Estudamos um sistema de dois níveis acoplados como um modelo que imita o comportamento de líquidos super-resfriados. Em equilíbrio o modelo apresenta uma fase líquida e uma fase cristalina com diversos estados fundamentais. O modelo é definido numa rede quadrada e a cada sítio é associada uma variável estocástica de Ising. A característica que torna este modelo particularmente interessante é que ele apresenta estados metaestáveis duráveis que podem desaparecer dentro do tempo acessível para as simulações numéricas. Para imitar o processo de formação dos vidros, realizamos simulações de Monte Carlo a taxas de resfriamento constante. Apresentamos também simulações para resfriamentos súbitos a temperatura abaixo da temperatura de fusão. / We study a coupled two level systems as a model that imitate the behavior of supercooled liquids that become structural glasses under cooling. In the equilibrium the model shows a liquid phase and a crystalline phase with many grouond states. The model is defined on a square lattice and to each site a stochastic Ising variable is associated. The feature that makes this model particularly interesting is that it display durable metastables states which can vanish within the time available for numerical simulations. In order to imitate the glass former process, we perform Monte Carlo simulations at constant cooling rate. We present also simulations for quenchs to temperatures below the melting temperature.

Estudamos um sistema de dois níveis acoplados como um modelo que imita o comportamento de líquidos super-resfriados. Em equilíbrio o modelo apresenta uma fase líquida e uma fase cristalina com diversos estados fundamentais. O modelo é definido numa rede quadrada e a cada sítio é associada uma variável estocástica de Ising. A característica que torna este modelo particularmente interessante é que ele apresenta estados metaestáveis duráveis que podem desaparecer dentro do tempo acessível para as simulações numéricas. Para imitar o processo de formação dos vidros, realizamos simulações de Monte Carlo a taxas de resfriamento constante. Apresentamos também simulações para resfriamentos súbitos a temperatura abaixo da temperatura de fusão. / We study a coupled two level systems as a model that imitate the behavior of supercooled liquids that become structural glasses under cooling. In the equilibrium the model shows a liquid phase and a crystalline phase with many grouond states. The model is defined on a square lattice and to each site a stochastic Ising variable is associated. The feature that makes this model particularly interesting is that it display durable metastables states which can vanish within the time available for numerical simulations. In order to imitate the glass former process, we perform Monte Carlo simulations at constant cooling rate. We present also simulations for quenchs to temperatures below the melting temperature.

Submitted by (ana.araujo@ufrpe.br) on 2016-08-01T17:35:24Z No. of bitstreams: 1 Kleber Napoleao Nunes de Oliveira Barros.pdf: 2964667 bytes, checksum: a3c757cb7ed16fc9c38b7834b6e0fa29 (MD5) / Made available in DSpace on 2016-08-01T17:35:24Z (GMT). No. of bitstreams: 1 Kleber Napoleao Nunes de Oliveira Barros.pdf: 2964667 bytes, checksum: a3c757cb7ed16fc9c38b7834b6e0fa29 (MD5) Previous issue date: 2010-02-22 / It is presented in this work the growth model nonlinear Chapman-Richards with distribution of errors following the new class of symmetric models processed and Bayesian inference for the parameters. The objective was to apply this structure, via Metropolis-Hastings algorithm, in order to select the equation that best predicted heights of clones of Eucalyptus urophilla experiment established at the Agronomic Institute of Pernambuco (IPA) in the city of Araripina . The Gypsum Pole of Araripe is an industrial zone, located on the upper interior of Pernambuco, which consumes large amount of wood from native vegetation (caatinga) for calcination of gypsum. In this scenario, there is great need for a solution, economically and environmentally feasible that allows minimizing the pressure on native vegetation. The generus Eucalyptus presents itself as an alternative for rapid development and versatility. The height has proven to be an important factor in prognosis of productivity and selection of clones best adapted. One of the main growth curves, is the Chapman-Richards model with normal distribution for errors. However, some alternatives have been proposed in order to reduce the influence of atypical observations generated by this model. The data were taken from a plantation, with 72 months. Were performed inferences and diagnostics for processed and unprocessed model with many distributions symmetric. After selecting the best equation, was shown some convergence of graphics and other parameters that show the fit to the data model transformed symmetric