Protein-Ligand Docking

Größe: px
Ab Seite anzeigen:

Download "Protein-Ligand Docking"

Transkript

1 Themenübersicht Protein-Ligand Docking Themenübersicht Das Docking Problem: Fragestellung, Hintergrund, Szenarien Lösungsansätze: Darstellen - Suchen - Bewerten : Molekülrepräsentationen Suchalgorithmen Scoringmethoden Vergleichende Bewertung Ausblick Literaturangaben Christoph Sotriffer

2 Das Docking Problem Das Docking Problem grundsätzliche Fragestellung: Molekulare Erkennung allgemein: Wie interagieren zwei gegebene Moleküle miteinander? Wie interagieren zwei gegebene Moleküle miteinander? : Frage nach Struktur des Komplexes & Stärke der Wechselwirkung (Energetik) 2: Interaktion: nicht-kovalente Wechselwirkungen großteils beruhend auf elektrostatischen Phänomenen d.h.: Wechselwirkung zwischen Ladungen (Monopolen), Dipolen, induzierten Dipolen, höheren elektrischen Momenten... beschrieben als Coulomb Wechselwirkung Wasserstoffbrückenbindung van der Waals Wechselwirkung... oder mit einfacheren Modellen

3 Das Docking Problem 3: binäre Komplexe, keine Mehrkörperprobleme (ggf. vorhandene Kofaktoren als Teil des Proteins behandelt) Problem: Einfluß von Wassermolekülen, Metallionen 4: Struktur und Art der Moleküle muss vor eigentlichem Docking bekannt sein (ggf. Strukturmodellierung vorgeschaltet) 5: Art der Moleküle hier: biomolekulare Komplexe Rezeptor : Protein Ligand : niedermolekulare organische Verbindung LIGAND + PROTEIN KOMPLEX spezielle Fragestellung: Sei Sei die die Struktur eines eines Proteins und und eines eines Liganden gegeben: Wie Wie schauen Struktur und und Affinität Affinität des des Komplexes aus? aus? Warum ein Problem und warum von Interesse?

4 Das Docking Problem Warum ein Problem? 3D Puzzle: Aneinanderpassen von 2 unregelmässigen starren Körpern; 6 Freiheitsgrade, systematische Suche bereits sehr aufwendig

5 Das Docking Problem Warum ein Problem? 3D Puzzle: Aneinanderpassen von 2 unregelmässigen starren Körpern; 6 Freiheitsgrade, systematische Suche bereits sehr aufwendig flexible Körper: konformationelle Freiheitsgrade von Ligand und Protein; riesiger, hochdimensionaler Suchraum Anpassungen: Solvatisierung: Energetik: wechselseitiger sterischer und elektrostatischer Induced Fit Biomoleküle befinden sich in wässriger Lösung viele simultane Wechselwirkungen komplexe Thermodynamik (molekulare Ensembles) G als entscheidendes Kriterium nicht leicht berechenbar Vereinfachungen und heuristische Ansätze notwendig Vereinfachungen und heuristische Ansätze notwendig Docking und Modelling ist vielfach die Suche nach geeigneten Vereinfachungen

6 Das Docking Problem Warum von Interesse? Corpora non non agunt agunt nisi nisi fixata. fixata. Paul Paul Ehrlich, Ehrlich, Biologische Funktion und Aktivität von Molekülen beruht auf molekularen Wechselwirkungen Enzymatische Reaktionen Signaltransduktion Genexpression Immunantwort... Wissen um Protein-Ligand Wechselwirkungen essentiell für: molekulares Verständnis physiologischer Prozesse gezielten Eingriff in (patho)physiologische Zustände rationales Wirkstoffdesign

7 Das Docking Problem Aspekte des Docking Problems Standardszenario: Varianten: gegeben: Struktur von Zielprotein (Komplexkonformation) und Ligand bekannt: Bindetasche des Proteins gesucht: Bindungsmodus des Liganden, evtl. Affinität unbekannte Bindetasche PROTEIN Bindetaschen-Suche (via Docking oder vorgeschaltet) nur unkomplexierte Proteinkonformation verfügbar Protein-Modelling (flexibles Docking oder vorgeschaltet)

8 Das Docking Problem Standardszenario: Varianten: 1 Protein - 1 Ligand Virtuelles Screening 1 Protein - viele (potentielle) Liganden gesucht: hochaffine Liganden für ein Zielprotein (Target) Selektivitäten mehrere Proteine - ein oder mehrere Liganden entscheidend: Scoring & Ranking gesucht: Liganden für ein Target mit hoher Selektivität gegenüber anderen Proteinen

9 Lösungsansätze Ansätze zur Lösung des Docking-Problems O N H O 3 Komponenten: Darstellen Suchen Bewerten Atomkoordinaten Oberflächenabbildungen Wechselwirkungsdeskriptoren Gitterdarstellungen regelbasiert // geometrischkombinatorisch energieorientiert // stochastisch Kraftfeldpotentiale Empirische G-Funktion Wissensbasierte Potentiale

10 Molekülrepräsentationen Darstellen : Molekülrepräsentationen für Docking-Anwendungen Effiziente Suchalgorithmen erfordern geeignete Moleküldarstellungen A) Makromolekül (Rezeptor, Protein) erforderlich: Reduktion der Strukturinformation aufs Wesentliche erwünscht: repräsentative, aber handhabbare Darstellung 0. Begrenzung des Suchraums auf Bindetasche (sofern möglich und zulässig) PROTEIN

11 Molekülrepräsentationen 1. Geometrische Oberflächendeskriptoren: Oberflächenwürfel ( Surface Cubes ) Normalvektoren an kritischen Oberflächenpunkten Kugel-Abbildung der Bindetasche ( DOCK)

12 Molekülrepräsentationen 2. Physikochemische Deskriptoren: Wechselwirkungspunkte und -vektoren ( LUDI; FlexX) z.t. kombiniert mit geometrischen Oberflächendeskriptoren (1) ( z.b. colored spheres ) O O N H 3. Gitterdarstellungen: Wechselwirkungspotentiale für Sonden-Atome werden auf Gitterpunkten abgebildet Gitter = Suchraum P = W ( r) g, t p P t, T ( p) g: Gitterpunkt t: Ligand-Atomtyp (Sonde) T(p): Atomtyp von Proteinatom p r: Abstand Anmerkung: Darstellungsformen jeweils für EINE gegebene Konformation!

