Explore l'apprentissage automatique atomistique, intégrant les principes physiques dans les modèles pour prédire avec précision les propriétés moléculaires.
Explore les simulations de dynamique moléculaire intégrale ab initio path, en se concentrant sur les effets quantiques nucléaires et leur impact sur divers systèmes.
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.
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.
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 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 les champs de force classiques, les simulations de dynamique moléculaire et les propriétés supramoléculaires, y compris les interactions intramoléculaires et intermoléculaires.