Student’s t with 5 degrees of freedom in the parameters using Bayesian inference. / É abordado neste trabalho o modelo de crescimento não linear de Chapman-Richards com distribuição dos erros seguindo a nova classe de modelos simétricos transformados e inferência Bayesiana para os parâmetros. O objetivo foi aplicar essa estrutura, via algoritmo de Metropolis-Hastings, afim de selecionar a equação que melhor estimasse as alturas de clones de Eucalyptus urophilla provenientes de experimento implantado no Instituto Agronômico de Pernambuco (IPA), na cidade de Araripina. O Polo Gesseiro do Araripe é uma zona industrial, situada no alto sertão pernambucano, que consume grande quantidade de lenha proveniente da vegetação nativa (caatinga) para calcinação da gipsita. Nesse cenário, há grande necessidade de uma solução, econômica e ambientalmente, viável que possibilite uma minimização da pressão sobre a flora nativa. O gênero Eucalyptus se apresenta como alternativa, pelo seu rápido desenvolvimento e versatilidade. A altura tem se revelado fator importante na prognose de produtividade e seleção de clones melhores adaptados. Uma das principais curvas de crescimento, é o modelo de Chapman- Richards com distribuição normal para os erros. No entanto, algumas alternativas tem sido propostas afim de reduzir a influência de observações atípicas geradas por este modelo. Os dados foram retirados de uma plantação, com 72 meses. Foram realizadas as inferências e diagnósticos para modelo transformado e não transformado com diversas distribuições simétricas. Após a seleção da melhor equação, foram mostrados alguns gráficos da convergência dos parâmetros e outros que comprovam o ajuste aos dados do modelo simétrico transformado t de Student com 5 graus de liberdade utilizando inferência Bayesiana nos parâmetros.

O modelo de Ising dipolar bidimensional inclui, além da interação ferromagnética entre os primeiros vizinhos, interações de longo alcance entre os momentos de dipolo magnético dos spins. A presença da interação dipolar muda completamente o sistema, apresentando um rico diagrama de fase, cujas características têm originado inúmeros estudos na literatura. Além disso, a possibilidade de explicar fenômenos observados em filmes magnéticos ultrafinos, os quais possuem diversas aplicações em àreas tecnológicas, também motiva o estudo deste modelo. O estado fundamental ferromagnético do modelo de Ising puro é alterado para uma série de fases do tipo faixas, as quais consistem em domínios ferromagnéticos de largura $h$ com magnetizações opostas. A largura das faixas depende da razao $\\delta$ das intensidades dos acoplamentos ferromagnético e dipolar. Através de simulações de Monte Carlo e técnicas de repesagem em histogramas múltiplos identificamos as temperaturas críticas de tamanho finito para as transições de fase quando $\\delta=2$, o que corresponde a $h=2$. Calculamos o calor específico e a susceptibilidade do parâmetro de ordem, no intervalo de temperaturas onde as transições são observadas, para diferentes tamanhos de rede. As técnicas de repesagem permitem-nos explorar e identificar máximos distintos nessas funções da temperatura e, desse modo, estimar as temperaturas críticas de tamanho finito com grande precisão. Apresentamos evidências numéricas da existência de uma fase nemática de Ising para tamanhos grandes de rede. Em nossas simulações, observamos esta fase para tamanhos de rede a partir de $L=48$. Para verificar o quanto a interação dipolar de longo alcance afeta as estimativas físicas, nós calculamos o tempo de autocorrelação integrado nas séries temporais da energia. Inferimos daí quão severo é o critical slowing down (decaimento lento crítico) para esse sistema próximo às transições de fase termodinâmicas. Os resultados obtidos utilizando um algoritmo de atualização local foram comparados com os resultados obtidos utilizando o algoritmo multicanônico. / Two-dimensional spin model with nearest-neighbor ferromagnetic interaction and long-range dipolar interactions exhibit a rich phase diagram, whose characteristics have been exploited by several studies in the recent literature. Furthermore, the possibility of explain observed phenomena in ultrathin magnetic films, which have many technological applications, also motivates the study of this model. The presence of dipolar interaction term changes the ferromagnetic ground state expected for the pure Ising model to a series of striped phases, which consist of ferromagnetic domains of width $h$ with opposite magnetization. The width of the stripes depends on the ratio $\\delta$ of the ferromagnetic and dipolar couplings. Monte Carlo simulations and reweighting multiple histograms techniques allow us to identify the finite-size critical temperatures of the phase transitions when $\\delta=2$, which corresponds to $h=2$. We calculate, for different lattice sizes, the