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 chaînes de Markov et leurs applications dans des algorithmes, en se concentrant sur l'impatience des utilisateurs et la génération d'échantillons fidèles.
Couvre la théorie et les applications de la coloration graphique, en se concentrant sur les modèles de blocs stochastiques dissortatifs et la coloration plantée.
Explore la rareté de l'apprentissage des réseaux de réaction chimique à partir des données de trajectoire à l'aide de méthodes fondées sur les données et d'approches d'apprentissage.
Explore les simulations moléculaires, les techniques d'échantillonnage améliorées, les coordonnées des réactions et les méthodes d'échantillonnage d'événements rares dans des systèmes complexes.
Explore les algorithmes d'échantillonnage pour les systèmes restreints, en mettant l'accent sur le travail de Benedict Leimkuhler de l'Université d'Édimbourg.
