Module also offered within study programmes:
General information:
Annual:
2017/2018
Code:
MIS-2-318-IO-n
Name:
Automaty komórkowe w modelowaniu procesów i materiałów
Faculty of:
Metals Engineering and Industrial Computer Science
Study level:
Second-cycle studies
Specialty:
Computational Engineering
Field of study:
Applied Computer Science
Semester:
3
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Part-time studies
Course homepage:
 
Responsible teacher:
prof. dr hab. inż. Svyetlichnyy Dmytro (svetlich@metal.agh.edu.pl)
Academic teachers:
prof. dr hab. inż. Svyetlichnyy Dmytro (svetlich@metal.agh.edu.pl)
Module summary

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Skills
M_U001 Potrafi ocenić przydatność i możliwość wykorzystania modeli matematycznych w celu lepszego zrozumienia i/lub usprawniania analizowanego procesu lub technologii IS2A_U07 Execution of laboratory classes
M_U002 Potrafi planować i przeprowadzać symulacje numeryczne dla wybranego procesu fizycznego oraz weryfikować i interpretować uzyskane wyniki IS2A_U08 Execution of laboratory classes
Knowledge
M_W001 Ma podbudowaną teoretycznie szczegółową wiedzę z zakresu termodynamicznego i kinetycznego modelowania procesów IS2A_W23 Examination
M_W002 Ma wiedzę o trendach rozwojowych i nowych osiągnięciach z zakresu modelowania procesów fizycznych, w szczególności przy zastosowaniu automatów komórkowych IS2A_W09 Examination
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Skills
M_U001 Potrafi ocenić przydatność i możliwość wykorzystania modeli matematycznych w celu lepszego zrozumienia i/lub usprawniania analizowanego procesu lub technologii + - + - - - - - - - -
M_U002 Potrafi planować i przeprowadzać symulacje numeryczne dla wybranego procesu fizycznego oraz weryfikować i interpretować uzyskane wyniki - - + - - - - - - - -
Knowledge
M_W001 Ma podbudowaną teoretycznie szczegółową wiedzę z zakresu termodynamicznego i kinetycznego modelowania procesów + - - - - - - - - - -
M_W002 Ma wiedzę o trendach rozwojowych i nowych osiągnięciach z zakresu modelowania procesów fizycznych, w szczególności przy zastosowaniu automatów komórkowych + - - - - - - - - - -
Module content
Lectures:
  1. Wprowadzenie, historia, pojęcia podstawowe, automat skończony – stany i przejścia.

    Określenie automatów komórkowych. Wynalezienie i rozwój automatów komórkowych. Automat skończony, jako składowa automatów komórkowych. Stany automatu. Zasady działania, modele i sposoby przedstawienia reguł przejścia automatów.

  2. Automaty komórkowe jedno- i dwuwymiarowe. Najbardziej znane automaty

    Automaty skończone. Maszyna Posta-Turinga. Mrówka Langdona, Turmity. Bugs i inny przykłady automatów komórkowych.

  3. Zastosowania automatów komórkowych

    Gaz siatkowy – metoda siatek Boltzmanna. Rozrost kryształów. Samo-replikacja. Modelowanie tkanek pobudliwych. Dyfuzja w skali mikro, mezo, i makro.

  4. Topologia i warunki brzegowe automatów komórkowych

    Automaty o wielu wyjściach i wejściach. Otoczenie – sąsiedztwo. Główne elementy automatów komórkowych i ich struktura. Topologia i geometria AK. Warunki brzegowe, jako element topologii przestrzeni. Rodzaje warunków brzegowych.

  5. Sąsiedztwo i reorganizacja przestrzeni AK

    Automaty komórkowe o zmiennej geometrii. Modyfikacja rozmiarów i kształtu komórek. Reorganizacja przestrzeni z zachowaniem lub zmianą warunków brzegowych. Rodzaje sąsiedztwa. Anizotropia, jako skutek dyskretyzacji przestrzeni i wprowadzania sąsiedztwa.

  6. Aktualizacja stanów

    Automaty synchroniczne i asynchroniczne. Sposoby aktualizacji asynchronicznej. Wady i zalety asynchronicznej aktualizacji stanów. Sposoby algorytmicznego przyspieszenia obliczeń związane z aktualizacją stanów.

