Matches in SemOpenAlex for { <https://semopenalex.org/work/W83275887> ?p ?o ?g. }
Showing items 1 to 37 of
37
with 100 items per page.
- W83275887 abstract "Le domaine de la simulation moleculaire a pour but de simuler un ensemble de particules en interaction representant un systeme physico-chimique. Les algorithmes de Monte Carlo par chaine de Markov appliques dans ce cas peuvent rencontrer des problemes d'efficacite statistique analogues a celles rencontres par la dynamique moleculaire lors de la simulation de molecules complexe, comme par exemple des polymeres. Le but etant d'echantillonner l'ensemble des configurations possibles, en accord avec la distribution de Boltzmann-Gibbs, l'efficacite statistique de tels algorithmes reside dans la capacite a fournir plus rapidement des etats decorreles couvrant l'espace des configurations, constituant ainsi un echantillonnage statistiquement valide. Nous sommes interesses aux possibilites offertes par l'evolution artificielle (EA, classe d'algorithmes d'optimisation stochastique inspires du principe biologique de l'evolution darwinienne) pour contribuer a ameliorer cette efficacite. Ayant explore l'utilisation de differentes mesures comme critere d'optimisation, nous avons identifie les frequences relatives des differents mouvements de Monte Carlo, applicables conjointement lors d'une meme simulation, comme degres de liberte pouvant etre optimises. Nous avons combine des simulations paralleles avec un ''Serveur'' genetique afin d'effectuer un echantillonnage tout en optimisant simultanement les frequences des mouvements de Monte Carlo. Nos simulations ont montre qu'il etait possible d'obtenir des amelioration par rapport a des reglages de references, pour les criteres consideres. Adaptant cet outil au cadre du Monte Carlo avec thermalisation parallele (parallele tempering) nous avons pu ameliorer certains de ses parametres et indique des pistes pour ameliorer encore le choix des temperatures additionnelles." @default.
- W83275887 created "2016-06-24" @default.
- W83275887 creator A5005536817 @default.
- W83275887 date "2002-01-01" @default.
- W83275887 modified "2023-09-27" @default.
- W83275887 title "Simulations moléculaires de Monte Carlo : amélioration de l'éfficacité statistique de l'échantillonnage grâce aux algorithmes d'évolution artificielle" @default.
- W83275887 hasPublicationYear "2002" @default.
- W83275887 type Work @default.
- W83275887 sameAs 83275887 @default.
- W83275887 citedByCount "0" @default.
- W83275887 crossrefType "dissertation" @default.
- W83275887 hasAuthorship W83275887A5005536817 @default.
- W83275887 hasConcept C105795698 @default.
- W83275887 hasConcept C111350023 @default.
- W83275887 hasConcept C121332964 @default.
- W83275887 hasConcept C13153151 @default.
- W83275887 hasConcept C138885662 @default.
- W83275887 hasConcept C15708023 @default.
- W83275887 hasConcept C187653413 @default.
- W83275887 hasConcept C19499675 @default.
- W83275887 hasConcept C33923547 @default.
- W83275887 hasConceptScore W83275887C105795698 @default.
- W83275887 hasConceptScore W83275887C111350023 @default.
- W83275887 hasConceptScore W83275887C121332964 @default.
- W83275887 hasConceptScore W83275887C13153151 @default.
- W83275887 hasConceptScore W83275887C138885662 @default.
- W83275887 hasConceptScore W83275887C15708023 @default.
- W83275887 hasConceptScore W83275887C187653413 @default.
- W83275887 hasConceptScore W83275887C19499675 @default.
- W83275887 hasConceptScore W83275887C33923547 @default.
- W83275887 hasLocation W832758871 @default.
- W83275887 hasOpenAccess W83275887 @default.
- W83275887 hasPrimaryLocation W832758871 @default.
- W83275887 isParatext "false" @default.
- W83275887 isRetracted "false" @default.
- W83275887 magId "83275887" @default.
- W83275887 workType "dissertation" @default.