13 Molekülrepräsentationen B) Ligand (niedermolekulare Verbindung) vollständige Darstellung in atomaren Koordinaten durchaus möglich bei gitterbasierten Verfahren: Berechnung der Wechselwirkungsenergie aus Atomkoordinaten; für jedes Atom: Interpolation zwischen entsprechenden Gitterpunkten; Σ bei deskriptorbasierten Verfahren: direktes Matching von Atomen und Bindungen mit Rezeptor-Deskriptoren oder Umwandlung in geeignete Darstellung (z.b. DOCK: Kugeldarstellung) Hauptproblem: konformationelle Flexibilität Bindungskonformation oft Minimumskonformation in Lösung Strategien zum Docking flexibler Liganden Strategien zum Docking flexibler Liganden Gesamtmolekül Fragmente

14 Molekülrepräsentationen 1.) rigides Docking von Konformeren 2.) simultane Optimierung von Orientierung und Konformation 3.) Platzierung eines Basisfragments, gefolgt von inkrementellem Aufbau

15 Molekülrepräsentationen Docking flexibler Liganden Gesamtmolekül rigides Docking vorgenerierter Konformere z.t. basierend auf Platzierung eines Kernfragmentes (DOCK Variante) z.t. gefolgt von Optimierung der Konformation in Bindetasche (Energie- Minimierung) Problem: große, sehr flexible Liganden erfordern sehr viele Konformere Fragmentbasiert inkrementeller Aufbau ausgehend von geeignet platziertem Basisfragment Vorteil: viele potentielle Kombinationen können früh eliminiert werden Nachteil: Erfolg kann von Auswahl und Platzierung des Basisfragments abhängen Konformations-Sampling während Docking mit Algorithmen zur Energie-Optimierung (MC-SA, GA,... ) erforderlich: intramolekulares Kraftfeld separates rigides Docking der Fragmente anschließend Verknüpfung (Linking) speziell in de novo Design Variante: interne Koordinaten ( ICM)

16 Dockingalgorithmen Suchen : Suchalgorithmen für Docking-Verfahren generelle Annahme: native, native, experimentell bestimmbare Komplexstruktur entspricht dem dem globalen Minimum von von G G bind bind Docking = Optimierungsproblem Docking = Optimierungsproblem Suche nach Bindungsmodus mit kleinstem G bind (höchste Affinität); G bind durch verschiedenste Modellfunktionen approximiert Suchalgorithmen: Anforderungen: Genauigkeit und Effizienz 2 Klassen von Algorithmen: geometrisch - kombinatorische und energetisch - stochastische systematische Suche: nur in einfachsten Fällen möglich (kombinatorische Explosion!) vgl.: N Konf. = Π N T. i =1 360 Θ i mit Θ = 30 für alle i, 1 sec (CPU) / N Konf. : N T. NKonf. CPU t h 415 d

17 Dockingalgorithmen A) Geometrisch-kombinatorische Suchstrategien Grundkonzept: Komplementarität der Oberflächen (Form) u./o. Wechselwirkungsmuster; Matching -Algorithmen: Suche nach: kompatiblen Distanzen (Distance-Matching) kompatiblen Triplets von Oberflächen-Normalvektoren kompatiblen Wasserstoffbrücken-Mustern kompatiblen Dreiecken von Wechselwirkungspunkten ( DOCK ) ( Wallqvist ) ( ADAM ) ( SLIDE ) z.b. DOCK: Verwendung von Distanz-Kompatibilitäts-Graphen Vergleich zwischen Distanzen von Kugelzentren der Bindetasche und Distanzen von Kugelzentren (Atome) des Liganden Suche nach Cliquen mit Distanz-kompatiblen Matches anschl. Optimierung der Überlagerung (z.b. least-squares fit) Bindetasche Ligand

18 Dockingalgorithmen Problem: reines Deskriptor-Matching ist nur bei rigidem Docking hinreichend effizient mögliche Erweiterung für Docking flexibler Liganden: inkrementelle Aufbau-Algorithmen inkrementelle Aufbau-Algorithmen Zerlegung des Liganden in (starre) Fragmente Auswahl eines Basisfragments Platzierung des Basisfragments (Matching-Algorithmus) SO 2 N H O O N H N inkrementelles Hinzufügen der übrigen Fragmente (geeignete Torsionswinkel und Deskriptor-Überlagerung) N H 2 NH Beispiele: FlexX ( ) DOCK anchor-and-grow geometrisches Matching von rigidem Basisfragment ( anchor ) hinzufügen äußerer Fragmente ( layer ), in 2-6 zugänglichen Torsionen lokale Optimierung Reduzierung auf konstante Anzahl von Konfigurationen ( pruning ) schließlich: Minimierung des Gesamtmoleküls

19 Dockingalgorithmen FlexX O H N SO 2 N H O O N H N Rules Ligand Binding Site N H 2 NH merge G Affinity Estimation Torsion Torsion Angle Torsion Angle Angle N + O NH + +

20 Dockingalgorithmen B) Energetisch - stochastische Suchstrategien Optimierung einer Zielfunktion Zielfunktion: eigentlich: G bind angenähert durch: Scoring-Funktion sollte Energie-Hyperfläche korrekt wiedergeben (Min., Max., Differenzen) (Anmerkung: Annahme bei Oberflächen-Matching u.ä.: Oberflächen-Komplementarität proportional zu Wechselwirkungsenergie) Suche nach globalem Minimum E Problem: Protein-Ligand Wechselwirkungen charakterisiert durch hochdimensionale und rauhe Energie-Hyperfläche daher: Standard-Minimierungsverfahren allein ungeeignet Monte-Carlo Methoden, Genetische Algorithmen etc. R N

21 Dockingalgorithmen

22 Dockingalgorithmen 1. Monte-Carlo Methoden (MC) wesentliche Komponenten: Konfiguration 1 random step E old Konfiguration 2 E new zufallsmäßige Bewegung des Liganden in Rezeptornähe Bewertung neuer Konfiguration nach Metropolis Algorithmus basierend auf Wechselwirkungsenergie E (Score) Frage: annehmen oder verwerfen? E new E old : Konfiguration annehmen E new > E old : Konfiguration annehmen falls P > rand(0,1) E new - E old P = exp Zufallszahl zwischen 0 und 1 k T P = Annahmewahrscheinlichkeit Annahme umso wahrscheinlicher je kleiner (E new - E old ) je größer T k: Boltzmann-Konstante T: Temperatur nächste Konfiguration wird aus zuletzt angenommener Konfiguration zufallsmäßig generiert

23 Dockingalgorithmen d.h.: es wird nicht nur das nächste Minimum abgesucht Energiebarrieren können mit einer Wahrscheinlichkeit P überschritten werden daher globale Suche möglich wichtig für Effizienz des Verfahrens: geeignete maximale Schrittweite für Zufallsbewegung z.b.: Translation 0.5 Å, Rotation & Torsionen: 5.0 MC als Optimierungsmethode für Docking: MC Simulated Annealing (MC-SA) MC verbunden mit gradueller T-Erniedrigung anfänglich hohe Temperatur: globale Suche später niedrige Temperatur: lokale Suche z.b.: 50 cycles acc./rej. steps per cycle T initial = 600 K reduced by 0.90 after each cycle Programme: AutoDock, Research, MCDock MC Minimierung (MCM) MC verbunden mit lokaler Minimierung (z.b. Conjugate Gradient) Minimierung erfolgt nach Zufallsschritt und vor Anwendung des Metropolis-Kriteriums Folge: höhere Effizienz Programme: ICM, ProDock, QXP

24 Dockingalgorithmen 2. Genetische Algorithmen Konzepte und Formulierungen an Idee der Evolutionstheorie angelehnt Optimierung durch wiederholte Anwendung genetischer Operatoren (Mutation, Crossover) auf eine Population unter Selektionsdruck Begriffe: Individuum hier: eine Ligand-Konfiguration Population Menge mehrerer verschiedener Individuen Gen das Individuum kennzeichnende Variable; hier: Translationskoordinaten, Rotations- & Torsionswinkel Chromosom Summe aller Gene eines Individuums Fitness Bewertungsgröße für Individuum; Optimierungskriterium hier: Wechselwirkungsenergie (Score) Selektion Auswahl von Individuen für Reproduktion Mutation zufallsmäßige Veränderung in einer Variablen z.b., falls binär kodiert: Crossover Genaustausch von zwei Individuen z.b.: ABC + abc AbC + abc

