ºÚÁϳԹÏ×ÊÔ´

Dette kurset har som mål å introdusere studentar til prinsippa og teknikkane for molekylær modellering, med eit fokus på biomolekylære applikasjonar.

For studentar som er tekne opp til Integrert masterprogram i Data Science kvalifiserer emnet for kravet til 5 studiepoeng i fysikk og 5 studiepoeng i kjemi i sivilingeniørgraden.

Studenten skal ved avslutta emne ha følgjande læringsutbyte definert i kunnskapar, ferdigheiter og generell kompetanse:

Kunnskapar

Studenten

• har ei generell forstÃ¥ing av konseptet med statistiske mekaniske ensemble
• kan identifisere lengde- og tidsskalaer som er eigna for molekylære dynamikksimuleringar

• veit kva eit klassisk kraftfelt er og forstÃ¥r moglegheitene og avgrensingane til den klassiske tilnærmingakraftfelt av:

  • kraftfelt av klasse I (generell form) mot klasse II (kryssvilkÃ¥r)
  • grunnlaget for parametrisering av kraftfelt
• er kjent med nøkkelkonsept innan molekylær dynamikk, som integratorar, periodiske grensevilkÃ¥r og handsaming av elektrostatikk
• kjenner prinsippet for Monte Carlo-prøvetaking
• veit korleis ein kan utvinne frie energiar frÃ¥ molekylære simuleringar
• forstÃ¥r moglegheitene og avgrensingane til docking-tilnærmingar
• er i stand til Ã¥ utvinne relevante molekylære eigenskapar frÃ¥ simuleringa

Ferdigheiter

Studenten

• kan forklare dei underliggjande kjemiske, fysiske og matematiske prinsippa for molekylær modellering og simulering
• vel og nyttar passande modelleringstilnærmingar til ulike molekylære system
• Set opp og utfører molekylære dynamikksimuleringar og docking-søk ved hjelp av Unix/Linux
• Analyserer simuleringresultat og utvinn nyttig informasjon
• Visualiserer molekylære strukturar og baner for læring

Generell kompetanse

Studenten

• er i stand til Ã¥ reflektere over bruken av molekylær modellering for Ã¥ adressere kjemirelaterte spørsmÃ¥l, og vurderer om modelleringstilnærmingar er eigna for spesifikke problem
• er i stand til Ã¥ gjenkjenne teoretiske rammeverk i nye simulasjonsteknikkar