دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Privman V. (ed.)
سری:
ISBN (شابک) : 9810201087, 9789810201081
ناشر: WSP
سال نشر: 1990
تعداد صفحات: 523
زبان: English
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Finite Size Scaling and Numerical Simulation of Statistical Systems به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مقیاس بندی اندازه محدود و شبیه سازی عددی سیستم های آماری نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
تئوری مقیاس پذیری اندازه محدود تشریح می کند که وقتی یک سیستم کوچک در اندازه افزایش می یابد، ویژگی های حجیم ایجاد می شود. این توصیف به ویژه در سیستمهای همبسته قوی که در آن نوسانات بحرانی با افزایش اندازه سیستم، از جمله نقاط انتقال فاز، ترکیبهای پلیمری ایجاد میشود، اهمیت دارد. از آنجایی که شبیهسازیهای کامپیوتری عددی همیشه با نمونههای محدود انجام میشوند، برای برونیابی و تجزیه و تحلیل دادهها بر نظریه مقیاسبندی اندازه محدود تکیه میکنند. با ظهور محاسبات در مقیاس بزرگ در سال های اخیر، استفاده از روش های مقیاس اندازه اهمیت فزاینده ای پیدا کرده است.
The theory of Finite Size Scaling describes a build-up of the bulk properties when a small system is increased in size. This description is particularly important in strongly correlated systems where critical fluctuations develop with increasing system size, including phase transition points, polymer conformations. Since numerical computer simulations are always done with finite samples, they rely on the Finite Size Scaling theory for data extrapolation and analysis. With the advent of large scale computing in recent years, the use of the size-scaling methods has become increasingly important.