Fisika komputasi
Upcoming SlideShare
Loading in...5
×
 

Fisika komputasi

on

  • 138 views

Fisika Komputasi

Fisika Komputasi

Acep Purqon

The Houw Liong

Statistics

Views

Total Views
138
Slideshare-icon Views on SlideShare
138
Embed Views
0

Actions

Likes
0
Downloads
7
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment
  • Two-body problem solved by Kepler 350 years ago <br /> Three-body problem gave Isaac Newton headaches <br /> This problem has never been “solved” - never will be <br />
  • Simplest 1-D chaotic system <br /> Originally proposed by Robert May (biologist) to model ecology <br /> Solutions never repeat and are unpredictable over the long term. <br />
  • Simplest 2-D chaotic system <br /> Proposed by Michael Henon (an astronomer) <br /> This is an example of a strange attractor - a fractal <br />
  • Systems of this sort can model a very wide range of phenomena <br /> Values of a are control knobs that change the dynamical behavior <br />
  • &quot;The most complicated mathematical object ever seen&quot; <br /> Only the bounded orbits are shown <br /> Usual plot show s escape time of unbounded orbits <br /> All periods are represented somewhere <br /> Chaotic orbits are very rare (probability zero?) <br />
  • Colors represent time required for the dynamical orbit to escape <br /> These are zooms into the boundary region of the M-set <br /> People have zoomed in a factor of 101600 <br /> Miniature M-sets are found <br />
  • These are deterministic fractals <br /> Many are precisely self-similar <br /> Produced by simple formulas <br />
  • These are random fractals <br /> They are statistically self-similar <br />
  • Circle of 600 people <br /> Everyone has a number 1 to 8 <br /> Add numbers of nearest neighbors <br /> If sum exceeds eight, subtract 8 <br /> That’s your next number - change color <br /> Many other rules are possible <br />
  • Neurons sum and squash <br /> Dynamics arise from the feedback <br /> These nets are untrained <br />

