اپلیکیشن اندرویدی فلش‌کارت آموزشی مقدمه‌ای بر محاسبات در شبیه‌سازی فیزیکی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر محاسبات در شبیه‌سازی فیزیکی

موضوع کلی: برنامه نویسی

موضوع میانی: محاسبات سطح بالا (High-Performance Computing)

📋 سرفصل‌های دوره

• 1. بخش اول: مبانی و اصول اولیه**
• 2. مقدمه‌ای بر شبیه‌سازی و مدل‌سازی کامپیوتری
• 3. نقش محاسبات سطح بالا در علوم فیزیکی
• 4. مروری بر زبان‌های برنامه‌نویسی علمی (C++, Fortran, Python)
• 5. متغیرها، انواع داده و مدیریت حافظه
• 6. ساختارهای کنترل جریان: شرط‌ها و حلقه‌ها
• 7. توابع، ماژول‌ها و سازماندهی کد
• 8. ساختارهای داده بنیادی: آرایه‌ها و بردارها
• 9. کامپایل، لینک و ساخت یک برنامه اجرایی
• 10. کار با فایل‌ها: ورودی و خروجی داده‌های علمی
• 11. معرفی کتابخانه‌های علمی استاندارد (BLAS, LAPACK)
• 12. اصول اشکال‌زدایی (Debugging) و مدیریت خطا
• 13. بخش دوم: از فیزیک تا الگوریتم‌های عددی**
• 14. معادلات دیفرانسیل در فیزیک (ODE و PDE)
• 15. گسسته‌سازی: تبدیل مسائل پیوسته به گسسته
• 16. روش تفاضل محدود (Finite Difference Method)
• 17. شبکه‌ها و مش‌ها (Grids and Meshes)
• 18. اعمال شرایط مرزی در شبیه‌سازی
• 19. طرح‌های انتگرال‌گیری زمانی (اویلر، رونگه-کوتا)
• 20. مفهوم پایداری، همگرایی و دقت عددی
• 21. حل دستگاه معادلات خطی: روش‌های مستقیم
• 22. حل دستگاه معادلات خطی: روش‌های تکراری
• 23. تولید اعداد تصادفی و روش‌های مونت کارلو
• 24. مقدمه‌ای بر شبیه‌سازی‌های ذره‌ای (N-Body Simulation)
• 25. تبدیل فوریه سریع (FFT) و کاربردهای آن
• 26. بخش سوم: معماری کامپیوتر برای محاسبات علمی**
• 27. معماری پایه کامپیوتر و مدل فون نویمان
• 28. واحد پردازش مرکزی (CPU) و اجزای آن
• 29. پایپ‌لاینینگ (Pipelining) و اجرای سوپراسکالر
• 30. سلسله مراتب حافظه: رجیستر، کش، رم
• 31. اهمیت حافظه کش (Cache) در عملکرد
• 32. مفهوم محلیت داده‌ها (Temporal and Spatial Locality)
• 33. پهنای باند و تأخیر حافظه
• 34. حافظه مجازی و صفحه‌بندی
• 35. برنامه‌نویسی برداری (Vectorization) و دستورات SIMD
• 36. استانداردهای نمایش اعداد ممیز شناور (IEEE 754)
• 37. آشنایی با معماری‌های موازی (SMP, NUMA, Clusters)
• 38. بخش چهارم: بهینه‌سازی کدهای سری (Serial)**
• 39. معیارهای اندازه‌گیری عملکرد: FLOPS، پهنای باند
• 40. ابزارهای پروفایلینگ برای شناسایی گلوگاه‌ها (gprof, Valgrind)
• 41. نقش کامپایلر در بهینه‌سازی و پرچم‌های بهینه‌سازی
• 42. تحلیل گزارش‌های کامپایلر
• 43. تکنیک‌های بهینه‌سازی حلقه‌ها: بازکردن، ادغام و شکستن
• 44. برنامه‌نویسی آگاه از کش (Cache-Aware Programming)
• 45. تکنیک بلوک‌بندی (Blocking/Tiling) برای بهینه‌سازی کش
• 46. چیدمان داده‌ها: آرایه‌ای از ساختارها در مقابل ساختاری از آرایه‌ها
• 47. اثر انشعاب (Branching) بر عملکرد و پیش‌بینی انشعاب
• 48. درون‌خطی کردن توابع (Function Inlining)
• 49. بخش پنجم: مفاهیم بنیادی محاسبات موازی**
