Nichtphys. Wahlfach 1, I - Cheatsheet

Sternentstehung und Planetenbewegungen in der Astronomie

Definition:

Prozess der Entstehung neuer Sterne aus interstellaren Gaswolken und Bewegung von Planeten um Sterne.

Details:

• Sternentstehung: Verdichtung einer Molekülwolke durch Gravitation; Bildung von Protosternen.
• Je nach Masse des Protosterns kann Hauptreihenstern oder Brauner Zwerg entstehen.
• Planetenbewegungen: Keplersche Gesetze beschreiben elliptische Bahnen:
• 1. Keplergesetz: Planeten bewegen sich auf Ellipsen mit der Sonne in einem Brennpunkt.
• 2. Keplergesetz: Ein von der Sonne zum Planeten gezogener Radiusvektor überstreicht in gleichen Zeiten gleiche Flächen.
• 3. Keplergesetz: Das Quadrat der Umlaufzeit \(T\) eines Planeten ist proportional zur dritten Potenz der großen Halbachse \(a\) seiner Umlaufbahn, \(T^2 \propto a^3\).

Chemische Reaktionen und Atommodelle in der Einführung in die Chemie

Definition:

Chemische Reaktionen ändern die Zusammensetzung der Stoffe durch Umordnung der Atome. Atommodelle erklären Struktur und Verhalten von Atomen.

Details:

• Reaktionsgleichung: Darstellung der chem. Reaktion in Symbolform
• Gesetz der Erhaltung der Masse: Masse der Edukte = Masse der Produkte
• Dalton-Modell: Atome als kleinste unteilbare Einheiten
• Rutherford-Modell: Atomkern mit Protonen, Elektronen in Hülle
• Bohr-Modell: Elektronen in definierten Bahnen um den Kern
• Kovalente Bindung: Elektronenpaarbindung
• Ionenbindung: Elektrostatische Anziehung zwischen Kationen und Anionen
• Redoxreaktion: Elektronenübertragung

Grundlagen der Programmierung und Algorithmen in der Informatik

Definition:

Grundlegende Konzepte und Techniken zur Erstellung und Umsetzung von Computeralgorithmen. Beinhaltet die Grundlagen der Syntax, Semantik und Logik von Programmiersprachen sowie die Analyse und Optimierung von Algorithmen.

Details:

• Programmiersprachen: Syntax, Semantik und Kontrollstrukturen (z.B. Schleifen, Bedingungen)
• Datenstrukturen: Arrays, Listen, Bäume, Graphen
• Algorithmen-Design: Rekursion, Iteration, Divide-and-Conquer
• Komplexität: Algorithmische Analyse, Big-O-Notation \(O(n)\)
• Such- und Sortieralgorithmen: Binäre Suche, Quicksort, Mergesort
• Fehlerbehandlung: Debugging-Techniken, Testen

Moleküldynamik und Thermodynamik in der Physikalischen Chemie

Definition:

Studie der Bewegung von Molekülen und deren Energieänderungen in Systemen.

Details:

• Moleküldynamik: Simulationstechniken zur Untersuchung der Bewegung und Wechselwirkungen von Molekülen.
• Thermodynamik: Lehre der Energieumwandlungen und der Zustandsfunktionen.
• Zustandsfunktionen: \(E, H, S, G\)
• Erster Hauptsatz: Energieerhaltung, \(\Delta U = Q - W\)
• Zweiter Hauptsatz: Entropie, \(\Delta S \geq 0\)
• Gleichgewichtszustände: Minimierung der Gibbs freien Energie \(G = H - TS\)
• Kinetische Modelle: Boltzmann-Verteilung, Maxwell-Boltzmann-Geschwindigkeitsverteilung

Materialeigenschaften und Festigkeitslehre in den Werkstoffwissenschaften

Definition:

Materialeigenschaften bestimmen das Verhalten von Werkstoffen unter verschiedenen Bedingungen; Festigkeitslehre befasst sich mit der Tragfähigkeit und Verformung von Materialien.

Details:

• Elastizitätsmodul (E): Maß für die Steifigkeit; \( \sigma = E \cdot \varepsilon \)
• Poissonzahl (u): Verhältnis der Querdehnung zur Längsdehnung
• Streckgrenze (\( \sigma_{y} \)): Spannung, ab der ein Material plastisch verformt wird
• Zugfestigkeit (\( \sigma_{u} \)): Maximale Spannung, die ein Material aushält
• Bruchdehnung (\varepsilon_{f}): Maß der plastischen Verformung bis zum Bruch
• Härte: Widerstand gegen das Eindringen eines Körpers
• Werkstoffklassen: Metalle, Polymere, Keramiken, Verbundwerkstoffe

Anwendung von IT-Kompetenzen in der Datenanalyse und Simulation

Definition:

Anwendung von Informationstechnologie, um Daten zu analysieren und Simulationen durchzuführen, wichtig für die Modellierung physikalischer Systeme.

Details:

• Datenanalyse: Identifikation und Interpretation von Mustern in Datensätzen. Verwendung von Software wie Python, R.
• Simulation: Nachbildung von physikalischen Prozessen. Tools: MATLAB, Simulink, COMSOL.
• Wichtige Konzepte: Statistische Methoden, numerische Verfahren, Algorithmen.
• Nutzen: Vorhersage von Systemverhalten, Optimierung, Validierung von Theorien.
• Beispiele: Monte-Carlo-Simulation, finite Elemente Methode (FEM), data fitting.

Integration chemischer Kenntnisse in physikalische Experimente

Definition:

Verbindung und Anwendung chemischer Prinzipien und Kenntnisse in physikalischen Experimenten, um komplexe Phänomene zu untersuchen und zu verstehen.

Details:

• Grundlagen der Chemie (z.B. Reaktionen, Bindungen) verstehen
• Kenntnis über relevante chemische Materialien und ihre physikalischen Eigenschaften
• Anwendung chemischer Experimente im physikalischen Kontext
• Beispiel: Untersuchung der thermischen Eigenschaften exotermischer und endothermischer Reaktionen
• Einfluss chemischer Zusammensetzung auf Materialeigenschaften
• Integration analytischer Methoden, wie Spektroskopie und Chromatographie, für physikalische Analysen

Erweiterte Informatik-Themen wie Künstliche Intelligenz und Maschinelles Lernen

Definition:

Erweiterte Informatik-Themen: Theorie und Praxis von KI und ML.

Details:

• Künstliche Intelligenz (KI): Fähigkeit von Maschinen, menschenähnliche Intelligenz zu zeigen.
• Maschinelles Lernen (ML): Teilgebiet von KI, das Algorithmen verwendet, um aus Daten zu lernen und Vorhersagen zu treffen.
• Wichtige Konzepte: Überwachtes Lernen (\textit{Supervised Learning}), Unüberwachtes Lernen (\textit{Unsupervised Learning}), Reinforcement Learning (\textit{Verstärkendes Lernen}).
• Grundlegende Algorithmen: Lineare Regression, Entscheidungsbäume, Neuronale Netze.
• Mathematische Grundlagen: Wahrscheinlichkeitsrechnung, Statistik, Optimierung.
• Anwendungen: Bild- und Spracherkennung, autonome Systeme, Datenanalyse.