Fisika komputasi Fisika komputasi Presentation Transcript

  • 20052005
  • Outline METODE NUMERIK ARTIFICIAL INTELLIGENCE SIMULASI
  • METODE NUMERIK Application of numerical methods for : natural resources exploration, atmospheric physics, behavior of materials, Ising models / phase transitions, percolation, Mayer integral expansions, molecular spectra, polymer flow, nuclear reactor calculations, chaos, image processing and noise analysis
  • Chaos dan Kompleksitas Compleksitas Aturan Linier Nonlinier Jumlahvariabel BanyakSedikit Teratur Chaotik Compleks Acak
  • Contoh Sistem Dinamik Sistem Matahari Atmosfer (cuaca) Ekonomi (Pasar Saham) Tubuh manusia (jantung, otak, paru-paru ...) Ekologi (populasi tumbuhan dan binatang) Pertumbuhan kanker Penyebaran penyakit Reaksi Kimia Internet
  • Weak Causality
  • Karakteristik Chaos Tidak pernah berulang Sangat tergantung pada kondisi awal (Efek kupu-kupu) Mengijinkan prediksi jangka pendek tetapi tdk bisa jangka panjang Biasanya menghasilkan pola fraktal
  • Orbit Planet Orbit Elips Orbit Chaotik
  • Logistic Map xn+1 = Axn(1 - xn)
  • Atraktor Hénon xn+1 = 1 - 1.4xn 2 + 0.3xn-1
  • 2-D Kuadratik 2-D Umum xn+1 = a1 + a2xn + a3xn 2 + a4xnyn + a5yn + a6yn 2 yn+1 = a7 + a8xn + a9xn 2 + a10xnyn + a11yn + a12yn 2
  • Set Mandelbrot y x xn+1 = xn 2 - yn 2 + a yn+1 = 2xnyn + b
  • Gambar Mandelbrot
  • Obyek geometri dengan dimensi pecahan Self-similarity Fraktal
  • Agregasi Difusi Terbatas
  • Fraktal Alam
  • Difusi (Gerak Acak)
  • Gb.13. Beda Hingga w=0.5 Gb.14. Runge-Kutta w=0.5 Gb.15. Beda Hingga w=0.72 Gb.16 Runge-Kutta w=0.72
  • Gb.17. Beda Hingga w=1.07 Gb.18. Runge-Kutta w=1.07 Gb.19. Beda Hingga w=1.09 Gb.20. Runge-Kutta w=1.09
  • Gb.21. Beda Hingga w=1.24 Gb.22. Runge-Kutta w=1.24 Gb.23. Beda Hingga w=1.26 Gb.24. Runge-Kutta w=1.26
  • Gb.25. Beda Hingga w=1.29 Gb.26. Runge-Kutta w=1.29 Gb.27.Beda Hingga w=1.42 Gb. Runge-Kutta w=1.42
  • ARTIFICIAL INTELLIGENCE Expert system / Symbolic Manipulation for interpretation of spectroscopy data, X-ray diffraction, logging data, pattern recognition by using syntax analysis of signal. Application of neural networks and its relation to spin glass,cellular automata in fluids dynamics and membrane transport, and symbolic processing/computer algebra. Fuzzy set and fuzzy logic.
  •         Pengantar   Mengapa kita temukan selfsimilar pd struktur biologi, seperti  pohon, daun, ranting? Apa hubungannya dg benda mati  seperti salju, gunung, awan? Apa yg bertanggung jawab pd  fenomena ini? Apakah ada alasan jitu mengapa sulit memprediksi pasar  saham dan cuaca? Apakah unpredictable karena  keterbatasan pengetahuan kita atau inherent pd sistem?  Bagaimana sekumpulan koloni semut, syaraf otak, dan pasar  saham melakukan self organized yg menciptakan perilaku  kompleks?  Apa hubungannya antara evolusi, belajar, dan adaptasi pd  sistem sosial?
  • TREND ! Fisika, Biologi, ekonomi, evolusi,  psikologi, astronomi, sipil, elektro  dsb menggunakan komputer sebagai  laboratorium sebagai sebuah metafora untuk  memahami alam
  • Cellular Automata
  • Jaringan Saraf Tiruan
  •                  Terinspirasi dengan cara kerja sistem syaraf  yang  ternyata  berbeda  dengan  arsitektur  komputer  pada  saat  itu  (  misalnya  sistem  sonar  yang  dibuat  oleh  manusia,  ternyata  menyita  ruangan  yang  cukup  besar  padahal  pada  kelelawar  hanya  secuil  ujung  jari)  maka  lahirlah  algoritma  Artificial  Neural  Networks (ANNs) atau Jaringan Syaraf Tiruan  (JST).  Diantara  aplikasi  penting  yang  bisa  dilakukan  oleh  JST  diantaranya  sebagai  alat  prediksi,  pengenalan  pola,  identifikasi,  simulasi dsb
  • •Aplikasi JNA : .Aerospace : Simulasi lintasan terbang, simulasi penerbangan tanpa awak, simulasi komponen pesawat, deteksi kesalahan komponen. .Otomotif : Sistem pemandu otomatis, analisis aktivitas bahaya. .Perbankan : Mengecek dan membaca documen termasuk mengenali pola tanda tangan .Pertahanan : membedakan musuh, mengarahkan senjata, mengenali wajah, sensor dan radar, identifikasi sinyal. .Elektronik : prediksi urutan kode, kontrol proses, analisis kesalahan chip, identifikasi suara, pemodelan nonlinier. .Entertainment : Animasi, special effect, market forecasting. .Financial : Penasihat , program penjualan porto folio, prediksi valas .Asuransi : Optimasi produk,evaluasi aplikasi kebijakan .Manufaktur : kontrol proses manufaktur, analisis dan desain produk, identifikasi secara real time, proses dan diagnosa mesin, .kedokteran : analisis kanker, analisis EEG dan ECG, optimasi pencangkokan, .Migas : eksplorasi Robotik : kontrol trayektory, sistim visual, pengenalan suara, klasifikasi intonasi dll
