Gresham’S Law

Gresham's Law ist ein wirtschaftliches Prinzip, das besagt, dass "schlechte" Währungen tendenziell "gute" Währungen aus dem Umlauf verdrängen. Mit "schlechten" Währungen sind dabei solche gemeint, die einen geringeren intrinsischen Wert haben, während "gute" Währungen einen höheren Wert oder eine höhere Kaufkraft besitzen. Dies geschieht häufig, wenn beide Währungen parallel im Umlauf sind, beispielsweise bei Münzen mit unterschiedlichem Gehalt an Edelmetallen. In solchen Fällen neigen die Menschen dazu, die wertvolleren und besseren Währungen zu horten und stattdessen die weniger wertvollen Währungen für den täglichen Zahlungsverkehr zu verwenden. Dies kann dazu führen, dass die gute Währung aus dem Markt verschwindet, während die schlechte Währung weiterhin zirkuliert. Gresham's Law wird oft in Verbindung mit der Aussage „Das Schlechte verdrängt das Gute“ zusammengefasst.

Weitere verwandte Begriffe

Quantenpunkt-Supraleitungen

Quantum Well Superlattices sind nanostrukturierte Materialien, die aus abwechselnden Schichten von zwei oder mehr Halbleitermaterialien bestehen, wobei jede Schicht typischerweise nur wenige Nanometer dick ist. Diese Strukturen nutzen die quantenmechanischen Eigenschaften von Elektronen, die in den Quantenbrunnen (Quantum Wells) gefangen sind, um die elektronischen und optischen Eigenschaften zu modifizieren.

In einem Quantenbrunnen wird die Bewegung von Elektronen in einer Richtung stark eingeschränkt, was zu diskreten Energiezuständen führt. Superlattices kombinieren dabei mehrere Quantenbrunnen, wodurch ein periodisches Potential entsteht, das die Bandstruktur des Materials erheblich beeinflusst. Diese innovative Struktur ermöglicht Anwendungen in verschiedenen Bereichen wie der Photonik, Mikrowellentechnologie und Feld-effect Transistoren (FETs), da sie die Eigenschaften von Halbleitermaterialien gezielt steuern können.

Schrödinger-Gleichung

Die Schrödinger-Gleichung ist eine fundamentale Gleichung in der Quantenmechanik, die das Verhalten von quantenmechanischen Systemen beschreibt. Sie stellt eine Beziehung zwischen der Wellenfunktion eines Systems und seiner Energie her. Die allgemeine Form der zeitabhängigen Schrödinger-Gleichung lautet:

iΨ(x,t)t=H^Ψ(x,t)i\hbar \frac{\partial \Psi(x,t)}{\partial t} = \hat{H} \Psi(x,t)

Hierbei ist Ψ(x,t)\Psi(x,t) die Wellenfunktion, H^\hat{H} der Hamilton-Operator, der die totale Energie des Systems repräsentiert, und \hbar das reduzierte Plancksche Wirkungsquantum. Diese Gleichung ist entscheidend, um die Wahrscheinlichkeit zu bestimmen, ein Teilchen an einem bestimmten Ort und zu einer bestimmten Zeit zu finden, was durch das Quadrat des Betrags der Wellenfunktion Ψ(x,t)2|\Psi(x,t)|^2 gegeben ist. Die Schrödinger-Gleichung ermöglicht es Physikern, das Verhalten von Elektronen in Atomen, Molekülen und Festkörpern zu modellieren und zu verstehen.

Modellprädiktive Regelung Kostenfunktion

Die Cost Function (Kostenfunktion) in der modellprädiktiven Regelung (Model Predictive Control, MPC) ist ein zentrales Element, das die Qualität der Steuerung bewertet. Sie quantifiziert die Abweichungen zwischen den gewünschten und den tatsächlichen Systemzuständen über einen definierten Zeitrahmen. Die allgemeine Form der Kostenfunktion kann wie folgt dargestellt werden:

J=k=0N(xkTQxk+ukTRuk)J = \sum_{k=0}^{N} \left( x_k^T Q x_k + u_k^T R u_k \right)

Hierbei ist JJ die Gesamtkosten, NN der Planungs-Horizont, xkx_k der Zustand des Systems zum Zeitpunkt kk, uku_k die Steuergröße und QQ sowie RR sind Gewichtungsmatrizen, die die relative Bedeutung der Zustände und Steuerungen festlegen. Ziel der MPC ist es, die Steuerung so zu optimieren, dass die Kostenfunktion minimiert wird, wodurch das System stabilisiert und die gewünschten Leistungsmerkmale erreicht werden. Durch die Anpassung der Parameter in der Kostenfunktion können verschiedene Betriebsziele, wie beispielsweise Energieeffizienz oder Reaktionsgeschwindigkeit, priorisiert werden.

