Mentor í Spretti (GKY001M)

Í námskeiðinu felast verkefni nemenda í  að vera mentor fyrir þátttakendur á framhalds- og háskólastigi í verkefninu „Sprettur”. Mentorar sinna því mikilvæga starfi að styðja og hvetja ungmenni í námi og félagslífi. Hlutverk mentora er að skapa uppbyggjandi samband við þátttakendur, vera jákvæð fyrirmynd og taka þátt í sameiginlegum viðburðum skipulögðum í Spretti. Mentorhlutverkið snýst um tengslamyndun og samveru sem felur í sér skuldbindingu gagnvart ungmennunum sem mentor styður.  

Sprettur er verkefni sem styður við nemendur með innflytjenda- eða flóttamannabakgrunn sem koma úr fjölskyldum þar sem fáir eða engir hafa háskólamenntun.  Nemendur í námskeiðinu eru mentorar þátttakenda og eru þeir tengdir saman með hliðsjón af sameiginlegu áhugasviði. Hver mentor ber ábyrgð á að styðja tvo þátttakendur. Mentorar skipuleggja samveru og verja þremur klukkustundum á mánuði (frá ágúst fram í maí) með þátttakendum í Spretti, þremur klukkustundum í mánuði í heimavinnuhópi og mæta í fimm málstofur sem dreifast yfir skólaárið. Nemendur skila dagbókarfærslum á Canvas í nóvember og mars. Dagbókarfærslur byggjast á lesefni og hugleiðingum nemenda um mentorstarfið. Námskeiðið er kennt á íslensku og ensku.  

 Nemendur sækja um þátttöku á námskeiðinu. Sjá rafrænt umsóknareyðublað.  Umsækjendur fara í viðtal og eru 15-30 nemendur valdir til þátttöku.   

Frekari upplýsingar um verkefnið „Sprettur” má nálgast hér: www.hi.is/sprettur 

Lokaverkefni (EÐL441L)

Ergodicity og brot hennar í klassískum og skammtakerfi (EÐL528M)

Heildarmarkmið: Að veita háþróaða sýn á grundvallarhugtök varmavæðingar, ör tímans bæði í klassísku og skammtafræðilegu sjónarhorni.

Helstu viðfangsefni: Ójafnvægisvarmafræði, skammtahitavæðing, ergodicity tilgáta.

Valin viðfangsefni i nútímastjörnufræði (EÐL022M)

Veitt verður yfirlit af mismunandi viðfangsefnum í nútímastjörnufræði. Viðfangsefni getur breyst frá ári til árs.  Á þessu misseri (haust 2021) verður fjallað um háorku stjarneðlisfræði.

Sérhæfð umfjöllunarefni í sígildri eðlisfræði (EÐL101M)

Heildarmarkmið:
Að veita 21.aldar sjónarhorn á grundvallarhugtök á helstu sviðum klassískrar eðlisfræði sem ekki er farið nægilega vel yfir í grunnnámi.

Helstu viðfangsefni:
- Fluid Dynamics: Námskeið sem farið er yfir á fyrri hluta námskeiðsins
- Tölfræðileg eðlisfræði: Eining sem fjallað er um á seinni hluta námskeiðsins

Kennarar:
- Cristobal Arratia, Assistant Professor, Nordita, kennir Fluid Dynamics
- Per Moosavi, Researcher, Stockholm University, kennir Statistical Physics

Sérhæfð umfjöllunarefni í rafsegulfræði (EÐL102M)

This course provides a comprehensive introduction to advanced and modern topics in Electrodynamics aimed at undergraduate and master's students. The course assumes familiarity with Newtonian mechanics, but the main concepts of special relativity and vector calculus are covered initially. 

Tölvueðlisfræði F (EÐL114F)

Markmið: Að kynna hvernig tölulegri greiningu er beitt til þess að kanna eiginleika eðlisfræðilegra líkana. Námsefni: Forritunarumhverfi og grafísk framsetning.  Beiting fallagrunna til lausnar á líkönum í skammta- og safneðlisfræði. Samskipti við Linux-þyrpingar og fjarvélar. Námskeiðið er kennt á íslensku eða ensku eftir þörfum nemenda.

Forritunarmál: FORTRAN-2008 með OpenMP stýringu á samhliða vinnslu. 

Eðlisfræði þéttefnis 1 (EÐL520M)

Markmiðið er að kynna nemendum frumatriði í eðlisfræði þéttefnis. Námsefni: Efnatengi, kristallsgerð þéttefnis, samhverfa kristallsgrinda, nykurgrind. Titringshættir kristalla, hljóðeindir, eðlisvarmi kristallsgrindar, varmaleiðni. Frjálsar rafeindir, borðalíkan þéttefnis, virkur massi. Málmar, einangrarar og hálfleiðarar.  Þrjár verklegar æfingar.

Skammtafræði 2 (EÐL521M)

Markmið: Að kynna nemendum almenna skammtafræði til nokkurrar hlítar. Námsefni: Óaðgreinanlegar agnir, seinni skömmtun. Þéttleikavirkjar, hrein og blönduð skammtaástönd. Samhverfur í skammtafræði, snúningsgrúpan, samlagning hverfiþunga, setning Wigner-Eckarts. Víxlverkun atóma og geislunar, sjálfgeislun. Brautaheildi Feynmans.

Stjarneðlisfræði (EÐL527M)

Fjallað verður um afmörkuð svið stjarneðlisfræði og heimsfræði samkvæmt vali kennara og nemenda.

