Soutenance de thèse Bálint Máté
 |
M. Bálint Máté soutiendra en anglais, en vue de l'obtention du grade de docteur ès sciences, mention informatique, sa thèse intitulée: "Sampling and Free-Energy Computation via Interpolating Neural Network Potentials" Date: Mardi 9 décembre 2025 à 10h00 Lieu: Battelle bâtiment B, salle B4:12 (HEG) |
Résumé :
Les simulations moléculaires classiques, utilisant des méthodes telles que la Dynamique Moléculaire (MD) et la Chaîne de Markov Monte Carlo (MCMC), rencontrent souvent d'importants obstacles dans l'échantillonnage efficace d'espaces de configurations complexes et l’estimation précise des énergies libres, limitant ainsi leur applicabilité aux systèmes présentant une dynamique complexe ou lente. L’émergence récente des modèles génératifs profonds, capables d’apprendre et d’échantillonner à partir de distributions de données de haute dimension, offre une piste prometteuse pour relever ces défis. Dans cette thèse, nous explorons de nouvelles méthodologies exploitant ces modèles génératifs profonds avancés afin de surmonter les limitations inhérentes à l’échantillonnage et à l’estimation des énergies libres en physique statistique computationnelle.
Direction de thèse :
- Prof. François Fleuret, département d'informatique, Université de Genève
Co-direction de thèse :
- Prof. Tobias Golling, département de physique nucléaire et corpusculaire, Université de Genève