Dijkstra-Algorithmus-Komplexität

Dijkstra's Algorithm ist ein effizienter Ansatz zur Bestimmung der kürzesten Wege in einem Graphen mit nicht-negativen Kantengewichten. Die Zeitkomplexität des Algorithmus hängt von der verwendeten Datenstruktur ab. Mit einer Adjazenzmatrix und einer einfachen Liste beträgt die Zeitkomplexität O(V2)O(V^2), wobei VV die Anzahl der Knoten im Graphen ist. Wenn hingegen eine Prioritätswarteschlange (z.B. ein Fibonacci-Heap) verwendet wird, reduziert sich die Komplexität auf O(E+VlogV)O(E + V \log V), wobei EE die Anzahl der Kanten darstellt. Diese Verbesserung ist besonders vorteilhaft in spärlichen Graphen, wo EE viel kleiner als V2V^2 sein kann. Daher ist die Wahl der Datenstruktur entscheidend für die Effizienz des Algorithmus.

Hoch-Tc-Supraleiter

High-Tc Superleiter sind Materialien, die bei relativ hohen Temperaturen supraleitende Eigenschaften zeigen, typischerweise über 77 Kelvin, was der Temperatur von flüssigem Stickstoff entspricht. Diese Materialien, meist Keramiken auf Kupferbasis (auch als Kupferoxid-Supraleiter bekannt), ermöglichen den nahezu verlustfreien Transport von elektrischer Energie. Supraleitung tritt auf, wenn der elektrische Widerstand eines Materials auf null sinkt, was bedeutet, dass Strom ohne Energieverlust fließen kann.

Die Entdeckung der High-Tc Superleiter in den späten 1980er Jahren revolutionierte die Materialwissenschaft und eröffnete neue Möglichkeiten in der Technologie, wie z.B. in der Magnetresonanztomographie (MRT) und der Entwicklung von leistungsfähigen Magneten. Die zugrunde liegenden Mechanismen der Hochtemperatursupraleitung sind jedoch noch nicht vollständig verstanden, was zu intensiven Forschungsanstrengungen in der Physik führt. Der Schlüssel zu ihrer Funktion liegt oft in der Wechselwirkung zwischen Elektronen und dem Kristallgitter des Materials, was als Doping bezeichnet wird und die elektronische Struktur wesentlich beeinflusst.

Schelling-Segregationsmodell

Das Schelling Segregation Model ist ein agentenbasiertes Modell, das von dem Ökonom Thomas Schelling in den 1970er Jahren entwickelt wurde, um die Dynamik der Segregation in sozialen Gruppen zu untersuchen. Es zeigt, wie Individuen, die eine Präferenz für Nachbarn ähnlicher Gruppen haben, zu einer räumlichen Segregation führen können, auch wenn ihre Präferenzen nicht extrem stark sind. Das Modell besteht aus einem Gitter, auf dem verschiedene Agenten platziert sind, die unterschiedliche Eigenschaften (z.B. Ethnizität oder soziale Klasse) repräsentieren.

Die Agenten sind unzufrieden, wenn ein bestimmter Prozentsatz ihrer Nachbarn nicht die gleiche Eigenschaft hat und bewegen sich entsprechend, um ihre Situation zu verbessern. Dies führt oft zu einem selbstverstärkenden Prozess, bei dem selbst kleine Präferenzen für Homogenität zu einer erheblichen Segregation führen können. Die Ergebnisse des Modells verdeutlichen, dass Segregation nicht unbedingt das Ergebnis von Diskriminierung oder Vorurteilen ist, sondern auch aus individuellen Entscheidungen und Präferenzen resultieren kann.

Zeit zu lernen

Starte dein personalisiertes Lernelebnis mit acemate. Melde dich kostenlos an und finde Zusammenfassungen und Altklausuren für deine Universität.