علوم پایه زنجان


- سه‌شنبه ۲۸ خرداد، ساعت ۱۶:۰۰ الی ۱۷:۰۰
- تالار ابن هیثم، دانشکده‌ فیزیک

~~~~~~~~~~~~~~~~~
🕸 مرکز شبکه‌های پیچیده و علم داده اجتماعی دانشگاه شهید بهشتی

🕸 @CCNSD 🔗 ccnsd.ir
~~~~~~~~~~~~~~~~~
🍉 پروژه‌هایی برای همکاری 🍇

دانشجویانی که علاقمند به برداشتن درس پروژه در مقطع کارشناسی در ترم پاییز ۹۸-۹۹ در مرکز شبکه‌های پیچیده و علم داده‌ اجتماعی هستند، می‌توانند به دفتر دکتر جعفری مراجعه نمایند.
https://ccnsd.ir/join-us/

~~~~~~~~~~~~~~~~~
🕸 مرکز شبکه‌های پیچیده و علم داده اجتماعی دانشگاه شهید بهشتی

🕸 @CCNSD 🔗 ccnsd.ir
~~~~~~~~~~~~~~~~~
Complex Networks (SBU)
معرفی کتاب «روش‌های مونت کارلو در فیزیک آماری» نیومن http://facultymembers.sbu.ac.ir/jafari/farsi/2019/01/29/montecarlo-newman/ ———————————————— 🕸 SBU Center for Complex Networks & Social Data Science 🕸 @CCNSD 🔗 ccnsd.ir ————————————————
📚معرفی کتاب «روش‌های مونت کارلو در فیزیک آماری» نیومن

Monte Carlo Methods in Statistical Physics
M. E. J. Newman and G. T. Barkema


نویسنده: محمد بهرامی

روش‌های مونت کارلو روش‌های تقریبی هستند که برای شبیه‌سازی کامپیوتری سیستم‌های آماری به کار می‌روند. در مکانیک آماری برای به‌دست آوردن پارامترهای بزرگ‌مقیاس باید آن پارامتر بر روی تمام ریز حالت‌های ممکن متوسط‌گیری شود. این کار برای سیستم‌های با ابعاد بزرگ به دلیل زیادی ریز حالت‌ها، در شبیه‌سازی کامپیوتری عملاً غیرقابل انجام است. به همین‌ خاطر فیزیکدانان و ریاضیدان سعی کرده‌اند که این مشکل را به نحوی حل کنند. در واقع، روش‌های مونت کارلو پاسخ فیزیکدانان برای حل این مشکل بود. در این روش زنجیره‌ای از حالت‌های متفاوت ساخته می‌شود که با شروع از هر حالت دلخواه، سیستم را به تعادل می‌رساند. حلقه اولیه نشانگر یک ریزحالت از فضای فاز سیستم است که انتخاب آن کاملاً تصادفی است و نباید نقشی در به‌تعادل رسیدن سیستم داشته باشد. حلقه بعدی گذر سیستم از حالت اولیه به حالت ثانویه را نشان می‌دهد. در گذر از این حلقه‌ها قید متناسب بودن احتمال رخداد هر ریزحالت رعایت می‌شود. در حقیقت همین قید است که به ما اجازه می‌دهد برای رسیدن به تعادل مسیر کوتاه تری را طی کنیم و نیازمند بررسی تمام ریز حالت‌ها نباشیم؛ بنابراین این روش یکی از مهمترین پیشرفت‌های صورت گرفته در بررسی سیستم‌های آماری است و فیزیکدانان از اهمیت آن کاملا آگاه هستند. در نتیجه دانستن آن برای دانشجویان فیزیک کاملاً ضروری است.

کتاب «روش‌های مونت کارلو در فیزیک آماری» مارک نیومن را می‌توان یکی از روان‌ترین کتاب‌های موجود برای تازه ورودها در حوزه استفاده از روش‌های مونت کارلو در شبیه‌سازی سیستم‌های پیچیده دانست. برای خواندن این کتاب خواننده تنها به داشتن دانش کارشناسی از دروس مکانیک آماری و ترمودینامیک نیازمند است. همچنین این کتاب را می‌توان منبع بسیار مناسبی برای کسانی که می‌خواهند به‌طورعمیق تر به مطالعه اصول به کار رفته در زیربنای این روش آماری بپردازند دانست. در این کتاب نه تنها خواننده با چیستی روش مونت کارلو آشنا می‌گردد بلکه به درک عمیقی از اصول آماری نهفته در این روش دست می‌یابد. به عبارت دیگر خواننده در خواهد یافت که اساساً چرا این روش با همه سادگیش به خوبی کار می‌کند و حتی چگونه می‌تواند به آن‌ سرعت بخشید.