Lokaverkefni: verkefnastjórnun, ritfærni og kynning (VON001F)

Námskeiðið fjallar um inngang að vísindalegum aðferðum, siðfræði vísinda í háskólasamfélaginu. Einnig verður farið í hlutverk nemanda, leiðbeinanda og prófdómara. Tekin verða fyrir árangursrík og heiðarleg samskipti sem og gerð fræðilegrar umfjöllunar með notkun gagnasafna og réttri heimildanotkun. Gerð rannsóknaráætlunar og rannsóknaðferðir verða kynntar og einnig hagnýt framsetning tölulegra gagna. Farið verður í verklag við gerð fræðiritgerða, hvernig skipta á stóru verkefni niður í smærri einingar, gerð áætlunar og tímalínu og hvernig á að fylgja þeim. Lífið eftir brautskráningu og vinnumarkaðurinn.

Lokaverkefni (EÐL441L)

Eðlisfræði þéttefnis 2 (EÐL206M)

Markmið er að kynna takmörk einnar einda kenninga um þéttefni og skoða víxlverkun einda. Námsefni: Raf- og segulsvörun í einangrandi og hálfleiðandi efni. Rafeindaflutningur, Boltzmann jafnan og slökunartímanálgun. Takmörk einnar einda kenninga. Víxlverkun og fjöleindanálgun. Skiptaverkun og seguleiginleikar þéttefnis, Heisenberg líkanið, spunabylgjur. Ofurleiðni, BCS kenningin og jafna Ginzburg-Landau.

Skammtasviðsfræði (EÐL208M)

Markmið: Kynning á skammtasviðsfræði og hagnýtingu hennar í nútímaeðlisfræði.

Meginatriði: Afstæðileg skammtafræði, bóseindir og fermieindir, kvarðasvið, víxlverkanir og truflanareikningur, Feynman myndir og notkun þeirra, dreififræði, helstu ferli í skammtarafsegulfræði.

Inngangur að stjarneðlisfræði (EÐL407G)

Markmið: Að kynna undirstöðuatriði og aðferðir stjarneðlisfræðinnar. Áhersla er lögð á notkun eðlisfræði við líkanagerð og útskýringar á stjarnfræðilegum fyrirbærum. Námsefni m.a.: Eðli sólstjarna. Ástandsjafna, orkuframleiðsla og orkuflutningur. Geislun. Gerð og þróun sólstjarna. Hamfaraskeið í þróun þeirra: Þyngdarhrun og stjörnusprengingar. Eðlisfræði hvítra dverga, nifteindastjarna og svarthola. Þéttstæð tvístirni og röntgenstjörnur. Tifstjörnur. Vetrarbrautir af ýmsum gerðum, myndun þeirra og þróun. Virkni í kjörnum vetrarbrauta. Efnið milli stjarnanna. Segulsvið í geimnum. Geimgeislar. Valin atriði úr heimsfræði.

Almenna afstæðiskenningin (EÐL610M)

Markmið: Að kenna nemendum undirstöðuatriði í afstæðiskenningu Einsteins.

Námsefni: Takmarkaða afstæðiskenningin, fjórvigrar og þinir. Almenna afstæðiskenningin, sveigja tímarúmsins, jafngildislögmálið, jöfnur Einsteins, samanburður við mælingar innan sólkerfisins, þyngdarbylgjur, svarthol, heimsfræði.

Kennarar: Benjamin Knorr og Ziqi Yan, postdocs við Nordita.

Inngangur að nanótækni (EÐL624M)

Fjallað verður um nanóagnir, nanóvíra og þunnar húðir. Ræktun þunnra húða þar með talið ræktunarhætti og flutningseiginleika í þunnum húðum. Greining nanóefna, ákvörðun á kristallagerð, agnastærð og formgerð yfirborðs þar sem beitt er smugsjá, kraftsjá, röntgengreiningu og rafeindasmásjám. Þróun rafeindatækni með sífelldri skölun smára, þar með talið MOSFET og finFET. Notkun kolefnis í nanótækni, graphene og kolrör. Lithography. Seguleiginleikar á nanó skala. Nanó-ljósfræði, plasmonics, metamaterials, möntull og ósýnileiki. Rafeindatækni sameinda.

Tölfræðilegar aðferðir við gagnaúrvinnslu (EÐL209M)

Many real-world systems—such as social networks, ecosystems, brain networks, and communication infrastructures—are inherently complex. These systems exhibit emergent behaviors that cannot be predicted by studying their individual components alone. The significance of studying these complex systems was highlighted by the 2021 Nobel Prize in Physics, awarded for groundbreaking research in this area.

Network science provides powerful tools for modeling and understanding complex systems, and offers data-driven approaches to uncovering their underlying structures and dynamics. This course introduces students to fundamental statistical methods with a particular focus on their application within network science. It is designed to provide a comprehensive foundation in the principles and techniques essential for network modeling, analysis, and statistical inference in complex networks.

Students will explore:

1. Network Structure – Core concepts include random networks, such as configuration models, degree distribution, centrality measures, and community structures.
2. Network Dynamics – Key dynamic processes on networks, such as diffusion, random walks, epidemic spread modeling, percolation, and branching processes.
3. Statistical Inference on Networks – Techniques for inferring structure and dynamics from networked data, covering topics like network reconstruction, community detection, and dynamic inference.