  • PREDIKSI CUACA EKSTRIM Masalah nasional : banjir di musim hujan kekeringan di musim kemarau Dapatkah melakukan prediksi cuaca ekstrim ? Prediksi deret waktu dengan Adaptive Neuro-Fuzzy Inference System Studi kasus : Prediksi banjir DKI
  • Sumber: Citra Landsat 30-07-1992 JABODETABEKJABODETABEK
  • Kinerja Prediksi TMA Oktober-Desember 2002 (ketika Data terakhirnya Oktober 2002) 50 60 70 80 90 100 110 120 130 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 Tahun TMA(cm) Hasil Prediksi TMA Riil TMA Riil tanpa moving Kinerja Prediksi Curah Hujan Oktober-Desember 2002 (Ketika Data Terakhirnya Oktober 2002) 0 50 100 150 200 250 300 350 400 450 500 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 Tahun TMA(cm) Hasil Prediksi Curah Hujan Riil CH Riil tanpa moving
  • Kinerja Prediksi TMA Pentad untuk 12 Desember 2002 s/d 10 Januari 2003 (Ketika Data Terakhirnya 11 Desember 2002) 50 70 90 110 130 150 170 1999 2000 2001 2002 2003 Hasil Prediksi TMA Riil TMA Riil tanpa Moving Kinerja Prediksi Curah Hujan Pentad untuk 27 November 2002 s/d 10 Januari 2003 (Ketika Data Terakhirnya 26 November 2002) 0 20 40 60 80 100 120 140 160 180 200 1999 2000 2001 2002 2003 Hasil Prediksi Curah Hujan Riil Ch Riil tanpa Moving
  • TMA BULANAN Bulan prediksi Real %Tepat Real Mov %Tepat Okt 2002 75.7859 72.172 95.231 77.33875 97.951 Nop 2002 83.3068 83.9514 99.226 83.97249 99.201 Des 2002 93.5186 95.8011 97.559 92.24617 98.639 Januari 2003 102.055 Februari 2003 110.805 ChDKI BULANAN Bulan prediksi Real %Tepat Real Mov %Tepat Okt 2002 45.036 40.131 89.108 51.7023 85.198 Nop 2002 97.137 134.08 61.964 104.957 91.949 Des 2002 152.067 151.34 99.52 144.436 94.982 Januari 2003 232.9562 Februari 2003 272.142 TMA PENTAD 12 Des 2002- 10 Jan2003 Tanggal prediksi Real %Tepat Real Mov %Tepat 12 s/d 16 Des 87.4363 102.625 82.629 93.99541 92.498 17 s/d 21 Des 89.5131 96.1583 92.576 95.84169 92.93 22 s/d 26 Des 91.158 100.625 89.615 95.49 95.248 27 s/d 31 Des 92.1789 87.975 95.439 94.225 97.78 1 s/d 5 Jan 92.802 87.71 94.513 91.664 98.774 5 s/d 10 Jan 91.9754 81.47 88.578 85.2935 92.735 11 s/d 15 Jan 95.2935 16 s/d 20 Jan 98.8156 21 s/d 25 Jan 102.392 26 s/d 30 Jan 103.068 31 s/d 4 Feb 101.762 5 s/d 9 Feb 99.391 ChDKIPENTAD 27 Nop 2002 - 10 Jan 2003 Tanggal prediksi Real %Tepat Real Mov %Tepat 27 s/d 1 Des 32.8605 36.193 89.858 30.9215 94.099 2 s/d 6 Des 29.316 29.883 98.065 28.445 97.029 7 s/d 11 Des 24.7315 6.31 25.514 22.052 89.166 12 s/d 16 Des 23.3795 44.76 8.5502 27.8727 80.782 17 s/d 21 Des 23.842 9.8 41.104 22.5563 94.608 22 s/d 26 Des 26.0395 37.583 55.668 24.5427 94.252 27 s/d 31 Des 20.4655 15.367 75.086 20.3617 99.493 1 s/d 5 Jan 23.6725 15 63.365 21.885 92.449 5 s/d 10 Jan 22.778 37.5 35.367 24.11 94.152 11 s/d 15 Jan 25.43 16 s/d 20 Jan 36.1728 21 s/d 25 Jan 35.5791 26 s/d 30 Jan 37.9304 31 s/d 4 Feb 31.6966 5 s/d 9 Feb 30.5685 Performance
  • Prediksi Tinggi Muka Air Pintu Depok untuk Bulan Januari-Juli 2003 untuk Wilayah DKI Jakarta 50 60 70 80 90 100 110 120 130 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 Tahun TMA(cm) Hasil Prediksi TMA Riil Prediksi Curah Hujan Bulan Januari-Juli 2003 untuk Wilayah DKI Jakarta 0 50 100 150 200 250 300 350 400 450 500 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 Tahun TMA(cm) Hasil Prediksi Curah Hujan Riil
  • Prediksi Tinggi Muka Air Pintu Depok Pentad untuk 11 Januari- 9 Februari 2003 untuk Wilayah DKI Jakarta 50 70 90 110 130 150 170 1999 2000 2001 2002 2003 Tahun TMA(cm) Hasil Prediksi TMA Riil Prediksi Curah Hujan Pentad untuk 11 Januari- 9 Februari 2003 untuk Wilayah DKI Jakarta 0 20 40 60 80 100 120 140 160 180 200 1999 2000 2001 2002 2003 Tahun TMA(cm) Hasil Prediksi Curah Hujan Riil
