DM840: Algoritmer i kemoinformatik
Indgangskrav
Faglige forudsætninger
Studerende, der følger kurset, forventes at:
- kunne designe og implementere programmer, ved hjælp af standard algoritmiske tilgange og datastrukturer.
- kunne vurdere kompleksitet af algoritmer, med hensyn til køretid såvel som med hensyn til pladsforbrug.
Formål
Formålet med dette kursus er at sætte den studerende i stand til at løse en bred vifte af ikke-trivielle diskrete beregningsmæssige problemer inden for datalogi ved at anvende avancerede algoritmiske ideer, grafteoretiske tilgange, viden fra beslægtede områder af diskret matematik og kompleksitetsteori på problemer motiveret fra eller opstået i kemi. Kurset giver et videnskabeligt grundlag for at skrive et speciale, der har til formål at anvende kernedatalogiske tilgange til relevante spørgsmål i kemi, biologi, fysik eller matematik.
I forhold til uddannelsens kompetenceprofil har kurset eksplicit fokus på at:
- Give viden om et udvalg af specialiserede modeller og metoder udviklet inden for datalogi baseret på højeste internationale forskning, herunder emner fra fagets forskningsfront.
- Give viden om datalogiske modeller og metoder beregnet til anvendelser i andre faglige områder.
- Beskrive, analysere og løse avancerede datalogiske problemstillinger ved hjælp af de lærte modeller.
- Belyse fremsatte hypoteser på kvalificeret teoretisk baggrund og forholde sig kritisk til egne og andres forskningsresultater og videnskabelige modeller.
- Udvikle nye varianter af de lærte metoder, hvor det konkrete problem kræver det.
- Formidle forskningsbaseret viden og diskutere professionelle og videnskabelige problemstillinger med både fagfæller og ikke-specialister.
- Planlægge og udføre videnskabelige projekter på højt fagligt niveau herunder styre arbejds- og udviklingssituationer, der er komplekse, uforudsigelige og forudsætter nye løsningsmodeller.
- Kunne tage ansvar for egen faglig udvikling og specialisering.
- Kunne igangsætte og gennemføre fagligt og tværfagligt samarbejde og påtage sig professionelt ansvar.
Målbeskrivelse
Efter kurset forventes det at den studerende har opnået følgende.
Viden om
- forskellige niveauer for repræsentation af molekylestrukturer.
- metoder til at analysere molekylers struktur.
- regel-baseret modellering af kemiske systemer.
- graf-algoritmer relateret til graf-transformation.
- forskellige repræsentationer af kemiske systemer.
- metoder til analyse af kemiske systemer.
Færdigheder i at
- implementere algoritmer og datastrukturer fra kurset.
Kompetencer i at
- forklare og anvende metoder, modeller og algoritmiske ideer fra kurset.
- formulere metoder, modeller og algoritmer fra kurset i et præcist sprog.
- beskrive implementeringer af algoritmer, datastrukturer og udført eksperimentielt arbejde på en struktureret måde, i et klart og præcist sprog.
Indhold
Kurset indeholder følgende overordnede emner:
- repræsentation af molekylestrukturer
- graf-transformation og kunstige kemier
- delgraf-isomorfi, graf-isomorfi og graf-kanonisering
- kombinatoriske strukturer
- metabolske netværk og analyse af reaktionsveje
- concurrency-teori
- stokastiske processer
Litteratur
Eksamensbestemmelser
Eksamenselement a)
Tidsmæssig placering
Udprøvninger
Portfolio eksamen
EKA
Censur
Bedømmelse
Identifikation
Sprog
Varighed
Hjælpemidler
ECTS-point
Uddybende information
1) Et antal opgaver afleveret undervejs i kurset
Vejledende antal undervisningstimer
Undervisningsform
På naturvidenskab er undervisningen tilrettelagt efter trefasemodellen dvs. intro, trænings- og studiefasen.
- Introfase: 40 timer
- Træsningsfase: 20 timer
Ansvarlig underviser
Navn | Institut | |
---|---|---|
Jakob Lykke Andersen | jlandersen@imada.sdu.dk | Institut for Matematik og Datalogi |
Skemaoplysninger
Administrationsenhed
Team hos Registratur
Udbudssteder
Anbefalede studieforløb
Overgangsordninger
Se overgangsordninger for alle kurser på Det Naturvidenskabelige Fakultet.