25 Dockingalgorithmen Vorgangsweise: Initialisierung der Population Zufallsverteilung von Ligand-Konfigurationen Mapping (Genotyp Phenotyp) Transformation in kartesische Koordinaten Bestimmung der Fitness Berechung des Scoring-Wertes Generation += 1 konvergiert? nein Selektion ja Ergebnis Konstanter Score in Population erreicht? Maximale Anzahl an Generationen erreicht? Bessere Konfigurationen werden mit höherer Wahrscheinlichkeit für Reproduktion ausgewählt Mutation und Crossover zufallsmäßige Änderung von Variablen neue Population neue Ligand-Konfigurationen

26 Dockingalgorithmen Varianten: Elitismus: bestes Individuum ( 1) wird automatisch in neue Population übernommern effizienter Lamarck scher GA (LGA): gewisser Anteil der Population wird lokaler Minimierung unterzogen grundsätzlich mit verschiedenen Minimierungsalgorithmen möglich Optimierung des Phänotyps ändert den Genotyp J.B. de Lamarck deutlich verbesserte Konvergenz gegenüber Standard-GA Programme: AutoDock: LGA mit Random Search -Algorithmus für lokale Minimierung (gradientenfrei); Vergleich zeigte: LGA i.a. besser als GA und MC-SA DARWIN: Standard GA mit Elitismus, gefolgt von Gradientenminimierung (Charmm) GOLD: Wasserstoff-Brücken als eigene Gene kodiert; mittels Least-Squares Fit zusätzlich optimiert

27 Dockingalgorithmen 3. Molekulardynamik Methoden (MD): wesentliche Komponenten: Bewegungsgleichung ( Newton sche Gesetze) Energiefunktion ( Molekülmechanik Kraftfeld) a i = v i t F i = m i a i 2 r = i F t 2 i = v i (t + t) = v i (t) + [ m i -1 F i ] t r i (t + t) = r i (t) + v i (t) t E i r i i: Atomindex F: Kraft m: Masse a: Beschleunigung v: Geschwindigkeit r: Ortskoordinaten t: Zeit E: potentielle Energie E p F E p F E p F E p F r(t 1 ),v(t 1 ) r(t 2 ),v(t 2 ) r(t 3 ),v(t 3 ) r(t 4 ),v(t 4 ) r(t 5 ),v(t 5 ) t 1 t 2 t 3 t 4 t 5

28 Dockingalgorithmen Docking mit MD Simulationen: im Prinzip: Probleme: tatsächlicher Docking-Vorgang simulierbar (Ligand Protein Annäherung) realistische Bedingungen : explizite Wassermoleküle, Proteinflexibilität rechnerisch extrem aufwendig MD relativ ineffizient für globale Suche (hohe E kin erforderlich, um Potentialbarrieren zu überschreiten) spezielle Ansätze erforderlich: Verwendung nur zum refinement von Docking-Lösungen Begrenzung auf Bindetasche, Umgebung durch Gitter angenähert Ersatz expliziter Wassermoleküle durch implizites Solvensmodell MDD Verfahren: separate Wärmebad-Kopplung (Steuerung von T und E kin!): Schwerpunktbewegung des Liganden ( K) Rezeptor (300 K) interne Freiheitsgrade des Liganden (300 K) Solvens (300 K) dadurch: Suchbewegung des Liganden beschleunigt dennoch: MD Verfahren (derzeit) nur für Einzelstudien verwendbar

29 Scoring-Funktionen Bewerten : Scoring-Funktionen für Docking-Anwendungen Scoring-Funktion: Zielfunktion für Optimierungsverfahren nachträgliche Bewertung der generierten Ligand-Konfigurationen ( Re-Scoring, Ranking ) Welche ist die beste Konfiguration? und / oder: Welcher ist der beste Ligand? (Affinität & Selektivität) Anforderungen: Diskriminierung zwischen nativen und nicht-nativen Bindungsmodi Korrelation mit experimentellen Affinitäten schnelle Berechnung

30 Scoring-Funktionen Scoring-Funktion: sollte freie Bindungsenthalpie G bind approximieren sollte wesentliche Aspekte der Protein-Ligand Wechselwirkung korrekt erfassen Generelle Annahmen und Vereinfachungen: Additivitäts-Annahme: G bind kann als Summe einzelner Terme berechnet werden Einzelstruktur-Annahme: G bind aus EINER gegebenen Struktur berechenbar ungebundener Zustand von Protein und Ligand (meist) vernachlässigt Ansätze: Molekülmechanik Kraftfelder Empirische Scoring-Funktionen Wissensbasierte Scoring-Funktionen

31 Scoring-Funktionen 1. Kraftfelder als Scoring-Funktion V = bonds k l ( l l eq ) 2 + angles k 2 ij ij Θ ( Θ Θeq ) + Vn[1 + cos( nφ γ )] dihedrals i j Rij Rij A B i j q q i εr ij j Basierend auf klassischen Potentialen Modellvorstellung: Atome geladene Kugeln Bindung Federn keine Elektronen keine Änderung der chemischen Bindungen

32 Scoring-Funktionen V = bonds k l ( l l eq ) 2 + angles k 2 ij ij Θ ( Θ Θeq ) + Vn[1 + cos( nφ γ )] dihedrals i j Rij Rij A B i j q q i εr ij j für intramolekulare Spannungsenergie für eigentliches Docking gebundener Ligand sollte auch günstige Konformation haben Kraftfeldterme liefern relative Abschätzung der Spannungsenergie Generelle Annahme bei Verwendung von Kraftfeldern: G bind durch H bind in Gasphase ersetzbar i.a. nicht zulässig Kraftfeld meist kombiniert mit implizitem Solvatisierungsmodell ( ε(r), GB, PB ) Kraftfelder können recht gute Bindungsmodi (Geometrien) liefern (van der Waals-, Coulomb- und ggf. H-Brücken-Terme!) Ranking und Affinitätsvorhersage eher problematisch

33 Scoring-Funktionen 2. Empirische Scoring-Funktionen Ansatz: Faktorisierung der Bindungsenthalpie in einzelne Wechselwirkungsterme G bind = Σ G i f i (Struktur) G bind = Σ G i f i (Struktur) f i : von strukturellen Faktoren abhängiger Wechselwirkungsterm G i : empirisch bestimmter Gewichtungsfaktor, z.b. regressionsbasiert aus Datensatz experimenteller Komplexstrukturen bekannter Affinität i.a. Terme für H-Brücken, Polare (Ionische) Ww., Lipophile Ww., rotierbare Bindungen; z.b.: SCORE1 (LUDI): G bind = G 0 + G hb Σ H-bonds f( r, α) + G ionic Σ ionic int. f( r, α) + G lipo A lipo + G rot N rot Beispiele: SCORE1, SCORE2, ChemScore, VALIDATE, SCORE, X-CScore, AutoDock3.0 erfolgreicher Einsatz in Docking-Programmen: FlexX, PRO_LEADS, AutoDock

