Hola, hice mi proyecto de investigación de pregrado en física computacional. Tuve que simular el modelo Ising, que es un conjunto de nodos conectados (un modelo primitivo de un ferromagnet), utilizando dos algoritmos diferentes: el Metropolis-Hasting y el Wang-Landau. Tuve que mostrar una transición de fase de primer orden (esta es la razón por la cual el modelo de Ising es interesante) con ambos algoritmos. El MH tarda mucho más que el WL porque no puede superar la barrera de fase fácilmente: no muestrea fácilmente los estados de baja energía. El algoritmo WL pasa por alto esto y calcula la densidad de los estados (más o menos) y luego un poco de física térmica le da cantidades termodinámicas de interés. Finalmente, estaba comparando la eficiencia de cada algoritmo aplicado al modelo en términos cuantitativos: tenía que tener estimaciones de error y todo. Fue divertido.
Utilicé Python para hacerlo y descubrí que es importante no complicarte la vida con los lenguajes y demás. No puedo decirte qué hacer, descubrí que aquellos que hicieron proyectos experimentales tuvieron un tiempo mucho más fácil que yo, no fue difícil, fue mucho tiempo. También sentí que aquellos que hicieron proyectos teóricos no aprendieron casi tanto como yo, porque los profesores insistieron en establecer el proyecto en un nivel demasiado alto para que los estudiantes de pregrado lo comprendieran completamente. Esa es mi opinión. Si te gusta la programación y demás, ¿por qué no?
- ¿Cuáles son algunos problemas interesantes de PSPACE-complete?
- ¿Por qué no enseñan la prueba de fizzbuzz en ciencias de la computación de pregrado?
- ¿Cuál es el tema digno de investigación en un dominio de computación en la nube, específicamente relacionado con el almacenamiento de datos?
- ¿Cuáles son los trabajos académicos clásicos en finanzas computacionales / comercio algorítmico?
- ¿Las buenas actuaciones en los cursos de Coursera / Udacity / edX ayudan al solicitar un programa de maestría en las mejores universidades de los Estados Unidos?
