Explore les fonctions de corrélation quantique et leur rôle dans les simulations de dynamique moléculaire, y compris la reconstruction des fonctions de corrélation standard de celles transformées par Kubo.
Explore les simulations de dynamique moléculaire sous des contraintes holonomiques, en se concentrant sur l'intégration numérique et la formulation d'algorithmes.
Couvre l'environnement informatique pour les exercices de dynamique moléculaire et de Monte Carlo, en mettant l'accent sur la compréhension théorique plutôt que sur les compétences de codage.
Couvre la simulation MD de la miniprotéine Trp-cage, en mettant l'accent sur la modélisation implicite des solvants et l'analyse pratique des résultats de simulation.
Couvre l'algorithme Metropolis-Hastings et les approches basées sur les gradients pour biaiser les recherches vers des valeurs de vraisemblance plus élevées.
Explore les simulations de la dynamique moléculaire pour étudier les matériaux de ciment et les processus de diffusion, couvrant les algorithmes, les champs de force, l'analyse des données et les ressources recommandées.
Explore des méthodes numériques stochastiques efficaces pour la modélisation et l'apprentissage, couvrant des sujets comme le moteur d'analyse et les inhibiteurs de la kinase.
Explore les surfaces d'énergie potentielles dans les simulations de dynamique moléculaire et l'utilisation de méthodes mécaniques quantiques / moléculaires mixtes.
Explore des simulations informatiques en biologie cellulaire, en se concentrant sur la dynamique moléculaire et Monte Carlo, pour mieux comprendre les systèmes biologiques complexes et leurs limites.
Explore les mouvements de Monte Carlo en simulation, y compris les mouvements d'essai et les mouvements biaisés, en comparant Monte Carlo avec la dynamique moléculaire.
Couvre les principes fondamentaux et les applications des simulations à gros grains, y compris les avantages, les défis, les simulations à une seule échelle, les techniques de modélisation du cerveau et les membranes lipidiques à gros grains.
Introduit des méthodes de pointe dans l'optimisation et la simulation, couvrant des sujets tels que l'analyse statistique, la réduction de la variance et les projets de simulation.