34 Scoring-Funktionen 3. Wissensbasierte Scoring-Funktionen Ansatz: Ableitung von Atom-Distanz-Präferenzen aus Struktur-Datenbank Daten Kristallstrukturen Information Statistische Präferenzen Wissen Regeln, Funktionen g(r) R [Å]

35 Scoring-Funktionen statistisches Paarpotential: z.b. DrugScore: P ij (r) = - ln g ij (r) g ref Häufigkeit P ij : ij : distanz-abhängiges Paarpotential g ij : ij : Häufigkeitsverteilung von von Atom-Atom Abständen g ref : ref : Referenzverteilung Relibase+ g(r) Statistisches Potential R r [Å] R-O O-R O O O-R R O O N N R -ln[g(r)/g ref (r)] r [Å]

36 Scoring-Funktionen Beispiele: SMoG, BLEEP, PMF, DrugScore häufig für Re-Scoring verwendet auch als Zielfunktion im Docking erfolgreich einsetzbar gute Diskriminierung von nativen und nicht-nativen Bindungsmoden Affinitätsabschätzung problematischer Ableitung der Funktionen ohne Verwendung experimenteller Affinitäten, nur statistische Analyse von Strukturdaten bzw. Atomdistanzen!

37 Vergleichende Bewertung Vergleichsstudien oder: Welche Methode ist die beste? Problem: objektiver Vergleich aller verfügbarer Methoden kaum möglich; Test-Datensätze sehr unterschiedlich in Größe und Zusammensetzung; Methoden eignen sich unterschiedlich gut für verschiedene Systeme; weitverbreitete und vielfach erfolgreich eingesetzte Programme: DOCK, FlexX, GOLD, AutoDock; Score1/2 (Ludi), ChemScore, DrugScore bester Test: Wettbewerb zur Vorhersage von Bindungsmoden vor Veröffentlichung der experimentellen Strukturen N.C. Strynadka, Nature Struct. Biol. 3 (1996) J.S. Dixon, Proteins Suppl. (1997) weitere Vergleichsstudien: R. Wang et al., J. Med. Chem. (2003) (Scoring Funktionen) C. Bissantz et al., J. Med. Chem. 43 (2000) (Virtuelles Screening)

38 Ausblick Aktuelle Fragestellungen Wasser: Rolle des Lösungsmittels bei Komplexbildung Flexibilität des Proteins Effizientere Algorithmen für sehr flexible Liganden Scoring-Funktionen basierend auf besseren experimentellen Datensätzen bessere Strafterme für schlechte Konfigurationen und schlechte Liganden Berücksichtigung des ungebundenen Zustandes und multipler Konformationen

39 Literaturangaben Weiterführende Literatur (Übersichtsartikel) (Artikel enthalten Referenzen zu allen erwähnten Methoden, Programmen und Funktionen) The Docking Problem. C. Sotriffer, M. Stahl, G. Klebe in: Chemoinformatics - From Data to Knowledge, Wiley-VCH, in press Docking and Scoring / Virtual Screening. C. Sotriffer, M. Stahl, H.J. Böhm, G. Klebe in: Burger s Handbook of Medicinal Chemistry, 6th edition, Volume I, Wiley, New York, 2003 A review of protein-small molecule docking methods. R.D. Taylor, P.J. Jewsbury, J.W. Essex J. Comput. Aided Mol. Design 16 (2002) High-throughput docking for lead generation. R. Abagyan, M. Totrov Curr. Opin. Chem. Biol. 5 (2001) Statistical potentials and scoring functions applied to protein-ligand binding. H. Gohlke, G. Klebe Curr. Opin. Struct. Biol. 11 (2001) Small Molecule Docking and Scoring. I. Muegge, M. Rarey Reviews in Comput. Chem. 17 (2001), 1-60

Molekularfeldtheorie (MFT)

Molekularfeldtheorie (MFT) 29.06.2006 Motivation Anwendungen der MFT MFT-Herleitung mittels Variationsansatz und Anwendung Grenzen der Anwendung der MFT Motivation Meisten Probleme nur unter Berücksichtigung von Wechselwirkungen

Mehr

Ferrofluide. Physikalische Grundlagen. http://en.wikipedia.org/wiki/file:ferrofluid_close.jpg

Ferrofluide. Physikalische Grundlagen. http://en.wikipedia.org/wiki/file:ferrofluid_close.jpg Ferrofluide Physikalische Grundlagen http://en.wikipedia.org/wiki/file:ferrofluid_close.jpg Inhalt Definition Herstellung Maßnahmen zur Stabilisierung Abschätzung der Partikelgröße, Abstandsmechanismen

Mehr

Chemische Bindung. Wie halten Atome zusammen? Welche Atome können sich verbinden? Febr 02

Chemische Bindung. Wie halten Atome zusammen? Welche Atome können sich verbinden? Febr 02 Chemische Bindung locker bleiben Wie halten Atome zusammen? positiv Welche Atome können sich verbinden? power keep smiling Chemische Bindung Die chemischen Reaktionen spielen sich zwischen den Hüllen der

Mehr

Screening nach neuen Wirkstoffen was kann man von computer- basierten Methoden erwarten?

Screening nach neuen Wirkstoffen was kann man von computer- basierten Methoden erwarten? Screening nach neuen Wirkstoffen was kann man von computer- basierten Methoden erwarten? Prof. Dr. Wolfgang Sippl Institut für Pharmazie Martin-Luther-Universität alle-wittenberg Wirkstofforschung heute

Mehr

Seminararbeit zum Thema Genetische Algorithmen

Seminararbeit zum Thema Genetische Algorithmen Seminararbeit zum Thema Genetische Algorithmen Seminar in Intelligent Management Models in Transportation und Logistics am Institut für Informatik-Systeme Lehrstuhl Verkehrsinformatik Univ.-Prof. Dr.-Ing.

Mehr

Grundlagen und Basisalgorithmus

Grundlagen und Basisalgorithmus Grundlagen und Basisalgorithmus Proseminar -Genetische Programmierung- Dezember 2001 David König Quelle: Kinnebrock W.: Optimierung mit genetischen und selektiven Algorithmen. München, Wien: Oldenbourg

Mehr

COMPUTERSIMULATIONEN. Ein Überblick

COMPUTERSIMULATIONEN. Ein Überblick COMPUTERSIMULATIONEN Ein Überblick Ziel: Vorhersage der makroskopischen Eigenschaften eines Systems. Geht das? Newton: Ja: F=m a gibt an, wie sich das System mit der Zeit entwickelt Laplace: Im Prinzip

Mehr

2. Chemische Bindungen 2.1

2. Chemische Bindungen 2.1 2. Chemische Bindungen 2.1 Chemische Bindungen Deutung von Mischungsversuchen Benzin und Wasser mischen sich nicht. Benzin ist somit eine hydrophobe Flüssigkeit. Auch die Siedepunkte der beiden Substanzen

Mehr

4. Quantitative Analyse der Ligand-Bindungsstudien

4. Quantitative Analyse der Ligand-Bindungsstudien 4. Quantitative Analyse der Ligand-Bindungsstudien Im folgenden apitel sollen die grundlegenden analytischen Methoden zur Interpretation der experimentell gewonnenen Bindungsdaten vorgestellt werden. ie