  7. Anizotropia automatów komórkowych. Izotropia

    Przyczyny anizotropii AK. Przykłady prób zastosowania różnych rodzajów sąsiedztwa do zmniejszenia anizotropii. Udowodnienie niemożliwość zmniejszenia anizotropii przez wykorzystanie sąsiedztw. Sterowanie prędkością rozrostu. Wprowadzenia stanu przejściowego. Czas przejścia. Uniezależnienie działania od wprowadzonej siatki i sąsiedztwa. Izotropia przestrzeni. Kierunek i odległość. Kształt komórki. Nieregularne siatki.

  8. Anizotropia rozrostu ziaren. Kształt ziarna

    Kształt ziarna. Układy lokalne i globalne. Przekształcenie układów. Algorytmy anizotropowego rozrostu ziarna w izotropowej przestrzeni. Zmienna prędkość rozrostu. Algorytmy lokalne, globalne i przyrostowe. Zmienna geometria. Przykłady dla różnych kształtów ziaren.

  9. Frontalne automaty komórkowe

    Problem: wymiary przestrzeni – objętość pamięci – czas obliczeń. Sposoby rozwiązania: ekstensywny i intensywny. Sekwencyjność działania. Podział algorytmu na obliczenia i aktualizacje=symulacje. Wykorzystanie automatów wiele-stanowych. Zamiana otoczenia wejściowego otoczeniem wyjściowym. Obrócenie kierunku przepływu informacji. Podział przestrzeni na strefy ze względu na stan. Wprowadzenie list. Sterowanie krokiem czasowym. Algorytmy rozrostu i zarodkowania. Stworzenie uniwersalnego frontalnego automatu komórkowego.

  10. Modelowanie trójwymiarowe

    Co niemożliwe do prawidłowego modelowania automatami dwuwymiarowymi. Kinetyka procesu, lokalizacja zarodków, prędkość rozrostu, odkształcenie i krystalograficzna orientacja. Modelowanie rozwoju mikrostruktury. Hierarchiczny układ do modelowania zjawisk mikrostrukturalnych i procesów technologicznych.

  11. Modelowanie początkowej mikrostruktury

    Geometria. Warunki brzegowe. Stany komórek. Otoczenie. Lokalna reguła. Aktualizacja. Rozkład wielkości ziaren. Kształt i orientacja ziaren. Rozkład orientacji krystalograficznej i (lub) misorientacji granic ziaren. Odkształcenie i reorganizacja przestrzeni. Warunki zarodkowania i rozrostu ziaren. Dopasowanie do zadanych rozkładów. Przykłady.

  12. Modelowanie kryztalizacji

    Struktura i parametry automatów komórkowych do modelowania krystalizacji (krzepnięcia). Kształt ziaren. Zarodkowanie. Sterowanie prędkością rozrostu. Przykłady modelowania procesów z krzepnięciem.

  13. Modelowanie rekrystalizacji

    Struktura i parametry automatów komórkowych do modelowania rekrystalizacji. Modele rozwoju gęstości dyslokacji, zarodkowania i prędkości rozrostu ziaren. Przykłady rekrystalizacji statycznej i dynamicznej. Przykłady modelowania procesów technologicznych z rekrystalizacją.

  14. Modelowanie przemian fazowych

    Struktura i parametry automatów komórkowych do modelowania przemian fazowych. Modele zarodkowania, rozrostu ziaren, dyfuzji. Przykłady.

  15. Modelowanie rozdrobnienia ziarna

    Trzy modele rozdrobnienia ziaren. Zastosowanie hybrydowych modeli. Modele jedno-, dwu- i trójwymiarowych. Uwzględnienie systemów poślizgu i składowych odkształcenia na rozwój struktur dyslokacyjnych i ich ewolucji w podziarna i ziarna. Powstanie nowych granic i ich rozwój. Rotacja ziaren. Przykłady modelowania procesów z rozdrobnieniem ziaren.

