Bạn sẽ học được gì
- Rời rạc hóa một hệ vật lý liên tục thành mô hình tính toán được: chọn biến trạng thái, bước thời gian, phương pháp số
- Mô phỏng hệ nhiều vật thể tương tác (va chạm, hấp dẫn) và theo dõi các đại lượng bảo toàn để kiểm tra mô hình
- Nhận diện và mô phỏng hiện tượng hỗn loạn (chaos): độ nhạy với điều kiện đầu, quỹ đạo tách xa theo hàm mũ
- Áp dụng phương pháp Monte Carlo để mô phỏng các hệ có yếu tố ngẫu nhiên hoặc tích phân nhiều chiều
- Mô phỏng hệ liên tục (sóng, nhiệt) trên lưới rời rạc bằng sai phân hữu hạn
- Đánh giá độ tin cậy của một mô hình mô phỏng: hội tụ theo bước lưới, so sánh với giới hạn đã biết, phân tích độ nhạy
Nên học trước
Giới thiệu
Mô phỏng và mô hình hóa vật lý là bước đi xa hơn Vật lý tính toán: thay vì giải một bài toán đơn lẻ, ta xây dựng cả một mô hình của một hệ phức tạp — nhiều hạt tương tác, một hệ hỗn loạn, hay một trường liên tục trải trên không gian — rồi cho nó "chạy" theo thời gian.
Từ phương trình chuyển động đến mô hình rời rạc
Mọi mô phỏng bắt đầu bằng cùng một câu hỏi: hệ liên tục trong thực tế được rời rạc hóa thế nào để máy tính xử lý được? Một con lắc trở thành một cặp (góc, vận tốc góc) cập nhật theo từng bước thời gian nhỏ; một sợi dây rung trở thành một dãy điểm trên lưới không gian. Cách rời rạc hóa quyết định mô phỏng có phản ánh đúng vật lý hay không.
Ba lớp hiện tượng cần mô hình khác nhau
- Hệ nhiều vật thể: va chạm, hấp dẫn nhiều hạt — theo dõi năng lượng và động lượng bảo toàn để phát hiện lỗi mô hình.
- Hỗn loạn (chaos): hệ tất định nhưng cực nhạy với điều kiện đầu, như con lắc đôi; hai điều kiện đầu gần giống nhau cho quỹ đạo tách xa nhau theo hàm mũ.
- Ngẫu nhiên và liên tục: phương pháp Monte Carlo dùng số ngẫu nhiên để mô phỏng hệ có yếu tố xác suất hoặc tính tích phân nhiều chiều; sai phân hữu hạn trên lưới mô phỏng trường liên tục như sóng hay nhiệt độ.
Luôn hỏi "mô hình này có đáng tin không?"
Một mô phỏng chạy ra đồ thị đẹp không có nghĩa là đúng. Luôn kiểm tra: kết quả có hội tụ khi giảm bước lưới/bước thời gian không? Các đại lượng bảo toàn (năng lượng, động lượng) có được giữ đúng không? Mô hình có khớp với một giới hạn đã biết lời giải không?
Giáo trình & sách tham khảo
Xem tất cả trong tab SáchGiáo trình chính
Computational Physics: A Practical Introduction to Computational Physics and Scientific Computing (Using C++)
Konstantinos N. Anagnostopoulos · 2016 · Bản thứ 2
Vì sao chọn: Giáo trình mở, miễn phí trọn bộ, có phần thực hành mô phỏng cụ thể chứ không chỉ thuật toán số đơn lẻ — hợp làm sách chính vì học phí bằng 0 và cùng mạch nội dung với hai môn trước đó trong lộ trình.
Nên đọc: Phần mô phỏng hệ vật lý và phương pháp Monte Carlo
Computational Physics
Mark Newman · 2012
Sách kinh điển và được trích dẫn nhiều nhất về mô phỏng vật lý bằng máy tính: hỗn loạn, hệ nhiều hạt, Monte Carlo, phương trình đạo hàm riêng trên lưới. Không có bản đọc miễn phí hợp pháp đầy đủ; đáng đầu tư mua nếu theo hướng nghiên cứu.
Nên đọc: Toàn bộ
Python Programming and Numerical Methods: A Guide for Engineers and Scientists
Qingkai Kong, Timmy Siauw, Alexandre Bayen · 2020 · Bản thứ 1
Đọc miễn phí hợp pháp; phần phương trình vi phân và biến đổi Fourier trong sách hữu ích để ôn lại công cụ số trước khi ráp vào một mô phỏng lớn hơn.
Nên đọc: Phần II: Numerical Methods (Chương 14–25)
Các bước học
Đăng nhập để đánh dấu các bước đã hoàn thành.
Bước 1: Từ phương trình chuyển động đến mô hình rời rạc: con lắc và va chạm
khoảng 8 giờRời rạc hóa phương trình chuyển động của một con lắc đơn và một va chạm hai vật thể; chọn bước thời gian và phương pháp số phù hợp. Mô phỏng lại một con lắc đơn và kiểm tra xem năng lượng cơ học có được bảo toàn qua suốt mô phỏng hay không.
- Đọc: Phần mô phỏng hệ cơ học đơn giản — Computational Physics: A Practical Introduction to Computational Physics and Scientific Computing (Using C++)
Bước 2: Hệ nhiều vật thể và hỗn loạn
khoảng 9 giờMở rộng mô phỏng sang hệ ba vật thể hấp dẫn nhau và con lắc đôi; quan sát độ nhạy với điều kiện đầu. Chạy hai mô phỏng con lắc đôi với điều kiện đầu chỉ khác nhau 0.0001 radian và vẽ đồ thị khoảng cách hai quỹ đạo tách xa theo thời gian.
