Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving01:29

Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving

370
Mechanistic models play a crucial role in algorithms for numerical problem-solving, particularly in nonlinear mixed effects modeling (NMEM). These models aim to minimize specific objective functions by evaluating various parameter estimates, leading to the development of systematic algorithms. In some cases, linearization techniques approximate the model using linear equations.
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...
370
Molecular Models02:00

Molecular Models

44.2K
Physical models representing molecular architectures of chemical compounds play essential roles in understanding chemistry. The use of molecular models makes it easier to visualize the structures and shapes of atoms and molecules.
44.2K

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Guest Editorial: David Jonas Festschrift.

The Journal of chemical physics·2026
Same author

Isotope effects in 2D correlation infrared spectra of water: HEOM analysis of molecular dynamics-based machine learning models.

The Journal of chemical physics·2026
Same author

HEOM-based numerical framework for quantum simulation of two-dimensional vibrational spectra in molecular liquids (HEOM-2DVS).

The Journal of chemical physics·2026
Same author

AO-HEOM: A computational platform for non-Markovian quantum dissipative dynamics in atomic orbital spaces.

The Journal of chemical physics·2026
Same author

Quantum hierarchical Fokker-Planck equations with U(1) gauge fields [U(1)-QHFPE]: A computational framework for Aharonov-Bohm effects.

The Journal of chemical physics·2025
Same author

System-bath modeling in vibrational spectroscopy via molecular dynamics: A machine learning framework for hierarchical equations of motion (HEOM).

The Journal of chemical physics·2025

Video Experimental Relacionado

Updated: Feb 26, 2026

Author Spotlight: Advancing Cell Membrane Biophysics - Exploring Interactions and Challenges Through Experimental and Computational Approaches
07:31

Author Spotlight: Advancing Cell Membrane Biophysics - Exploring Interactions and Challenges Through Experimental and Computational Approaches

Published on: September 1, 2023

3.3K

sbml4md: Una plataforma computacional para el modelado de sistemas-reservorios mediante dinámica molecular impulsada

Kwanghee Park1, Seiji Ueno1,2, Yoshitaka Tanimura1

  • 1Department of Chemistry, Graduate School of Science, Kyoto University, Kyoto 606-8502, Japan.

The Journal of chemical physics
|February 25, 2026
PubMed
Resumen

Desarrollamos sbml4md, una nueva herramienta de software que utiliza aprendizaje automático para extraer parámetros de simulaciones de dinámica molecular. Esto permite la simulación precisa de espectros vibracionales no lineales para líquidos moleculares sin ajuste empírico.

Palabras clave:
dinámica molecularaprendizaje automáticoespectroscopía vibracional no linealecuaciones jerárquicas del movimientoquímica computacional

Más Videos Relacionados

Author Spotlight: Streamlining Visual Dynamics to Simplify Molecular Dynamics Simulations Using Gromacs
05:00

Author Spotlight: Streamlining Visual Dynamics to Simplify Molecular Dynamics Simulations Using Gromacs

Published on: August 9, 2024

2.0K
Structure-Based Simulation and Sampling of Transcription Factor Protein Movements along DNA from Atomic-Scale Stepping to Coarse-Grained Diffusion
09:17

Structure-Based Simulation and Sampling of Transcription Factor Protein Movements along DNA from Atomic-Scale Stepping to Coarse-Grained Diffusion

Published on: March 1, 2022

3.6K

Videos de Experimentos Relacionados

Last Updated: Feb 26, 2026

Author Spotlight: Advancing Cell Membrane Biophysics - Exploring Interactions and Challenges Through Experimental and Computational Approaches
07:31

Author Spotlight: Advancing Cell Membrane Biophysics - Exploring Interactions and Challenges Through Experimental and Computational Approaches

Published on: September 1, 2023

3.3K
Author Spotlight: Streamlining Visual Dynamics to Simplify Molecular Dynamics Simulations Using Gromacs
05:00

Author Spotlight: Streamlining Visual Dynamics to Simplify Molecular Dynamics Simulations Using Gromacs

Published on: August 9, 2024

2.0K
Structure-Based Simulation and Sampling of Transcription Factor Protein Movements along DNA from Atomic-Scale Stepping to Coarse-Grained Diffusion
09:17

Structure-Based Simulation and Sampling of Transcription Factor Protein Movements along DNA from Atomic-Scale Stepping to Coarse-Grained Diffusion

Published on: March 1, 2022

3.6K

Área de la Ciencia:

  • Química Computacional
  • Simulaciones de Dinámica Molecular
  • Espectroscopía

Sus antecedentes:

  • La simulación de espectros vibracionales no lineales de líquidos moleculares es computacionalmente desafiante.
  • Los métodos existentes a menudo requieren ajuste empírico, lo que limita la precisión y la aplicabilidad.
  • Capturar la anarmonicidad vibracional y los acoplamientos intermoleculares es crucial para modelos realistas.

Objetivo del estudio:

  • Introducir sbml4md, un novedoso algoritmo y paquete de software.
  • Permitir la simulación precisa de espectros vibracionales no lineales utilizando trayectorias de dinámica molecular (MD).
  • Proporcionar parámetros para el marco de las Ecuaciones Jerárquicas del Movimiento (HEOM).

Principales métodos:

  • Aprovechar técnicas de aprendizaje automático (ML) para extraer parámetros del modelo.
  • Tener en cuenta la anarmonicidad vibracional, los acoplamientos intermoleculares y las funciones de correlación del baño.
  • Integrar enfoques de dinámica molecular clásica con HEOM para un modelado dinámico mejorado.

Principales resultados:

  • sbml4md evita el ajuste empírico extrayendo directamente parámetros de datos de MD.
  • El software permite el modelado de entornos heterogéneos con variaciones espaciales y temporales.
  • Eficiencia de optimización mejorada al incluir contribuciones vibracionales intermoleculares.

Conclusiones:

  • sbml4md proporciona un marco flexible y escalable para simular espectros lineales y no lineales.
  • El enfoque minimiza la entrada empírica para simulaciones realistas.
  • Facilita simulaciones numéricamente "exactas" de espectros vibracionales no lineales dentro del marco HEOM.