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.
Introduit des méthodes de pointe dans l'optimisation et la simulation, couvrant des sujets tels que l'analyse statistique, la réduction de la variance et les projets de simulation.
Explore les simulations de dynamique moléculaire sous des contraintes holonomiques, en se concentrant sur l'intégration numérique et la formulation d'algorithmes.
Explore les mouvements de Monte Carlo en simulation, y compris les mouvements d'essai et les mouvements biaisés, en comparant Monte Carlo avec la dynamique moléculaire.
Couvre la simulation de la dynamique moléculaire de l'argon liquide à l'aide du potentiel de Lennard-Jones et se concentre sur l'équilibre et la distribution des vitesses à l'équilibre.
Couvre les principes fondamentaux et les applications des simulations à gros grains, y compris les avantages, les défis, les simulations à une seule échelle, les techniques de modélisation du cerveau et les membranes lipidiques à gros grains.
Explore les simulations de la dynamique moléculaire pour étudier les matériaux de ciment et les processus de diffusion, couvrant les algorithmes, les champs de force, l'analyse des données et les ressources recommandées.
Explore la stabilité transitoire dans les systèmes d'alimentation, en analysant la stabilité pendant les états de pré-défaillance, de panne et d'après-défaillance.
Explore la stabilité transitoire dans les systèmes d'alimentation, en mettant l'accent sur les paramètres et les méthodes critiques pour améliorer la stabilité du système.
Explore la stabilité des petits signaux dans les systèmes électriques, en mettant l'accent sur la linéarisation, les valeurs propres, les vecteurs propres et l'analyse critique de la puissance.
