Explore explicitement les méthodes de Runge-Kutta stabilisées et leur application aux problèmes inverses bayésiens, couvrant l'optimisation, l'échantillonnage et les expériences numériques.
Explore les simulations de dynamique moléculaire sous des contraintes holonomiques, en se concentrant sur l'intégration numérique et la formulation d'algorithmes.
Explore les équations généralisées de Langevin et leurs implications computationnelles dans les simulations de dynamique moléculaire, en mettant l'accent sur l'impact des détails sonores sur les trajectoires des particules.
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 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.
Couvre la dynamique Langevin, l'équation Fokker-Planck, la résolution de l'équation Langevin, et l'efficacité de l'échantillonnage Langevin dans la dynamique moléculaire.
