دوره مقدمه‌ای بر محاسبات در علم مواد پیشرفته همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر محاسبات در علم مواد پیشرفته

موضوع کلی: برنامه نویسی

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

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر محاسبات در علم مواد
• 2. اهمیت محاسبات سطح بالا (HPC) در علم مواد
• 3. آشنایی با محیط لینوکس و خط فرمان
• 4. ناوبری در سیستم فایل: cd, ls, pwd
• 5. مدیریت فایل‌ها و دایرکتوری‌ها: mkdir, cp, mv, rm
• 6. مبانی کار با ویرایشگرهای متنی: nano و vim
• 7. مقدمه‌ای بر کنترل نسخه با Git
• 8. راه‌اندازی Git و ایجاد اولین ریپوزیتوری
• 9. مفاهیم اصلی Git: commit, push, pull
• 10. مبانی برنامه‌نویسی با پایتون
• 11. متغیرها، انواع داده‌ها و عملگرها در پایتون
• 12. ساختارهای کنترلی: دستورات شرطی و حلقه‌ها
• 13. توابع و ماژول‌ها در پایتون
• 14. ساختارهای داده: لیست‌ها، تاپل‌ها و دیکشنری‌ها
• 15. کار با فایل‌ها در پایتون: خواندن و نوشتن
• 16. مقدمه‌ای بر کتابخانه NumPy و آرایه‌های چندبعدی
• 17. عملیات برداری (Vectorization) با NumPy
• 18. توابع پایه ریاضی و آماری در NumPy
• 19. مقدمه‌ای بر کتابخانه SciPy برای محاسبات علمی
• 20. حل دستگاه معادلات خطی با SciPy
• 21. بهینه‌سازی و برازش منحنی با SciPy
• 22. مقدمه‌ای بر مصورسازی داده با Matplotlib
• 23. ایجاد نمودارهای دوبعدی و سه‌بعدی
• 24. شخصی‌سازی نمودارها: برچسب‌ها، عناوین و رنگ‌ها
• 25. مقدمه‌ای بر مدیریت داده با Pandas
• 26. مبانی معماری کامپیوتر: CPU، حافظه و کش
• 27. مفهوم محاسبات موازی و ضرورت آن
• 28. قانون آمدال و محدودیت‌های افزایش سرعت
• 29. طبقه‌بندی فلین: SISD, SIMD, MISD, MIMD
• 30. معماری حافظه مشترک (Shared Memory)
• 31. معماری حافظه توزیع‌شده (Distributed Memory)
• 32. شبکه‌های اتصال داخلی (Interconnects) در کلاسترها
• 33. آشنایی با کلاسترهای محاسباتی و ابرکامپیوترها
• 34. سیستم‌های مدیریت صف و زمان‌بند کار (Job Schedulers) مانند SLURM
• 35. نوشتن اولین اسکریپت ارسال کار (Job Script)
• 36. مقدمه‌ای بر برنامه‌نویسی با حافظه مشترک با OpenMP
• 37. مفاهیم اولیه OpenMP: دستورات (Directives) و نخ‌ها (Threads)
• 38. ایجاد حلقه‌های موازی با OpenMP
• 39. محدوده متغیرها در OpenMP: private, shared, reduction
• 40. همگام‌سازی نخ‌ها در OpenMP: critical, barrier
• 41. مقدمه‌ای بر برنامه‌نویسی با حافظه توزیع‌شده با MPI
• 42. مدل ارسال پیام (Message Passing Model)
• 43. راه‌اندازی محیط MPI و اجرای اولین برنامه
• 44. ارتباطات نقطه به نقطه: Send و Recv
• 45. ارتباطات جمعی: Broadcast و Reduce
• 46. ارتباطات جمعی پیشرفته: Scatter و Gather
• 47. ارتباطات غیرمسدودکننده (Non-blocking)
