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 chaînes de Markov et leurs applications dans des algorithmes, en se concentrant sur l'impatience des utilisateurs et la génération d'échantillons fidèles.
Introduit des méthodes et des outils de simulation numérique, couvrant la simulation numérique, les simulateurs orientés objet et divers scénarios d'application.
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 VHDL pour la simulation, le débogage, la modélisation temporelle, la simulation événementielle et la création de bancs d'essai dans la conception de systèmes numériques.
Explore la modélisation de la qualité de l'eau, en mettant l'accent sur les réactions chimiques au carbonate et l'utilisation du logiciel PHREEQC pour les simulations d'adoucissement de l'eau.
Couvre l'activité spontanée du réseau cérébral, la simulation neuronale et la validation, soulignant l'importance des conditions in-vitro et in-vivo pour une modélisation précise du réseau.