specific heat and susceptibility of the order parameter around the transition temperatures by means of reweighting techniques. This allows us to identify in these observables, as functions of temperature, the distinct maxima and thereby to estimate the finite-size critical temperatures with high precision. We present numerical evidence of the existence of a Ising nematic phase for large lattice sizes. Our results show that simulations need to be performed for lattice sizes at least as large as $L=48$ to clearly observe the Ising nematic phase. To access how the long-range dipolar interaction may affect physical estimates we also evaluate the integrated autocorrelation time in energy time series. This allows us to infer how severe is the critical slowing down for this system with long-range interaction and nearby thermodynamic phase transitions. The results obtained using a local update algorithm are compared with results obtained using the multicanonical algorithm.

Submitted by (ana.araujo@ufrpe.br) on 2016-07-07T12:44:03Z No. of bitstreams: 1 Josimar Mendes de Vasconcelos.pdf: 4725831 bytes, checksum: 716f4b6bc6100003772271db252915b7 (MD5) / Made available in DSpace on 2016-07-07T12:44:03Z (GMT). No. of bitstreams: 1 Josimar Mendes de Vasconcelos.pdf: 4725831 bytes, checksum: 716f4b6bc6100003772271db252915b7 (MD5) Previous issue date: 2011-08-08 / Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq / The last years has increased the quantity of researchers and search scientific in the plantation, production and value of the soybeans in the Brazil, in grain. In front of this, the present dissertation looks for to analyze the data and estimate models that explain, of satisfactory form, the variability observed of the quantity produced and value of the production of soya in grain in the Brazil, in the field of the study. For the development of these analyses is used the classical and Bayesian inference, in the context of simultaneous equations by the tools of indirect square minimum in two practices. In the classical inference uses the estimator of square minima in two practices. In the Bayesian inference worked the method of Mountain Carlo via Chain of Markov with the algorithms of Gibbs and Metropolis-Hastings by means of the technician of simultaneous equations. In the study, consider the variable area harvested, quantity produced, value of the production and gross inner product, in which it adjusted the model with the variable answer quantity produced and afterwards the another variable answer value of the production for finally do the corrections and obtain the final result, in the classical and Bayesian method. Through of the detours normalized, statistics of the proof-t, criteria of information Akaike and Schwarz normalized stands out the good application of the method of Mountain Carlo via Chain of Markov by the algorithm of Gibbs, also is an efficient method in the modelado and of easy implementation in the statistical softwares R & WinBUGS, as they already exist smart libraries to compile the method. Therefore, it suggests work the method of Mountain Carlo via chain of Markov through the method of Gibbs to estimate the production of soya in grain. / Nos últimos anos tem aumentado a quantidade de pesquisadores e pesquisas científicas na plantação, produção e valor de soja no Brasil, em grão. Diante disso, a presente dissertação busca analisar os dados e ajustar modelos que expliquem, de forma satisfatória, a variabilidade observada da quantidade produzida e valor da produção de soja em grão no Brasil, no campo do estudo. Para o desenvolvimento dessas análises é utilizada a inferência clássica e bayesiana, no contexto de equações simultâneas através da ferramenta de mínimos quadrados em dois estágios. Na inferência clássica utiliza-se o estimador de mínimos quadrados em dois estágios. Na inferência bayesiana trabalhou-se o método de Monte Carlo via Cadeia de Markov com os algoritmos de Gibbs e Metropolis-Hastings por meio da técnica de equações simultâneas. No estudo, consideram-se as variáveis área colhida, quantidade produzida, valor da produção e produto interno bruto, no qual ajustou-se o modelo com a variável resposta quantidade produzida e depois a variável resposta valor da produção para finalmente fazer as correções e obter o resultado final, no método clássico e bayesiano. Através, dos desvios padrão, estatística do teste-t, critérios de informação Akaike e Schwarz normalizados destaca-se a boa aplicação do método de Monte Carlo via Cadeia de Markov pelo algoritmo de Gibbs, também é um método eficiente na modelagem e de fácil implementação nos softwares estatísticos R & WinBUGS, pois já existem bibliotecas prontas para compilar o método. Portanto, sugere-se trabalhar o método de Monte Carlo via cadeia de Markov através do método de Gibbs para estimar a produção de soja em grão, no Brasil.