  • TMA PENTAD 1-15 Jan2004 Tanggal prediksi Real %Tepat Real Mov %Tepat 1 s/d 5 Jan 106.92 107.967 99.021 108.7 98.335 5 s/d 10 Jan 105.73 105.917 99.823 107.77 98.071 11 s/d 15 Jan 104.07 110.057 94.247 108.18 96.051 16 s/d 20 Jan 108.31 21 s/d 25 Jan 107.99 26 s/d 30 Jan 107.19 31 s/d 4 Feb 106.16 CurahHujanCiliwung HuluPENTAD 1-10 Jan2004 Tanggal prediksi Real %Tepat RealMov %Tepat 1 s/d 5 Jan 97.54 71 72.791 99.9 97.58 5 s/d 10 Jan 90.01 115.33 71.866 104.3 84.124 11 s/d 15 Jan 79.067 76.82 97.158 76.82 97.158 16 s/d 20 Jan 88.8963 21 s/d 25 Jan 75.0918 26 s/d 30 Jan 65.0666 Performance
  • Prediksi Tinggi Muka Air Pintu Depok untuk Bulan Januari-Juni 2004 untuk Wilayah DKI Jakarta 50 60 70 80 90 100 110 120 130 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 Hasil Prediksi TMA Riil Prediksi Curah Hujan Ciliwung Hulu Bulan Januari-Juni 2004 untuk Wilayah DKI Jakarta 0 100 200 300 400 500 600 700 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 Hasil Prediksi Curah Hujan Riil
  • Prediksi Tinggi Muka Air Pintu Depok untuk 16 Jan- 4 Feb 2004 untuk Wilayah DKI Jakarta 50 70 90 110 130 150 170 2000 2001 2002 2003 2004 Tahun TMA(cm) Hasil Prediksi TMA Riil Prediksi Curah Hujan Ciliwung Hulu Pentad untuk 11-30 Januari 2004 untuk Wilayah DKI Jakarta 0 20 40 60 80 100 120 140 160 180 200 2000 2001 2002 2003 2004 Tahun Curahhujan(mm) Hasil Prediksi Curah Hujan Riil
  • TAHAPAN PENELITIAN
  • Econophysics (Ekonofisika)
  • Active Walks dan Fenomena Bergantung Lintasan pada Sistem Sosial Active Walks (AW) adalah sebuah paradigma untuk pembentukan pola (pattern formation) dan organisasi diri(self-organized) pada sistem kompleks. AW berkontribusi pada lingkungannya tapi pada saat penentuan langkah berikutnya AW juga dipengaruhi lingkungannya. Model AW telah sukses diterapkan pada berbagai macam sistem biologi maupun fisika misalnya pada pembentukan pola filamen pada syaraf retina dan pola reaksi permukaan pada sel cairan tipis, begitu pun pada penimbunan makanan oleh sekelompok semut. Disini akan dibahas ide dasar dan aplikasi penting AW terutama aplikasi baru pada pertumbuhan penduduk dan kenaikan pengembalian (increasing returns) pada ekonomi.
  • Diskusi Memperkenalkan metoda fisika dalam ekonomi Model Aliran Fluida Model Aliran Barang Model Selular-Automata Minority Game
  • trend Metoda Fisika dapat berperan besar dalam Ekonomi atau bidang lain Tumbuh Bidang : Econophysics, Sociophysics, Psychophysics, etc.
  • 1500 1600 1700 1800 1900 2000 2100 2200 2300 2400 2500 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 x 10 4 nomor urutan data Rupiah(merah=datasebenarnya,biru=hasilprediksiANN) FLUKTUASI RUPIAH Prediksi Fluktuasi Rupiah
  • Penerapanya Prediksi Bencana Alam Banjir dan Kekeringan Gempa dan longsor Lingkungan Pencemaran air tanah Spektroskopi
  • SIMULASI Simulations and Visualization : Monte Carlo simulations for neutron and Ising model, neutron diffusion in nuclear reactor and shielding, viscosity simulation and kinetic simulation of nuclear reactor. Simulation for biomechanism. Visualization of physical system
  • Ηψ = Εψ F = MA exp(-∆E/kT) domain quantum chemistry molecular dynamics Monte Carlo mesoscale continuum What and Where: Scales in Simulations Length Scale TimeScale 10-10 M 10-8 M 10-6 M 10-4 M 10-12 S 10-8 S 10-6 S
  • Application of numerical methods for : natural resources exploration, atmospheric physics, behavior of materials, Ising models / phase transitions, percolation, Mayer integral expansions, molecular spectra, polymer flow, nuclear reactor calculations, chaos, image processing and noise analysis S1/S2 The Houw Liong, Z. Su'ud, A. Soehianie, R. Kurniadi Expert system / Symbolic Manipulation for interpretation of spectroscopy data, X-ray diffraction, logging data, pattern recognition by using syntax analysis of signal. Application of neural network and its relation to spin glass,cellular automata in fluids dynamics and membrane transport, and symbolic processing/computer algebra S1/S2 The Houw Liong I. Arif, S. N. Khotimah, R. Kurniadi Control system and weather/climate prediction using fuzzy logic and artificial neural network S1/S2 The Houw Liong, Z. Su'ud Simulations and Visualization : Monte Carlo simulations for neutron and Ising model, neutron diffusion in nuclear reactor and shielding, viscosity simulation and kinetic simulation of nuclear reactor. Simulation for biomechanism. Visualization of physical system S1/S2 A. Soehianie, Z. Su'ud, I. Arif, R. Soegeng, L. Pasasa, R. Kurniadi
  • Terima Kasih