Mehr

300 Arbeit, Energie und Potential 310 Arbeit und Leistung 320 Felder und Potentiale

300 Arbeit, Energie und Potential 310 Arbeit und Leistung 320 Felder und Potentiale 300 Arbeit, Energie und Potential 30 Arbeit und Leistung 30 Felder und Potentiale um was geht es? Arten on (mechanischer) Energie Potentialbegriff Beschreibung on Systemen mittels Energie 3 potentielle

Mehr

Grundlagen der Kinematik und Dynamik

Grundlagen der Kinematik und Dynamik INSTITUT FÜR UNFALLCHIRURGISCHE FORSCHUNG UND BIOMECHANIK Grundlagen der Biomechanik des Bewegungsapparates Grundlagen der Kinematik und Dynamik Dr.-Ing. Ulrich Simon Ulmer Zentrum für Wissenschaftliches

Mehr

Aufabe 7: Baum-Welch Algorithmus

Aufabe 7: Baum-Welch Algorithmus Effiziente Algorithmen VU Ausarbeitung Aufabe 7: Baum-Welch Algorithmus Florian Fest, Matr. Nr.0125496 baskit@generationfun.at Claudia Hermann, Matr. Nr.0125532 e0125532@stud4.tuwien.ac.at Matteo Savio,

Mehr

Teil II. Nichtlineare Optimierung

Teil II. Nichtlineare Optimierung Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene

Mehr

5.1. Kinetische Gastheorie. Ziel: Der Gasdruck: Kolben ohne Reibung, Gasatome im Volumen V Wie groß ist F auf den Kolben?

5.1. Kinetische Gastheorie. Ziel: Der Gasdruck: Kolben ohne Reibung, Gasatome im Volumen V Wie groß ist F auf den Kolben? 5.1. Kinetische Gastheorie z.b: He-Gas : 3 10 Atome/cm diese wechselwirken über die elektrische Kraft: Materie besteht aus sehr vielen Atomen: gehorchen den Gesetzen der Mechanik Ziel: Verständnis der

Mehr

Schnelle und flexible Stoffwertberechnung mit Spline Interpolation für die Modellierung und Optimierung fortschrittlicher Energieumwandlungsprozesse

Schnelle und flexible Stoffwertberechnung mit Spline Interpolation für die Modellierung und Optimierung fortschrittlicher Energieumwandlungsprozesse Hochschule Zittau/Görlitz, Fakultät Maschinenwesen, Fachgebiet Technische Thermodynamik M. Kunick, H. J. Kretzschmar, U. Gampe Schnelle und flexible Stoffwertberechnung mit Spline Interpolation für die

Mehr

Künstliche Intelligenz Dirk Krechel SS 2009

Künstliche Intelligenz Dirk Krechel SS 2009 Künstliche Intelligenz Dirk Krechel SS 2009 Überblick über das Modul 1. Einführung 2. Symbolische Verfahren Logik Aussagenlogik Prädikatenlogik Horn Logik Prolog 3. Suchen und Bewerten Problemlösen durch

Mehr

Kennfeldverbreiterung eines Radialverdichters für Abgasturbolader durch multidisziplinäre CFD-FEM-Optimierung mit FINE /Turbo

Kennfeldverbreiterung eines Radialverdichters für Abgasturbolader durch multidisziplinäre CFD-FEM-Optimierung mit FINE /Turbo 2011 Kennfeldverbreiterung eines Radialverdichters für Abgasturbolader durch multidisziplinäre CFD-FEM-Optimierung mit FINE /Turbo Th. Hildebrandt, L. Gresser, M. Sievert Inhaltsverzeichnis 01 02 03 04

Mehr

VERDAMPFUNGSGLEICHGEWICHTE: SIEDEDIAGRAMM EINER BINÄREN MISCHUNG

VERDAMPFUNGSGLEICHGEWICHTE: SIEDEDIAGRAMM EINER BINÄREN MISCHUNG VERDAMPFUNGSGLEICHGEWICHTE: RAMM EINER BINÄREN MISCHUNG 1. Lernziel Ziel des Versuchs ist es, ein zu bestimmen, um ein besseres Verständnis für Verdampfungsgleichgewichte und Mischeigenschaften flüssiger

Mehr

Heuristiken im Kontext von Scheduling

Heuristiken im Kontext von Scheduling Heuristiken im Kontext von Scheduling Expertenvortrag CoMa SS 09 CoMa SS 09 1/35 Übersicht Motivation Makespan Scheduling Lokale Suche Weitere Metaheuristiken Zusammenfassung Literatur CoMa SS 09 2/35

Mehr

Synthese Eingebetteter Systeme. 16 Abbildung von Anwendungen: Optimierung mit DOL

Synthese Eingebetteter Systeme. 16 Abbildung von Anwendungen: Optimierung mit DOL 12 Synthese Eingebetteter Systeme Sommersemester 2011 16 Abbildung von Anwendungen: Optimierung mit DOL 2011/06/24 Michael Engel Informatik 12 TU Dortmund unter Verwendung von Foliensätzen von Prof. Lothar

Mehr

5 Gase...2. 5.1 Das ideale Gasgesetz...2. 5.2 Kinetische Gastheorie...3. 5.2.1 Geschwindigkeit der Gasteilchen:...5. 5.2.2 Diffusion...

5 Gase...2. 5.1 Das ideale Gasgesetz...2. 5.2 Kinetische Gastheorie...3. 5.2.1 Geschwindigkeit der Gasteilchen:...5. 5.2.2 Diffusion... 5 Gase...2 5.1 Das ideale Gasgesetz...2 5.2 Kinetische Gastheorie...3 5.2.1 Geschwindigkeit der Gasteilchen:...5 5.2.2 Diffusion...5 5.2.3 Zusammenstöße...6 5.2.4 Geschwindigkeitsverteilung...6 5.2.5 Partialdruck...7

Mehr

Avant-garde Materials Simulation GmbH, Freiburg

Avant-garde Materials Simulation GmbH, Freiburg Avant-garde Materials Simulation GmbH, Freiburg Aus Gründen des Urheberrechts verkürzte Version zur Veröffentlichung Vortrag: Andreas Delleske (EDV) CEO: Dr. Marcus Neumann www.avmatsim.de Kristallstrukturvorhersage

Mehr

9 Weitreichende Wechselwirkungen zwischen zwei Molekülen

9 Weitreichende Wechselwirkungen zwischen zwei Molekülen 9 Weitreichende Wechselwirkungen zwischen zwei Molekülen 9.1 Elektrostatische Wechselwirkungen als Beiträge erster Ordnung Die elektrostatische Wechselwirkung zwischen zwei Molekülen A und B kann durch

Mehr

Methoden der Datenanalyse AI-basierte Decision Support Systeme WS 2006/07

Methoden der Datenanalyse AI-basierte Decision Support Systeme WS 2006/07 Regression Trees Methoden der Datenanalyse AI-basierte Decision Support Systeme WS 2006/07 Ao.Univ.Prof. Dr. Marcus Hudec marcus.hudec@univie.ac.at Institut für Scientific Computing, Universität Wien 2

Mehr

Das Schwingungsspektrum von Wasser

Das Schwingungsspektrum von Wasser Das Schwingungsspektrum von Wasser Vortrag im Rahmen des Seminars zum anorganisch-chemischen Fortgeschrittenenpraktikum Institut für Anorganische Chemie Universität Karlsruhe Matthias Ernst Freitag, 29.6.2006