O modelo de Ising dipolar bidimensional inclui, além da interação ferromagnética entre os primeiros vizinhos, interações de longo alcance entre os momentos de dipolo magnético dos spins. A presença da interação dipolar muda completamente o sistema, apresentando um rico diagrama de fase, cujas características têm originado inúmeros estudos na literatura. Além disso, a possibilidade de explicar fenômenos observados em filmes magnéticos ultrafinos, os quais possuem diversas aplicações em àreas tecnológicas, também motiva o estudo deste modelo. O estado fundamental ferromagnético do modelo de Ising puro é alterado para uma série de fases do tipo faixas, as quais consistem em domínios ferromagnéticos de largura $h$ com magnetizações opostas. A largura das faixas depende da razao $\\delta$ das intensidades dos acoplamentos ferromagnético e dipolar. Através de simulações de Monte Carlo e técnicas de repesagem em histogramas múltiplos identificamos as temperaturas críticas de tamanho finito para as transições de fase quando $\\delta=2$, o que corresponde a $h=2$. Calculamos o calor específico e a susceptibilidade do parâmetro de ordem, no intervalo de temperaturas onde as transições são observadas, para diferentes tamanhos de rede. As técnicas de repesagem permitem-nos explorar e identificar máximos distintos nessas funções da temperatura e, desse modo, estimar as temperaturas críticas de tamanho finito com grande precisão. Apresentamos evidências numéricas da existência de uma fase nemática de Ising para tamanhos grandes de rede. Em nossas simulações, observamos esta fase para tamanhos de rede a partir de $L=48$. Para verificar o quanto a interação dipolar de longo alcance afeta as estimativas físicas, nós calculamos o tempo de autocorrelação integrado nas séries temporais da energia. Inferimos daí quão severo é o critical slowing down (decaimento lento crítico) para esse sistema próximo às transições de fase termodinâmicas. Os resultados obtidos utilizando um algoritmo de atualização local foram comparados com os resultados obtidos utilizando o algoritmo multicanônico. / Two-dimensional spin model with nearest-neighbor ferromagnetic interaction and long-range dipolar interactions exhibit a rich phase diagram, whose characteristics have been exploited by several studies in the recent literature. Furthermore, the possibility of explain observed phenomena in ultrathin magnetic films, which have many technological applications, also motivates the study of this model. The presence of dipolar interaction term changes the ferromagnetic ground state expected for the pure Ising model to a series of striped phases, which consist of ferromagnetic domains of width $h$ with opposite magnetization. The width of the stripes depends on the ratio $\\delta$ of the ferromagnetic and dipolar couplings. Monte Carlo simulations and reweighting multiple histograms techniques allow us to identify the finite-size critical temperatures of the phase transitions when $\\delta=2$, which corresponds to $h=2$. We calculate, for different lattice sizes, the specific heat and susceptibility of the order parameter around the transition temperatures by means of reweighting techniques. This allows us to identify in these observables, as functions of temperature, the distinct maxima and thereby to estimate the finite-size critical temperatures with high precision. We present numerical evidence of the existence of a Ising nematic phase for large lattice sizes. Our results show that simulations need to be performed for lattice sizes at least as large as $L=48$ to clearly observe the Ising nematic phase. To access how the long-range dipolar interaction may affect physical estimates we also evaluate the integrated autocorrelation time in energy time series. This allows us to infer how severe is the critical slowing down for this system with long-range interaction and nearby thermodynamic phase transitions. The results obtained using a local update algorithm are compared with results obtained using the multicanonical algorithm.