در فصل‌های اول و دوم، نویسنده ابتدا به‌طور خلاصه‌ به توصیف مکانیک آماری می‌پردازد و خواننده را با مفاهیم آماری تعادل، دما و افت و خیزهای موجود در مکانیک آماری آشنا می‌سازد. همچنین نویسنده، خواننده را به انجام شبیه‌سازی کامپیوتری برای درک بهتر از قوانین مکانیک آماری ترغیب می‌کند. در ادامه مارک نیومن به چالش‌های موجود در شبیه‌سازی‌های مونت‌کارلو و راه حل‌های ارائه شده توسط فیزیکدانان می‌پردازد؛ بنابراین خواندن این دو فصل از کتاب کاملاً ضروری است و بنیان دانش شما را برای استفاده از مطالب فصل‌های آتی فراهم می‌سازد.

مهم‌ترین ویژگی این کتاب را می‌توان ارائه اصول الگوریتم شبیه‌سازی مونت کارلو در مدل‌های مختلف در قالب مثال دانست. به عبارت دیگر کتاب پر از مثال‌های مختلفی است که درک الگوریتم مونت کارلو را برای خواننده آسان می‌سازد. برای مثال، نویسنده پس از مقدمه‌ای کوتاه بر مدل آیزینگ، به سراغ شبیه‌سازی این مدل و بهره‌گیری از الگوریتم متروپلیس به منظور شبیه‌سازی این مدل می‌پردازد. همچنین نویسنده الگوریتم‌های ولف و وانگ که از سریعترین الگوریتم ها برای شبیه‌سازی مدل آیزینگ به حساب می‌آیند را نیز معرفی کرده است؛ بنابراین این کتاب را می‌توان منبع بسیار مناسبی برای دانشجویانی که قصد دارند شبیه‌سازی مدل آیزنگ یا سایر مدل‌های شبکه را انجام دهند دانست.

در فصل‌های بعد نویسنده به صحت و سقم و خطاهای موجود در داده‌های بدست آمده از شبیه‌سازی مونت کارلو می‌پردازد. مضاف‌ بر این، خواننده می‌تواند از تکنیک بررسی مقیاسی ابعاد محدود که در تعیین بحرانیت در سیستم‌های پیچیده کاملاً ضروری است مطلع شود. همچنین نویسنده این کتاب به‌طور مفصل به چگونگی استخراج نماهای بحرانی، که به تعیین کلاس جهان شمولی کمک می‌کند، با استفاده از داده‌های شبیه‌سازی مونت کارلو پرداخته است.

http://facultymembers.sbu.ac.ir/jafari/farsi/2019/01/29/montecarlo-newman/

~~~~~~~~~~~~~~~~~
🕸 مرکز شبکه‌های پیچیده و علم داده اجتماعی دانشگاه شهید بهشتی

🕸 @CCNSD 🔗 ccnsd.ir
~~~~~~~~~~~~~~~~~
#سمینارهای_هفتگی

«حالت‌های شبه پایدار در فیزیک و کاربرد آن در اقتصاد»

🗣 محمد بهرامی - دانشگاه شهید بهشتی
دوشنبه، ۱۰ تیر - ساعت ۱۶:۰۰
🏛 محل برگزاری: سالن ابن‌هیثم

‍~~~~~~~~~~~~~~~~
⭕️ مشتاق دیدار همه اقشار جامعه در مرکز هستیم. برای هماهنگی‌ با مسئول جلسه‌ می‌توانید با آقای محمد شرافتی ‌تماس بگیرید:‍‍‍‍
📞 @herman1
—————————————
🕸 مرکز شبکه‌های پیچیده و علم داده اجتماعی دانشگاه شهید بهشتی

🕸 @CCNSD 🔗 ccnsd.ir
—————————————
نگاهی به کتاب «فرمول: قوانین جهان‌شمول موفقیت» باراباشی

http://www.sitpor.org/2019/07/the-formula/

آلبرت لازلو باراباشی، یک دانشمند شبکه معروفه که اخیرا پروژه‌ای به اسم «علم موفقیت» در دپارتمان «علم شبکه» دانشگاه نورث‌ایسترن شروع کرده. منظور از علم موفقیت، بررسی افراد، شرکت‌ها، کسب‌وکارها و … به صورت کمی برای رسیدن به تحلیل‌های داده‌محور از موفقیت اون‌هاست. خلاصه که کارشون استفاده از روش علمی برای مطالعه میزان موفقیت افراد یا شرکت‌ها در موضوعات مختلفه. باراباشی تجربیات پژوهشی پروژه علم موفقیت رو در کتاب عامه‌پسندی به اسم «The Formula: The Universal Laws of Success» منتشر کرده. این نوشته کوتاه، نظر من در مورد این کتابه.