- Đọc: Toàn bộ — Computational Physics
Bước 3: Phương pháp Monte Carlo trong mô phỏng vật lý
khoảng 9 giờDùng số ngẫu nhiên để tính một tích phân nhiều chiều bằng Monte Carlo, và mô phỏng một mô hình lưới spin đơn giản kiểu Ising bằng thuật toán Metropolis. So sánh sai số của tích phân Monte Carlo với tích phân bằng lưới đều khi tăng số chiều của bài toán.
- Đọc: Phần phương pháp Monte Carlo — Computational Physics: A Practical Introduction to Computational Physics and Scientific Computing (Using C++)
Bước 4: Mô phỏng hệ liên tục trên lưới: sóng và nhiệt
khoảng 9 giờRời rạc hóa phương trình sóng và phương trình nhiệt bằng sai phân hữu hạn trên lưới không gian-thời gian. Mô phỏng một sợi dây rung hai đầu cố định, so sánh hình dạng các mode dao động thu được với nghiệm giải tích bằng chuỗi Fourier.
- Đọc: Phần II: Numerical Methods (Chương 14–25) — Python Programming and Numerical Methods: A Guide for Engineers and Scientists
Bước 5: Dự án tổng hợp: xây dựng và kiểm chứng một mô hình mô phỏng hoàn chỉnh
khoảng 8 giờChọn một hệ vật lý phức tạp — va chạm nhiều hạt, con lắc đôi hỗn loạn, hoặc mô hình Ising — xây dựng mô phỏng hoàn chỉnh, kiểm tra hội tụ và các đại lượng bảo toàn, rồi trình bày kết quả trong một báo cáo ngắn.
Khái niệm chính
- Rời rạc hóa
- Chuyển một hệ vật lý liên tục (theo thời gian và/hoặc không gian) thành một tập hữu hạn biến số cập nhật theo từng bước — điều kiện tiên quyết để máy tính mô phỏng được.
- Bài toán N vật thể
- Mô phỏng nhiều hạt tương tác qua lực hấp dẫn hoặc va chạm; chi phí tính toán tăng nhanh theo số hạt nên cần các kỹ thuật tối ưu khi N lớn.
- Đại lượng bảo toàn
- Năng lượng, động lượng hoặc mômen động lượng của hệ vật lý gốc; theo dõi chúng trong mô phỏng là cách kiểm tra độc lập xem chương trình có đúng không.
- Hỗn loạn và độ nhạy điều kiện đầu
- Tính chất của một số hệ tất định: hai điều kiện đầu gần giống nhau cho hai quỹ đạo tách xa nhau theo hàm mũ, khiến dự đoán dài hạn gần như bất khả thi dù phương trình hoàn toàn xác định.
- Phương pháp Monte Carlo
- Dùng số ngẫu nhiên để ước lượng một đại lượng (tích phân nhiều chiều, trạng thái cân bằng nhiệt) mà các phương pháp tất định khó hoặc không thể tính trực tiếp.
- Sai phân hữu hạn trên lưới
- Xấp xỉ đạo hàm không gian bằng hiệu giá trị tại các điểm lưới lân cận; biến một phương trình đạo hàm riêng liên tục thành một hệ phương trình rời rạc giải được bằng máy tính.
- Kiểm tra hội tụ lưới/bước thời gian
- Chạy lại mô phỏng với lưới mịn hơn hoặc bước thời gian nhỏ hơn và xem kết quả có ổn định quanh một giá trị hay không — dấu hiệu mô hình phản ánh đúng vật lý chứ không phải đặc thù của lưới đã chọn.
Học xong để làm gì
- Thiên văn: mô phỏng va chạm thiên hà, hệ hành tinh nhiều vật thể
- Vật lý chất rắn/vật liệu: mô phỏng động lực học phân tử (molecular dynamics)
- Khí tượng và khí hậu: mô hình hóa dòng chảy chất lưu trên lưới
- Vật lý thống kê: mô hình Ising và các mô hình mạng lưới bằng Monte Carlo
- Kỹ thuật: mô phỏng kết cấu và truyền nhiệt bằng phần tử/sai phân hữu hạn
Câu hỏi thường gặp
Khác gì với Vật lý tính toán và Phương pháp số đã học?
Hai môn trước dạy công cụ: thuật toán, cách lập trình, độ chính xác. Môn này dùng các công cụ đó để xây dựng và biện luận một mô hình hoàn chỉnh của một hệ phức tạp — trọng tâm chuyển từ "thuật toán đúng chưa" sang "mô hình có phản ánh đúng vật lý không".
Vì sao hệ hỗn loạn lại quan trọng để học?
Rất nhiều hệ vật lý thực — thời tiết, con lắc đôi, quỹ đạo ba vật thể — là hỗn loạn. Hiểu hỗn loạn giúp biết rõ giới hạn của mọi dự đoán bằng mô phỏng, kể cả khi phương trình mô tả hoàn toàn chính xác.
Monte Carlo có phải lúc nào cũng cần thiết không?
Không. Chỉ cần khi bài toán có yếu tố ngẫu nhiên thật sự (nhiệt, lượng tử) hoặc khi tích phân có quá nhiều chiều để các phương pháp lưới thông thường như Simpson còn hiệu quả.
Lộ trình này mất bao lâu?
Khoảng 43 giờ, tức 7–8 tuần nếu học 5–6 giờ mỗi tuần, đã tính cả thời gian làm dự án tổng hợp cuối lộ trình.