[pt] Esta tese propõe uma metodologia de estimativa de pressão de poros em rochasreservatório através dos atributos sísmicos velocidade compressional V(p) e velocidade cisalhante V(s). Na metodologia, os atributos são encarados como observações realizadas sobre um sistema físico, cujo comportamento depende de um determinado número de grandezas não observáveis, dentre as quais a pressão de poros é apenas uma delas. Para estimar a pressão de poros, adota-se uma abordagem Bayesiana de inversão. Através de uma função de verossimilhança, estabelecida através de um modelo de física de rochas calibrável para a região, e do teorema de Bayes, combina- se as informações pré-existentes sobre os parâmetros de rocha, fluido e estado de tensões com os atributos sísmicos observados, inferindo probabilisticamente a pressão de poros. Devido a não linearidade do problema e ao interesse de se realizar uma rigorosa análise de incertezas, um algoritmo baseado em simulações de Monte Carlo (um caso especial do algoritmo de Metropolis- Hastings) é utilizado para realizar a inversão. Exemplos de aplicação da metodologia proposta são simulados em reservatórios criados sinteticamente. Através dos exemplos, demonstra-se que o sucesso da previsão de pressão de poros depende da combinação de diferentes fatores, como o grau de conhecimento prévio sobre os parâmetros de rocha e fluido, a sensibilidade da rocha perante a variação de pressões diferenciais e a qualidade dos atributos sísmicos. Visto que os métodos existentes para previsão de pressão de poros utilizam somente o atributo V(p) , a contribuição do atributo V(s) na previsão é avaliada. Em um cenário de rochas pouco consolidadas (ou em areias), demonstra-se que o atributo V(s) pode contribuir significativamente na previsão, mesmo apresentando grandes incertezas associadas. Já para um cenário de rochas consolidadas, demonstra-se que as incertezas associadas às pressões previstas são maiores, e que a contribuição do atributo V(s) na previsão não é tão significativa quanto nos casos de rochas pouco consolidadas. / [en] This work proposes a method for pore pressure prediction in reservoir rocks through compressional- and shear-velocity data (seismic attributes). In the method, the attributes are considered observations of a physic system, which behavior depends on a several not-observable parameters, where the pore pressure is only one of these parameters. To estimate the pore pressure, a Bayesian inversion approach is adopted. Through the use of a likelihood function, settled through a calibrated rock physics model, and through the Bayes theorem, the a priori information about the not-observable parameters (fluid and rock parameters and stress state) is combined with the seismic attributes, inferring probabilistically the pore pressure. Due the non-linearity of the problem, and due the uncertainties analysis demanding, an algorithm based on Monte Carlo simulations (a special case of the Metropolis- Hastings algorithm) is used to solve the inverse problem. The application of the proposed method is simulated through some synthetic examples. It is shown that a successfully pore pressure prediction in reservoir rocks depends on a set of factors, as how sensitive are the rock velocities to pore pressure changes, the a priori information about rock and fluid parameters and the uncertainties associates to the seismic attributes. Since the current methods for pore pressure prediction use exclusively the attribute compressional velocity V(p), the contribution of the attribute shear velocity V(s) on prediction is evaluated. In a poorly consolidated rock scenario (or in sands), the V(s) data, even with great uncertainties associated, can significantly contribute to a better pore pressure prediction. In a consolidated rock scenario, the uncertainties associated to pore pressure estimates are higher, and the s V data does not contribute to pore pressure prediction as it contributes in a poorly consolidated rock scenario.