Mehr

CPM: A Deformable Model for Shape Recovery and Segmentation Based on Charged Particles. Stefan Fleischer, Adolf Hille

CPM: A Deformable Model for Shape Recovery and Segmentation Based on Charged Particles. Stefan Fleischer, Adolf Hille CPM: A Deformable Model for Shape Recovery and Segmentation Based on Charged Particles Stefan Fleischer, Adolf Hille Gliederung des Vortrags Motivation Physikalische Modellgrundlagen CPM im Einzelnen Resultate

Mehr

Binäre lineare Optimierung mit K*BMDs p.1/42

Binäre lineare Optimierung mit K*BMDs p.1/42 Binäre lineare Optimierung mit K*BMDs Ralf Wimmer wimmer@informatik.uni-freiburg.de Institut für Informatik Albert-Ludwigs-Universität Freiburg Binäre lineare Optimierung mit K*BMDs p.1/42 Grundlagen Binäre

Mehr

Vordiplomsklausur Physik

Vordiplomsklausur Physik Institut für Physik und Physikalische Technologien der TU-Clausthal; Prof. Dr. W. Schade Vordiplomsklausur Physik 14.Februar 2006, 9:00-11:00 Uhr für den Studiengang: Maschinenbau intensiv (bitte deutlich

Mehr

The well-tempered Thrombin

The well-tempered Thrombin The well-tempered Thrombin A systematic crystallographic and calorimetric study on the thermodynamics of serine-protease inhibition Dissertation zur Erlangung des Doktorgrades der Naturwissenschaften (Dr.

Mehr

Multiple-Choice Test. Alle Fragen können mit Hilfe der Versuchsanleitung richtig gelöst werden.

Multiple-Choice Test. Alle Fragen können mit Hilfe der Versuchsanleitung richtig gelöst werden. PCG-Grundpraktikum Versuch 8- Reale Gas Multiple-Choice Test Zu jedem Versuch im PCG wird ein Vorgespräch durchgeführt. Für den Versuch Reale Gas wird dieses Vorgespräch durch einen Multiple-Choice Test

Mehr

Der lange Weg zum Wirkstoff

Der lange Weg zum Wirkstoff Der lange Weg zum Wirkstoff Wilhelm Huisinga (FU) Frank Cordes (ZIB) donnerstag 16.00 Uhr, 053 (INF) Free University Berlin Ziele des Seminars Zielsetzung: vertiefender Einblick in typische Fragestellungen

Mehr

Umsetzung des Kernlehrplans Chemie am Kreisgymnasium Halle Jahrgangsstufe 9

Umsetzung des Kernlehrplans Chemie am Kreisgymnasium Halle Jahrgangsstufe 9 a) kk b) pk à bei diesem Themenfeld Übergang aus Jahrgangsstufe 8 Freiwillige und erzwungene Elektronenübertragungen - Oxidationen als Elektronenübertragungsreaktionen Reaktionen zwischen Metallatomen

Mehr

Artificial Life und Multiagentensysteme

Artificial Life und Multiagentensysteme Vortrag im Rahmen des Seminars: Artificial Life und Multiagentensysteme Prof. Dr. Winfried Kurth Sommersemester 2003 Prognose von Zeitreihen mit GA/GP Mathias Radicke, Informatikstudent, 10. Semester Gliederung

Mehr

Genetische Algorithmen

Genetische Algorithmen Genetische Algorithmen Projektgruppe 431 Metaheuristiken Bianca Selzam Inhaltsverzeichnis 1 Einleitung......................................................... 1 2 Grundlagen aus der Biologie.......................................

Mehr

OPERATIONS-RESEARCH (OR)

OPERATIONS-RESEARCH (OR) OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:

Mehr

Informatik-Sommercamp 2012. Mastermind mit dem Android SDK

Informatik-Sommercamp 2012. Mastermind mit dem Android SDK Mastermind mit dem Android SDK Übersicht Einführungen Mastermind und Strategien (Stefan) Eclipse und das ADT Plugin (Jan) GUI-Programmierung (Dominik) Mastermind und Strategien - Übersicht Mastermind Spielregeln

Mehr

Dieter SÜSS und Klaus MACHATA

Dieter SÜSS und Klaus MACHATA Globaler Optimierungsalgorithmus für überlagerungsfreie Darstellung von Objekten in der neuen Elektronischen Unfallsteckkarte des Kuratorium für Verkehrssicherheit Dieter SÜSS und Klaus MACHATA Zusammenfassung

Mehr

Genetische Algorithmen

Genetische Algorithmen Genetische Algorithmen zur Lösung kombinatorischer Optimierungsprobleme aus dem Bereich Produktion und Logistik S. Häckel, S. Lemke TU Chemnitz Fakultät für Wirtschaftswissenschaften Professur für Produktionswirtschaft

Mehr

Physik und Chemie der Minerale

Physik und Chemie der Minerale Physik und Chemie der Minerale Phasendiagramme Mehrere Komponenten Segregation, konstitutionelle Unterkühlung Keimbildung Kinetik des Kristallwachstums Kristallzüchtung Literaturauswahl D.T.J Hurle (Hrsg.):

Mehr

Synthese und Charakterisierung von binären Polyaziden

Synthese und Charakterisierung von binären Polyaziden Synthese und Charakterisierung von binären Polyaziden Gegenstand der vorliegenden Arbeit war die Untersuchung der binären Polyazide der p-blockelemente. Hierbei standen vor allem die Etablierung neue Synthesewege

Mehr

Räumliches Data Mining

Räumliches Data Mining Räumliches Data Mining Spatial Data Mining Data Mining = Suche nach "interessanten Mustern" in sehr großen Datensätzen => explorative Datenanlyse auch: Knowledge Discovery in Databases (KDD) verbreitete

Mehr

Arbeit und Leistung. 2mgs/2 = mgs. m g. m g. mgs = const. m g. 2m g. .. nmgs/n = mgs

Arbeit und Leistung. 2mgs/2 = mgs. m g. m g. mgs = const. m g. 2m g. .. nmgs/n = mgs Arbeit und Leistung s s m g m g mgs = mgs s/2 mgs = const. s 2m g m g 2mgs/2 = mgs.. nmgs/n = mgs Arbeit und Leistung Arbeit ist Kraft mal Weg Gotthardstraße Treppe und Lift Feder Bergsteiger/Wanderer

Mehr

on von Strömung Milovan Perić CD-adapco Nürnberg Office www.cd-adapco.com

on von Strömung Milovan Perić CD-adapco Nürnberg Office www.cd-adapco.com Gekoppelte Simulatio on von Strömung und Bewegung umströmter Körper Milovan Perić CD-adapco Nürnberg Office www.cd-adapco.com Milovan.Peric@de.cd-a cd-a adapco.comcom Inhalt Gekoppelte Simulation von Strömung

Mehr

RASTER-KRAFT-MIKROSKOPIE (ATOMIC FORCE MICROSCOPY AFM)

RASTER-KRAFT-MIKROSKOPIE (ATOMIC FORCE MICROSCOPY AFM) RASTER-KRAFT-MIKROSKOPIE (ATOMIC FORCE MICROSCOPY AFM) Inhaltsverzeichnis 1. Motivation 2. Entwickler des AFM 3. Aufbau des AFM 3.1 Spitze und Cantilever 3.2 Mechanische Rasterung 3.3 Optische Detektion

