机构名称：
¥ 2.0
说明此研讨会是MDDB项目的一部分。在短短的几十年中，分子动力学（MD）世界已经从一些高度专业的团体主导的领域，对技术和软件开发人员通常是方法和软件开发人员的深刻了解，转变为在包括生物学在内的许多科学领域都存在MD的情况。分子力学用于放松模型，例如在Alphafold中，现在许多实验技术等实验技术定期将其数据与仿真相结合，我们看到了数据驱动的建模的出现，其中大量的实验数据，例如。来自突变研究或基因组测序与模拟结合（尤其是在Covid-19大流行期间）。一方面，该领域在更准确的力场，更有效的MD发动机的开发，对增强采样算法的更好理解中取得了巨大进展 - 更不用说计算机的进步以及在具有预测能力的技术中转化了MD的定制设计硬件，该技术可用于削弱生命和生命的能力。但是，尽管该领域蓬勃发展，但我们也面临着许多挑战：Exascale计算机将提供比以往任何时候都更多的功率，但是在模拟中不可能使用所有这些功能，而无需取得采样算法的进步。同时，社区的努力正在协调数千台私人计算机的使用，这些计算机的合并功率允许在许多情况下获得比使用大型超级计算机获得的富裕的合奏。冷冻整体和超分辨率显微镜。经典的力场可以说是达到其极限，并且随着商品硬件越来越优化了对AI工作负载的优化，可以说是时候从根本上重新审视我们的方法来迫使我们的磁场，但是当前，这些方法降低了经典模拟的降低阶级，而在模拟长度上，我们会带来仿真的长度，这使我们回到了采样效率的质疑。MD模拟和粗粒子和介观模型的组合开放了研究的新领域，以研究甚至真核染色质的小细胞器，事实证明，这是一种非常有价值的补体，例如但是，这些模型显然没有达到整个系统中进行彻底采样的时间表；应该如何处理？我们可以将更多的实验数据集成为限制因素，还是需要新一代的超透明粒度模型？我们是否可以找到方法来对模型量表进行逐步缩放，而不会固有地卡在最内在/最慢的模型的时间范围内？我们认为，现在是时候审查最近的发展，批判性地评估有潜力进行重大科学进步的领域，确定可以解决的瓶颈和挑战，并共同制定了社区路线图，以解决关键问题。我们想审问和向现场世界领导者学习：
推动分子动力学模拟的前沿
主要关键词
相关文件推荐