• 48. مدل ترکیبی MPI و OpenMP
• 49. مبانی مکانیک کوانتومی برای علم مواد
• 50. نظریه تابعی چگالی (DFT): اصول و مبانی
• 51. معادلات کوهن-شم (Kohn-Sham)
• 52. تقریب‌های تبادلی-همبستگی: LDA, GGA, و Hybrid
• 53. مفهوم شبه‌پتانسیل (Pseudopotential)
• 54. مجموعه پایه‌های موج تخت (Plane-Wave Basis Sets)
• 55. محاسبه انرژی کل و ساختار الکترونی
• 56. محاسبه چگالی حالت‌ها (DOS)
• 57. محاسبه ساختار نواری (Band Structure)
• 58. بهینه‌سازی ساختار هندسی (Structural Relaxation)
• 59. آشنایی با نرم‌افزارهای DFT: Quantum ESPRESSO, VASP
• 60. آماده‌سازی فایل‌های ورودی برای محاسبات DFT
• 61. تحلیل فایل‌های خروجی محاسبات DFT
• 62. مبانی دینامیک مولکولی (MD)
• 63. میدان‌های نیرو و پتانسیل‌های بین اتمی
• 64. الگوریتم‌های انتگرال‌گیری: Verlet
• 65. آنسامبل‌های ترمودینامیکی: NVE, NVT, NPT
• 66. ترموستات‌ها و باروستات‌ها
• 67. محاسبه خواص ساختاری: تابع توزیع شعاعی (RDF)
• 68. محاسبه خواص دینامیکی: میانگین مجذور جابجایی (MSD)
• 69. آشنایی با نرم‌افزارهای MD: LAMMPS
• 70. آماده‌سازی فایل‌های ورودی برای شبیه‌سازی MD
• 71. تحلیل مسیر حرکت (Trajectory) و خروجی‌های MD
• 72. مقدمه‌ای بر روش مونت کارلو
• 73. الگوریتم متروپلیس
• 74. مقدمه‌ای بر روش اجزای محدود (FEM)
• 75. کاربردهای FEM در تحلیل تنش و کرنش مواد
• 76. مقدمه‌ای بر مدل‌سازی چندمقیاسی (Multiscale Modeling)
• 77. اتصال مقیاس کوانتومی و اتمی (QM/MM)
• 78. اتصال مقیاس اتمی و پیوسته
• 79. عیارسنجی و اعتبارسنجی مدل‌های محاسباتی
• 80. مفهوم محاسبات با توان عملیاتی بالا (High-Throughput Computing)
• 81. اتوماسیون محاسبات با اسکریپت‌نویسی
• 82. آشنایی با پایگاه‌های داده مواد: Materials Project, AFLOW
• 83. مدیریت داده‌های حجیم در شبیه‌سازی‌ها
• 84. فرمت‌های استاندارد داده‌های علمی: HDF5 و NetCDF
• 85. ابزارهای پس‌پردازش و تحلیل داده‌ها
• 86. مصورسازی ساختارهای اتمی و مولکولی: VMD و OVITO
• 87. مصورسازی داده‌های حجیم علمی با ParaView
• 88. مقدمه‌ای بر برنامه‌نویسی روی GPU
• 89. معماری GPU و مفاهیم CUDA
• 90. مبانی برنامه‌نویسی با CUDA
• 91. کتابخانه‌های علمی برای GPU
• 92. مقدمه‌ای بر یادگیری ماشین در علم مواد
• 93. کاربرد یادگیری ماشین برای توسعه پتانسیل‌های بین اتمی
• 94. پیش‌بینی خواص مواد با استفاده از مدل‌های رگرسیون
• 95. کشف مواد جدید با استفاده از الگوریتم‌های یادگیری ماشین
• 96. بهترین شیوه‌ها در کدنویسی علمی
• 97. مستندسازی و تست کد
• 98. مفهوم بازتولیدپذیری (Reproducibility) در علم محاسباتی
• 99. استفاده از کانتینرها (Docker, Singularity) برای محیط‌های محاسباتی
• 100. روندهای آینده در محاسبات علم مواد