Mehr

Inhaltsverzeichnis 12.01.2015. 1. Grundbegriffe. 2. Einführung in die statistische Mechanik. 3. Normalmoden. 4. Molekulardynamik

Inhaltsverzeichnis 12.01.2015. 1. Grundbegriffe. 2. Einführung in die statistische Mechanik. 3. Normalmoden. 4. Molekulardynamik Inhaltsverzeichnis 1. Grundbegriffe 2. Einführung in die statistische Mechanik 3. ormalmoden 4. Molekulardynamik 5. Monte -Carlo Simulationen 6. Finite-Elemente Methode 1 Casino in Monte Carlo, Monaco

Mehr

Einführung in die Physik I. Wärme 2 Kinetische Gastheorie

Einführung in die Physik I. Wärme 2 Kinetische Gastheorie Einführung in die Physik I Wärme Kinetische Gastheorie O. von der Lühe und U. Landgraf Kinetische Gastheorie - Gasdruck Der Druck in einem mit einem Gas gefüllten Behälter entsteht durch Impulsübertragung

Mehr

Personalisierung. Der Personalisierungsprozess Nutzerdaten erheben aufbereiten auswerten Personalisierung. Data Mining.

Personalisierung. Der Personalisierungsprozess Nutzerdaten erheben aufbereiten auswerten Personalisierung. Data Mining. Personalisierung Personalisierung Thomas Mandl Der Personalisierungsprozess Nutzerdaten erheben aufbereiten auswerten Personalisierung Klassifikation Die Nutzer werden in vorab bestimmte Klassen/Nutzerprofilen

Mehr

Monte Carlo Simulationen

Monte Carlo Simulationen Monte Carlo Simulationen Erkenntnisse durch die Erschaffung einer virtuellen Welt Stefan Wunsch 31. Mai 2014 INSTITUT FÜR EXPERIMENTELLE KERNPHYSIK (IEKP) KIT Universität des Landes Baden-Württemberg und

Mehr

Integration geometrischer und fotogrammetrischer Information zum Wiederfinden von Bildern

Integration geometrischer und fotogrammetrischer Information zum Wiederfinden von Bildern Integration geometrischer und fotogrammetrischer Information zum Wiederfinden von Bildern Björn Burow SE Mustererkennung in Bildern und 3D-Daten Lehrstuhl Graphische Systeme BTU Cottbus Inhaltsübersicht

Mehr

Arbeit, Energie, Leistung. 8 Arbeit, Energie, Leistung 2009 1

Arbeit, Energie, Leistung. 8 Arbeit, Energie, Leistung 2009 1 Arbeit, Energie, Leistung 8 Arbeit, Energie, Leistung 2009 1 Begriffe Arbeit, Energie, Leistung von Joule, Mayer und Lord Kelvin erst im 19. Jahrhundert eingeführt! (100 Jahre nach Newton s Bewegungsgesetzen)

Mehr

Optimierung I. 1 Einführung. Luise Blank. Wintersemester 2012/13. Universität Regensburg

Optimierung I. 1 Einführung. Luise Blank. Wintersemester 2012/13. Universität Regensburg Universität Regensburg Wintersemester 2012/13 1 Einführung Anwendungen Finanzwirtschaft: maximale Gewinnrate unter Beschränkungen an das Risiko; Portfolio von Investments Produktion: maximiere Gewinn bei

Mehr

Energie, mechanische Arbeit und Leistung

Energie, mechanische Arbeit und Leistung Grundwissen Physik Klasse 8 erstellt am Finsterwalder-Gymnasium Rosenheim auf Basis eines Grundwissenskatalogs des Klenze-Gymnasiums München Energie, mechanische Arbeit und Leistung Mit Energie können

Mehr

Die Einheit der Atommasse m ist u. Das ist der 12. Teil der Masse eines Kohlenstoffatoms. 1 u = 1,6608 * 10-27 kg m(h) = 1 u

Die Einheit der Atommasse m ist u. Das ist der 12. Teil der Masse eines Kohlenstoffatoms. 1 u = 1,6608 * 10-27 kg m(h) = 1 u Analytische Chemie Stöchiometrie Absolute Atommasse Die Einheit der Atommasse m ist u. Das ist der 12. Teil der Masse eines Kohlenstoffatoms. 1 u = 1,6608 * 10-27 kg m() = 1 u Stoffmenge n Die Stoffmenge

Mehr

Grundlagen der Programmierung 2. Parallele Verarbeitung

Grundlagen der Programmierung 2. Parallele Verarbeitung Grundlagen der Programmierung 2 Parallele Verarbeitung Prof. Dr. Manfred Schmidt-Schauÿ Künstliche Intelligenz und Softwaretechnologie 27. Mai 2009 Parallele Algorithmen und Ressourcenbedarf Themen: Nebenläufigkeit,

Mehr

Computersimulation & Mehrkörperproblem

Computersimulation & Mehrkörperproblem Fleischmann/Gattringer/Hösch/Lukic WAP 00/03 Computersimulation & Mehrkörperproblem Eine Einführung in die Lösung des Mehrkörperproblems mittels Computersimulation Gerwin Fleischmann Daniel Gattringer

Mehr

Computer im mathbuch Detaillierte Auflistung der Verwendungsmöglichkeit eines Computers im Mathematikunterricht mit dem mathbu.

Computer im mathbuch Detaillierte Auflistung der Verwendungsmöglichkeit eines Computers im Mathematikunterricht mit dem mathbu. Computer im mathbuch Detaillierte Auflistung der Verwendungsmöglich eines Computers im Mathematikunterricht mit dem mathbu.ch 7 9 / 9+ Sj LU Aufgabe(n) Adressat Lernphase Mathematischer Inhalt Beschreibung

Mehr

Abstrakt zum Vortrag im Oberseminar. Graphdatenbanken. Gero Kraus HTWK Leipzig 14. Juli 2015

Abstrakt zum Vortrag im Oberseminar. Graphdatenbanken. Gero Kraus HTWK Leipzig 14. Juli 2015 Abstrakt zum Vortrag im Oberseminar Graphdatenbanken Gero Kraus HTWK Leipzig 14. Juli 2015 1 Motivation Zur Darstellung komplexer Beziehungen bzw. Graphen sind sowohl relationale als auch NoSQL-Datenbanken

Mehr

Thermische Isolierung mit Hilfe von Vakuum. 9.1.2013 Thermische Isolierung 1

Thermische Isolierung mit Hilfe von Vakuum. 9.1.2013 Thermische Isolierung 1 Thermische Isolierung mit Hilfe von Vakuum 9.1.2013 Thermische Isolierung 1 Einleitung Wieso nutzt man Isolierkannen / Dewargefäße, wenn man ein Getränk über eine möglichst lange Zeit heiß (oder auch kalt)

Mehr

Commercial Banking Übung 1 Kreditscoring

Commercial Banking Übung 1 Kreditscoring Commercial Banking Übung Kreditscoring Dr. Peter Raupach raupach@wiwi.uni-frankfurt.de Sprechzeit Dienstag 6-7:00 Uhr Raum 603 B Kreditscoring Gliederung Grundanliegen Das Sample Modellspezifikation Diskriminanzanalyse