• 50. چرا به محاسبات موازی نیاز داریم؟
• 51. تفاوت هم‌زمانی (Concurrency) و موازی‌سازی (Parallelism)
• 52. طبقه‌بندی فلین (Flynn's Taxonomy)
• 53. قانون امدال (Amdahl's Law) و محدودیت‌های موازی‌سازی
• 54. قانون گوستافسون (Gustafson's Law)
• 55. مقیاس‌پذیری قوی و ضعیف (Strong vs. Weak Scaling)
• 56. سربارهای موازی‌سازی: ارتباطات، همگام‌سازی و عدم توازن بار
• 57. مدل‌های برنامه‌نویسی موازی: حافظه مشترک و حافظه توزیع‌شده
• 58. موازی‌سازی داده (Data Parallelism) در مقابل موازی‌سازی وظیفه (Task Parallelism)
• 59. معماری‌های هیبریدی
• 60. بخش ششم: برنامه‌نویسی موازی با حافظه مشترک (OpenMP)**
• 61. مقدمه‌ای بر OpenMP و مدل Fork-Join
• 62. ایجاد ناحیه‌های موازی (Parallel Regions)
• 63. دستورات تقسیم کار (Work-sharing Constructs: for, sections)
• 64. محدوده متغیرها (Data Scoping: private, shared, reduction)
• 65. عملیات کاهش (Reduction Operations)
• 66. همگام‌سازی نخ‌ها: Critical, Atomic, Barrier
• 67. مدیریت تعداد نخ‌ها و زمان‌بندی (Scheduling)
• 68. موازی‌سازی وظیفه‌گرا با Tasking
• 69. اشتباهات رایج در برنامه‌نویسی با OpenMP
• 70. مطالعه موردی: موازی‌سازی یک حلقه محاسباتی با OpenMP
• 71. بخش هفتم: برنامه‌نویسی موازی با حافظه توزیع‌شده (MPI)**
• 72. مقدمه‌ای بر مدل ارسال پیام (Message Passing Model)
• 73. راه‌اندازی محیط MPI و مدیریت فرآیندها
• 74. مفهوم Communicator، Rank و Size
• 75. ارتباطات نقطه به نقطه (Point-to-Point): Send و Recv
• 76. ارتباطات مسدودکننده و غیرمسدودکننده (Blocking vs. Non-blocking)
• 77. ارتباطات گروهی (Collective Communications): Broadcast, Reduce
• 78. عملیات پخش و جمع‌آوری داده (Scatter, Gather)
• 79. استراتژی‌های تجزیه دامنه (Domain Decomposition)
• 80. ارسال انواع داده‌های ساخت‌یافته در MPI
• 81. ورودی/خروجی موازی با MPI-IO
• 82. مطالعه موردی: حل معادله حرارت روی یک شبکه توزیع‌شده
• 83. بخش هشتم: محاسبات روی پردازنده‌های گرافیکی (GPU)**
• 84. معماری GPU و تفاوت آن با CPU
• 85. مدل برنامه‌نویسی CUDA: Kernel, Grid, Block, Thread
• 86. سلسله مراتب حافظه در GPU: Global, Shared, Constant
• 87. نوشتن و اجرای یک Kernel ساده
• 88. انتقال داده بین میزبان (Host) و دستگاه (Device)
• 89. همگام‌سازی نخ‌ها در یک بلاک
• 90. مفهوم Occupancy و تأثیر آن بر عملکرد
• 91. معرفی کتابخانه‌های علمی روی GPU (cuBLAS, cuFFT)
• 92. مقدمه‌ای بر مدل‌های جایگزین (OpenCL, OpenACC)
• 93. مطالعه موردی: شبیه‌سازی ساده روی GPU
• 94. بخش نهم: اکوسیستم HPC و بهترین شیوه‌ها**
• 95. استفاده از سیستم‌های کنترل نسخه (Git) برای کدهای علمی
• 96. ابزارهای ساخت پروژه (Makefile, CMake)
• 97. کار با سیستم‌های مدیریت صف و زمان‌بند کار (SLURM, PBS)
• 98. روش‌های بصری‌سازی داده‌های حجیم علمی (ParaView, VisIt)
• 99. تکنیک‌های دیباگ کردن کدهای موازی
• 100. مدیریت وابستگی‌ها و محیط‌های نرم‌افزاری