Explore les représentations de l'environnement chimique, les corrélations symétriques et les applications d'apprentissage automatique à l'échelle atomique.
Introduit les bases de la science des données, couvrant les arbres de décision, les progrès de l'apprentissage automatique et l'apprentissage par renforcement profond.
Couvre les fondamentaux de la conception des protéines, y compris les structures secondaires, la propension aux acides aminés, les boucles et les méthodes de calcul.
Couvre les bases des réseaux neuronaux, des fonctions d'activation, de la formation, du traitement d'image, des CNN, de la régularisation et des méthodes de réduction de dimensionnalité.
Couvre le terme de diffusion de l'équation de Boltzmann et la diffusion des porteurs, y compris les phonons, les électrons, les photons et les molécules.
Explore les transitions de phase en physique et les problèmes de calcul, mettant en évidence les défis rencontrés par les algorithmes et l'application des principes de physique dans la compréhension des réseaux neuronaux.
Se penche sur la prédiction de la structure des protéines grâce à l'analyse des contacts avec les acides aminés et à des méthodes informatiques avancées.