http://www.sitpor.org/2019/07/the-formula/
🔸نتیجه انتخابات دومین شورای اجرایی شاخه فیزیک آماری و سیستم‌های پیچیده انجمن فیزیک ایران

پیرو رأی‌گیری برای انتخاب اعضای دومین شورای اجرایی شاخه فیزیک آماری و سیستم‌های پیچیده که از تاریخ ۲۸ اردیبهشت ماه تا ۱۱ خردادماه ۱۳۹۸ به صورت الکترونیکی انجام شد؛

آقایان دکتر شاهین روحانی، دکتر سامان مقیمی‌عراقی، دکتر کیوان آقابابائی‌سامانی و دکتر غلامرضا جعفری به‌عنوان اعضای اصلی

آقایان دکتر فرهاد شهبازی و دکتر سیدمهدی واعظ‌علایی نیز اعضای جانشین این شاخه انتخاب شدند.

نماینده هیئت مدیره در این شاخه آقای دکتر سیدمهدی واعظ‌علایی خواهند بود.

انجمن فیزیک ایران با قدردانی از اعضای دورهٔ پیشین شورای اجرایی شاخه فیزیک آماری و سیستم‌های پیچیده، برای این عزیزان آرزوی پیروزی و بهروزی دارد.

http://www.psi.ir/news2_fa.asp?id=2835
#سمینارهای_هفتگی

«مقدمه‌ای بر حسابان کسری و کاربردهای آن»

🗣 معین خلیقی - دانشگاه تربیت مدرس
دوشنبه، ۲۴ تیر - ساعت ۱۶:۰۰
🏛 محل برگزاری: سالن ابن‌هیثم

‍~~~~~~~~~~~~~~~~
⭕️ به امید دیدار
📞 @herman1
—————————————
🕸 مرکز شبکه‌های پیچیده و علم داده اجتماعی دانشگاه شهید بهشتی

🕸 @CCNSD 🔗 ccnsd.ir
—————————————
💡 محتوای آموزشی به زبان فارسی:

http://facultymembers.sbu.ac.ir/jafari/farsi/topics/balance-theory/

نظریه توازن اولین بار توسط هایدر در سال ۱۹۵۸ مطرح شد، می‌توان در چارچوب این نظریه به مثلث‌های تشکیل شده در یک شبکه بسته به وزن یال‌های آن، انرژی نسبت داد. ایده نظریه توازن این است که برای یک جامعه که متشکل از افراد و روابط بین آن‌ها است اگر به کوچکترین گروه‌ها که افراد در آنان می‌توانند به طور مستقیم و غیر مستقیم بر یکدیگر اثر بگذارند توجه کنیم با گروه‌هایی 3 نفره مواجه می‌شویم که روابط بین آن‌ها می‌توانند دوستی و یا دشمنی باشد. بنابراین در یک جمع سه نفره، 4 حالت از روابط وجود دارد.

🔺 دینامیک شبکه‌ها با توجه به نظریه توازن
http://facultymembers.sbu.ac.ir/jafari/farsi/2019/03/01/balance-theory-dynamics/
💡 محتوای آموزشی به زبان فارسی:

ماتریس تصادفی چیست ؟

از اوایل قرن ۲۰ ام ماتریس‌های رندوم در علوم مختلف شناخته و کاربردی شدند. آنچه که اهمیت دارد توزیع ویژه مقادیر حاصل از یک ماتریس رندوم است. از روی توزیع ویژه مقادیر می‌توان دریافت که درایه‌ها به هم وابسته هستند یا نه. فرض کنید برای مسئله ای یک ماتریس تولید کنیم (مثل ماتریس همبستگی یا کواریانس) و داده‌های مسئله را به گونه ای نرمالیزه کنیم که میانگین صفر داده‌های مسئله من کاملاً نویزی اند و هیچ همبستگی بین آنها وجود ندارد...

http://facultymembers.sbu.ac.ir/jafari/farsi/topics/random-matrix/