Laboratory classes:
  1. Automaty komórkowe. Podstawowe pojęcia. Jednowymiarowe CA. Lokalne reguły
  2. Jednowymiarowe CA. Synchroniczne i asynchroniczne CA
  3. Dwuwymiarowe CA
  4. Otoczenie (Sąsiedztwo)
  5. Sterowanie prędkością rozrostu. Izotropia przestrzeni
  6. Frontalne automaty komórkowe
  7. Kształt ziaren
  8. Początkowa mikrostruktura
  9. Granicy ziaren. Warunki brzegowe
  10. Otwarte warunki brzegowe. Krok czasowy
  11. Rozwój mikrostruktury. Przemiana fazowa
Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 128 h
Module ECTS credits 5 ECTS
Participation in lectures 18 h
Realization of independently performed tasks 45 h
Preparation for classes 15 h
Participation in laboratory classes 9 h
Contact hours 14 h
Preparation of a report, presentation, written work, etc. 25 h
Examination or Final test 2 h
Additional information
Method of calculating the final grade:

30% oceny z egzaminu + 70% ćwiczenia + bonus z obecności na wykładach

Prerequisites and additional requirements:

Zgodnie z Regulaminem Studiów AGH podstawowym terminem uzyskania zaliczenia jest ostatni dzień zajęć w danym semestrze. Termin zaliczenia poprawkowego (tryb i warunki ustala prowadzący moduł na zajęciach początkowych) nie może być późniejszy niż ostatni termin egzaminu w sesji poprawkowej (dla przedmiotów kończących się egzaminem) lub ostatni dzień trwania semestru (dla przedmiotów niekończących się egzaminem).

Recommended literature and teaching resources:

1. Svyetlichnyy D.S. Frontalne automaty komórkowe, Wydawnictwa AGH, Kraków, 2013.
2. Kułakowski K. Automaty komórkowe, Kraków, AGH, 2000.
3. Wolfram S. A new kind of science, Champaign: Wolfram Media, Cambridge: Cambridge University Press, 1999.
4. Schiff J.L. Cellular automata: a discrete view of the world, Hoboken: John Wiley & Sons Inc., cop. 2008.

Scientific publications of module course instructors related to the topic of the module:

1. Svyetlichnyy D.S. Frontalne automaty komórkowe, Wydawnictwa AGH, Kraków, 2013.
2. Svyetlichnyy, D.S., Modelling of the microstructure: From classical cellular automata approach to the frontal one, Computational Materials Science, 2010, 50 (1), pp. 92-97.
3. Svyetlichnyy, D.S. Modeling of microstructure evolution in process with severe plastic deformation by cellular automata, Materials Science Forum, 2010, 638-642, pp. 2772-2777.
4. Svyetlichnyy, D.S., Simulation of microstructure evolution during shape rolling with the use of frontal cellular automata, ISIJ International, 2012, 52 (4), pp. 559-568.
5. Svyetlichnyy, D.S., Reorganization of cellular space during the modeling of the microstructure evolution by frontal cellular automata, Computational Materials Science, 2012, 60, pp. 153-162.
6. Svyetlichnyy, D.S., Modeling of grain refinement by cellular automata, Computational Materials Science, 2013, 77, pp. 408-416.
7. Łach, Ł., Svyetlichnyy, D., Multiscale model of shape rolling taking into account the microstructure evolution – Frontal cellular automata, Advanced Materials Research, 2014, 998-999, pp. 545-548.
8. Łach, L., Svyetlichnyy, D.S., Frontal cellular automata simulations of microstructure evolution during shape rolling, Materials Research Innovations, 2014, 18, pp. S6-295-S6-302.
9. Svyetlichnyy, D.S., Mikhalyov, A.I., Three-dimensional frontal cellular automata model of microstructure evolution – Phase transformation module, ISIJ International, 2014, 54 (6), pp. 1386-1395.
10. Svyetlichnyy, D.S., A three-dimensional frontal cellular automaton model for simulation of microstructure evolution – Initial microstructure module, Modelling and Simulation in Materials Science and Engineering, 2014, 22 (8), 085001.
11. Svyetlichnyy, D.S., Muszka, K., Majta, J., Three-dimensional frontal cellular automata modeling of the grain refinement during severe plastic deformation of microalloyed steel, Computational Materials Science, 2015, 102, 6397, pp. 159-166.

Additional information:

None