Fisika komputasi

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 AturanLinier Nonlinier

Jum

lah

var

iab

el

B

anya

k

S

edik

it

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 Mapxn+1 = Axn(1 - xn)

Atraktor Hénonxn+1 = 1 - 1.4xn

2 + 0.3xn-1

2-D Kuadratik 2-D Umum

xn+1 = a1 + a2xn + a3xn2 +

a4xnyn + a5yn + a6yn2

yn+1 = a7 + a8xn + a9xn2 +

a10xnyn + a11yn + a12yn2

Set Mandelbrot

y

x

xn+1 = xn2 - 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.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 laboratoriumsebagai 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 : eksplorasiRobotik : 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

TM

A (

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

TM

A (

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 BULANANBulan prediksi Real %Tepat Real Mov %TepatOkt 2002 75.7859 72.172 95.231 77.33875 97.951Nop 2002 83.3068 83.9514 99.226 83.97249 99.201Des 2002 93.5186 95.8011 97.559 92.24617 98.639Januari 2003 102.055Februari 2003 110.805

ChDKI BULANANBulan prediksi Real %Tepat Real Mov %TepatOkt 2002 45.036 40.131 89.108 51.7023 85.198Nop 2002 97.137 134.08 61.964 104.957 91.949Des 2002 152.067 151.34 99.52 144.436 94.982Januari 2003 232.9562Februari 2003 272.142

TMA PENTAD 12 Des 2002- 10 Jan 2003Tanggal prediksi Real %Tepat Real Mov %Tepat12 s/d 16 Des 87.4363 102.625 82.629 93.99541 92.49817 s/d 21 Des 89.5131 96.1583 92.576 95.84169 92.9322 s/d 26 Des 91.158 100.625 89.615 95.49 95.24827 s/d 31 Des 92.1789 87.975 95.439 94.225 97.781 s/d 5 Jan 92.802 87.71 94.513 91.664 98.7745 s/d 10 Jan 91.9754 81.47 88.578 85.2935 92.73511 s/d 15 Jan 95.293516 s/d 20 Jan 98.815621 s/d 25 Jan 102.39226 s/d 30 Jan 103.06831 s/d 4 Feb 101.7625 s/d 9 Feb 99.391

ChDKI PENTAD 27 Nop 2002 - 10 Jan 2003Tanggal prediksi Real %Tepat Real Mov %Tepat27 s/d 1 Des 32.8605 36.193 89.858 30.9215 94.0992 s/d 6 Des 29.316 29.883 98.065 28.445 97.0297 s/d 11 Des 24.7315 6.31 25.514 22.052 89.16612 s/d 16 Des 23.3795 44.76 8.5502 27.8727 80.78217 s/d 21 Des 23.842 9.8 41.104 22.5563 94.60822 s/d 26 Des 26.0395 37.583 55.668 24.5427 94.25227 s/d 31 Des 20.4655 15.367 75.086 20.3617 99.4931 s/d 5 Jan 23.6725 15 63.365 21.885 92.4495 s/d 10 Jan 22.778 37.5 35.367 24.11 94.15211 s/d 15 Jan 25.4316 s/d 20 Jan 36.172821 s/d 25 Jan 35.579126 s/d 30 Jan 37.930431 s/d 4 Feb 31.69665 s/d 9 Feb 30.5685

Performance

Prediksi Tinggi Muka Air Pintu Depok untuk Bulan Januari-Juli 2003untuk 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

TM

A (

cm

)

Hasil Prediksi TMA RiilPrediksi 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

TM

A (

cm

)

Hasil Prediksi Curah Hujan Riil

Prediksi Tinggi Muka Air Pintu Depok Pentad untuk 11 Januari- 9 Februari 2003untuk Wilayah DKI Jakarta

50

70

90

110

130

150

170

1999 2000 2001 2002 2003

Tahun

TM

A (

cm

)

Hasil Prediksi TMA Riil

Prediksi Curah Hujan Pentad untuk 11 Januari- 9 Februari 2003untuk Wilayah DKI Jakarta

0

20

40

60

80

100

120

140

160

180

200

1999 2000 2001 2002 2003

Tahun

TM

A (

cm

)


TMA PENTAD 1-15 Jan 2004Tanggal prediksi Real %Tepat Real Mov %Tepat1 s/d 5 Jan 106.92 107.967 99.021 108.7 98.3355 s/d 10 Jan 105.73 105.917 99.823 107.77 98.07111 s/d 15 Jan 104.07 110.057 94.247 108.18 96.05116 s/d 20 Jan 108.3121 s/d 25 Jan 107.9926 s/d 30 Jan 107.1931 s/d 4 Feb 106.16

Curah Hujan Ciliwung Hulu PENTAD 1-10 Jan 2004Tanggal prediksi Real %Tepat Real Mov %Tepat1 s/d 5 Jan 97.54 71 72.791 99.9 97.585 s/d 10 Jan 90.01 115.33 71.866 104.3 84.12411 s/d 15 Jan 79.067 76.82 97.158 76.82 97.15816 s/d 20 Jan 88.896321 s/d 25 Jan 75.091826 s/d 30 Jan 65.0666

Performance

Prediksi Tinggi Muka Air Pintu Depok untuk Bulan Januari-Juni 2004untuk 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 RiilPrediksi Curah Hujan Ciliwung Hulu Bulan Januari-Juni 2004


0

100

200

300

400

500

600

700

1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004


Prediksi Tinggi Muka Air Pintu Depok untuk 16 Jan- 4 Feb 2004untuk Wilayah DKI Jakarta

50

70

90

110

130

150

170

2000 2001 2002 2003 2004

Tahun

TM

A (

cm

)

Hasil Prediksi TMA RiilPrediksi Curah Hujan Ciliwung Hulu Pentad untuk 11-30 Januari 2004


0

20

40

60

80

100

120

140

160

180

200

2000 2001 2002 2003 2004

Tahun

Cu

rah

hu

jan

(m

m)


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 25000.2

0.4

0.6

0.8

1

1.2

1.4

1.6

1.8x 10

4

nomor urutan data

Ru

pia

h (

me

rah

=d

ata

se

be

na

rnya

,bir

u=

ha

sil p

red

iksi

AN

N) 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

F = MA

exp(-E/kT)

domain

quantumchemistry

moleculardynamics

Monte Carlo

mesoscale continuum

What and Where: Scales in Simulations

Length Scale

Tim

e S

cale

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

Education

Fisika komputasi