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
🍉 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/
#سمینارهای_هفتگی

«خوشه‌یابی در شبکه‌های پیچیده»

🗣 دانیال پاپی - دانشگاه شهید بهشتی
دوشنبه، ۳۱ 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
—————————————
#پژوهش_فناوری
گروه نانوفیزیک محاسباتی دانشکدۀ فیزیک دانشگاه شهید بهشتی ازعلاقه‌مندان پژوهش در حوزۀ فیزیک مادۀ چگال محاسباتی و نظری در قالب پژوهشگر پسادکتری دعوت به همکاری می کند. انتظار می‌رود داوطلبان دارای مدرک دکتری در یکی از رشته‌های فیزیک مادۀ چگال، فیزیک محاسباتی، شیمی فیزیک محاسباتی، علوم یا مهندسی کامپیوتر و نظایر آنها باشند. داوطلبان می‌توانند درخواست خود را که شامل موارد زیر باشد به آدرس ali_sadeghi@sbu.ac.ir ایمیل نمایند:
• نامه‌ای کوتاه که انگیزه و سابقۀ پژوهشی مرتبط را به روشنی بیان کند
• رزومۀ علمی
• لیست مقالات و انتشارات علمی
• اطلاعات تماس دو معرف علمی به ویژه استاد راهنمای دورۀ دکتری که از قبل در مورد درخواست توصیه نامه با آنان هماهنگی شده باشد
بررسی درخواست‌ها دائماً و تا لحظۀ انتخاب دو پژوهشگر ادامه دارد.


حقوق و مزایای پژوهشگران توسط فدراسیون سرآمدان علمی ایران به مدت یک سال پرداخت می‌شود و داوطلبان باید شرایط مورد نظر فدراسیون را احراز نمایند. برای اطلاعات بیشتر در مورد این شرایط و نیز آشنایی با فعالیت‌های پژوهشی گروه به آدرس http://comphys.sbu.ac.ir/group.htm#postdoc مراجعه و یا مستقیماٌ با آقای دکتر صادقی به آدرس ایمیل فوق تماس بگیرید.
🆔 @SBU_Official
⭕️ «پیچیدگی برای همه!»
http://www.sitpor.org/complex-systems/

سه چهارسالی می‌شود که حیطه‌ی کاریم مربوط به سیستم‌های پیچیده، خصوصا شبکه‌ها، شده است. طی این سال‌ها منابع بسیار زیادی شامل مقالات مروری، کتاب‌ها، کورس‌های آنلاین و مجموعه سخنرانی‌های بسیار خوبی به زبان انگلیسی منتشر شده که به سادگی برای همگان قابل دسترس هستند. با این وجود، در دنیای فارسی‌زبانان هنوز حتی یک کتاب آموزشی استاندارد برای شروع مطالعه سیستم‌های پیچیده وجود ندارد و کلاس‌های درس هم بسیار محدود به قشری از دانشجویان یک رشته خاص هستند! «سیستم‌های پیچیده» در دانشگاه‌های ما مانند طفل نوپایی است که تلاش می‌کند هرچه زودتر دویدن بلد شود تا در مسیر پژوهش هم‌گام با جامعه جهانی حرکت کند. به همین خاطر، تمام هم و غم دانشگاهیانی که روی این موضوع کار می‌کنند، پژوهش است و دیگر فرصتی برای پرداختن به مقوله آموزش و روایتگری در علم باقی نمی‌ماند. البته حق هم دارند! یک استاد نمی‌تواند هم تدریس کند، هم دانشجو تربیت کند و هم پژوهش دست اول انجام دهد و از او انتظار تولید محتوای آموزشی استاندارد هم داشت!

به نظر من در ایران، تا زمانی که محتوای مناسب به زبان فارسی وجود نداشته باشد، نمی‌توانیم تقاضایی برای شروع کارهای بین‌رشته‌ای در مقیاس قابل قبولی را داشته باشیم! باید قبول کنیم که هم‌صحبت شدن با کسانی که عمری در دانشگاه جواب سلامشان را به زور داده‌ایم یا متقاعد کردن مسئولین بالادستی برای حمایت از طرح‌ها و پروژه‌ها بدون وجود یک مطالبه عمومی کار ساده‌ای نیست! ما نیاز داریم که مردم، دست کم دانشگاهیانمان، بدانند که چرا سیستم‌های پیچیده مهم است!

برای همین تصمیم گرفتم تا جایی که می‌توانم، مسیر یادگیری سیستم‌های پیچیده را برای علاقمندانی که جرات یادگرفتن و شهامت حرکت کردن بیرون از مرزهای تعریف شده علوم را دارند را فراهم کنم. برای شروع قصد دارم چند جلسه کلاس/سمینار در دانشگاه شهید بهشتی (تهران) برگزار کنم. ایده اصلی این جلسات لکچرهایی پیرامون مفاهیم اصلی سیستم‌های پیچیده است بی‌آن‌که وارد جزئیات ریز آن شوم. می‌خواهم طی این جلسات افراد با پیش‌زمینه‌های مختلف با ایده‌های اصلی آشنا شوند. در مورد جزئیات این برنامه‌ها به زودی می‌نویسم.

اگر استاد دانشگاه هستید یا دانشجوی تحصیلات تکمیلی و علاقمند هستید که هم‌قطار شویم، قدمتان رو چشم است! هر کس که می‌تواند محتوای مناسب تولید کند، در این سفر جایش خالی است! برای هر مشارکت علمی یا غیرعلمی، آغوش ما به روی شما باز است. اگر مترجم خوبی یا متخصص کارهای چند-رسانه‌ای هستید، اگر در ضبط، تدوین و انتشار ویدیو کلاس‌ها می‌توانید مشارکت کنید به کمک شما نیاز داریم! و اگر فقط این آرمان را دوست دارید می‌توانید حامی (اسپانسر) ما شوید. راستی اگر یک مسئول هستید، همین که سنگی را از جلوی پایمان بردارید،‌ ممنونیم!

عباس کریمی

💡 جزئیات بیشتر:
🔗 http://www.sitpor.org/complex-systems/
This media is not supported in your browser
VIEW IN TELEGRAM
آیا بین رفتار یک سیستم در #مقیاس‌های مختلف شباهتی یا تفاوتی وجود دارد؟ اگر این‌گونه است، چه‌طور می‌شود ارتباط بین رفتار سیستمی را در مقیاس‌های مختلف دید؟!
عباس کریمی در مورد ایده #بازبهنجارش می‌گوید!