Offre des informations sur la physique statistique de l'apprentissage, explorant la relation entre la structure du réseau neuronal et les systèmes désordonnés.
Couvre les bases des simulations de dynamique moléculaire, des propriétés d'ensemble, des formulations de mécanique classique, de l'intégration numérique, de la conservation de l'énergie et des algorithmes de contrainte.
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.
Explore les symétries statistiques dans les domaines aléatoires, en mettant l'accent sur la stationnarité et l'homogénéité sous diverses transformations et leurs implications pratiques.
