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 l'échantillonnage de l'ensemble canonique, des fluctuations de température, de la distribution lagrangienne étendue et de Maxwell-Boltzmann dans les simulations de dynamique moléculaire.
Déplacez-vous dans la quantification de l'incertitude dans la dynamique moléculaire, en mettant l'accent sur les matériaux aérospatiaux, les décisions de modélisation et la dynamique à grain grossier.
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.
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 méthodes avancées d'intégrale de chemin dans la science informatique, couvrant l'échantillonnage efficace, le bruit coloré, les intégrales de haut ordre, et les thermostats quantiques.
Couvre la théorie du traitement du signal numérique, y compris l'échantillonnage, les méthodes de transformation, la numérisation et les contrôleurs PID.
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.
Explore la méthode d'échantillonnage GLE non-équilibre pour la modélisation atomistique et discute des thermostats S, du thermostat quantique, des systèmes anharmoniques et des fuites d'énergie à point zéro.
Couvre les modèles générateurs en mettant l'accent sur l'auto-attention et les transformateurs, en discutant des méthodes d'échantillonnage et des moyens empiriques.
Explore l'approche de distribution quasi-stationnaire dans la modélisation de la dynamique moléculaire, couvrant la dynamique de Langevin, la métastabilité et les modèles cinétiques de Monte Carlo.
Explore les surfaces d'énergie potentielles dans les simulations de dynamique moléculaire et l'utilisation de méthodes mécaniques quantiques / moléculaires mixtes.