Mehr

Übung 3. Dipl.-Inf. Domenic Jenz (jenz@hlrs.de) Übungen zur Vorlesung Molekulardynamik und Lattice Boltzmann Methoden. HLRS, Universität Stuttgart

Übung 3. Dipl.-Inf. Domenic Jenz (jenz@hlrs.de) Übungen zur Vorlesung Molekulardynamik und Lattice Boltzmann Methoden. HLRS, Universität Stuttgart Übung 3 Dipl.-Inf. Domenic Jenz (jenz@hlrs.de) HLRS, Universität Stuttgart Übungen zur Vorlesung Molekulardynamik und Lattice Boltzmann Methoden Outline Ein kleines MD Programm Einführung Das Grundgerüst

Mehr

Prozeßbezogene Signalverarbeitung in der LDA- und PDA-Meßtechnik

Prozeßbezogene Signalverarbeitung in der LDA- und PDA-Meßtechnik Slide 1 Prozeßbezogene Signalverarbeitung in der LDA- und PDA-Meßtechnik Postdoktorandenprogramm der DFG Zusammenarbeit mit Dantec MT Betreuung durch Universität Rostock Slide Postdoktorandenprogramm Ziel

Mehr

FB IV Mathematik Universität Trier. Präsentation von Nadja Wecker

FB IV Mathematik Universität Trier. Präsentation von Nadja Wecker FB IV Mathematik Universität Trier Präsentation von Nadja Wecker 1) Einführung Beispiele 2) Mathematische Darstellung 3) Numerischer Fluss für Diffusionsgleichung 4) Konvergenz 5) CFL-Bedingung 6) Zusammenfassung

Mehr

Schulcurriculum des Faches Physik. für die Klassenstufen 7 10

Schulcurriculum des Faches Physik. für die Klassenstufen 7 10 Geschwister-Scholl-Gymnasium Schulcurriculum Schulcurriculum des Faches Physik für die Klassenstufen 7 10 Gesamt Physik 7-10 09.09.09 Physik - Klasse 7 Akustik Schallentstehung und -ausbreitung Echolot

Mehr

LINGO: Eine kleine Einführung

LINGO: Eine kleine Einführung LINGO: Eine kleine Einführung Jun.-Prof.Dr. T. Nieberg Lineare und Ganzzahlige Optimierung, WS 2009/10 LINDO/LINGO ist ein Software-Paket, mit dessen Hilfe (ganzzahlige) lineare Programme schnell und einfach

Mehr

Quantenchemie auf dem Rechner

Quantenchemie auf dem Rechner Physikalisch-Chemische Praktika Quantenchemie auf dem Rechner Versuch S1 Einleitung Dieser Praktikumsversuch ist der erste Teil eines dreiteiligen Blocks von Versuchen im Rahmen des Praktikums zur Molekülspektroskopie

Mehr

Visuelle Simulation eines Radiosity Algorithmus und ihre Anwendung in Lernprozessen

Visuelle Simulation eines Radiosity Algorithmus und ihre Anwendung in Lernprozessen Visuelle Simulation eines Radiosity Algorithmus und ihre Anwendung in Lernprozessen Abschlussvortrag zur Diplomarbeit von Jörg Karpf Graphische Datenverarbeitung, Institut für Informatik 3. September 2009

Mehr

Übungsaufgaben mit Lösungsvorschlägen

Übungsaufgaben mit Lösungsvorschlägen Otto-Friedrich-Universität Bamberg Lehrstuhl für Medieninformatik Prof. Dr. Andreas Henrich Dipl. Wirtsch.Inf. Daniel Blank Einführung in das Information Retrieval, 8. Mai 2008 Veranstaltung für die Berufsakademie

Mehr

1 Arbeit und Energie. ~ F d~r: (1) W 1!2 = ~ F ~s = Beispiel für die Berechnung eines Wegintegrals:

1 Arbeit und Energie. ~ F d~r: (1) W 1!2 = ~ F ~s = Beispiel für die Berechnung eines Wegintegrals: 1 Arbeit und Energie Von Arbeit sprechen wir, wenn eine Kraft ~ F auf einen Körper entlang eines Weges ~s einwirkt und dadurch der "Energieinhalt" des Körpers verändert wird. Die Arbeit ist de niert als

Mehr

3. Bindungen im Festkörper

3. Bindungen im Festkörper Prof. Dieter Suter Festkörperphysik WS 95 / 96 3.. Grundlagen 3... Übersicht 3. Bindungen im Festkörper Die Struktur eines Festkörpers ergibt sich aus der Wechselwirkung zwischen den darin enthaltenen

Mehr

3.4. Leitungsmechanismen

3.4. Leitungsmechanismen a) Metalle 3.4. Leitungsmechanismen - Metall besteht aus positiv geladenen Metallionen und frei beweglichen Leitungselektronen (freie Elektronengas), Bsp.: Cu 2+ + 2e - - elektrische Leitung durch freie

Mehr

Optimality and evolutionary tuning of the expression level of a protein. Erez Dekel & Uri Alon Nature Vol 436, July 2005

Optimality and evolutionary tuning of the expression level of a protein. Erez Dekel & Uri Alon Nature Vol 436, July 2005 Optimality and evolutionary tuning of the expression level of a protein Erez Dekel & Uri Alon Nature Vol 436, July 2005 Wie Zellen Denken Übersicht Hintergrund Mathematische Formulierung (cost-benefit-theory)

Mehr

Algorithmische Modelle als neues Paradigma

Algorithmische Modelle als neues Paradigma Algorithmische Modelle als neues Paradigma Axel Schwer Seminar über Philosophische Grundlagen der Statistik, WS 2010/11 Betreuer: Prof. Dr. Thomas Augustin München, den 28. Januar 2011 1 / 29 LEO BREIMAN

Mehr

Molekular-dynamische FEM-Simulation (MDFEM) von Kohlenstoffnanoröhren und Elastomerwerkstoffen unter Verwendung des Finite Elemente Programmes Abaqus

Molekular-dynamische FEM-Simulation (MDFEM) von Kohlenstoffnanoröhren und Elastomerwerkstoffen unter Verwendung des Finite Elemente Programmes Abaqus Molekular-dynamische FEM-Simulation (MDFEM) von Kohlenstoffnanoröhren und n unter Verwendung des Finite Elemente Programmes Abaqus Lutz Nasdala 1, Raimund Rolfes 2 1 Abaqus Deutschland GmbH 2 Institut

Mehr

Lebensstil-Umweltfaktoren-Gene: Vom Wesen der Epigenetik

Lebensstil-Umweltfaktoren-Gene: Vom Wesen der Epigenetik Lebensstil-Umweltfaktoren-Gene: Vom Wesen der Epigenetik Karl Heinimann, MD PhD Medizinische Genetik Universitätskinderspital beider Basel karl.heinimann@unibas.ch 14. Internationales Seminar DESO St.

Mehr

Evolutionäre Algorithmen. SS 2015 Woche 01

Evolutionäre Algorithmen. SS 2015 Woche 01 Evolutionäre Algorithmen SS 2015 Woche 01 Inhalt Organisation der Übung Wiederholung Die Komponenten eines EA Zwei Minimal-Beispiele Besprechung des Übungsblatts Das Team Vorlesung Prof. Dr.-Ing. habil.

Mehr

2. Arbeit und Energie

2. Arbeit und Energie 2. Arbeit und Energie Die Ermittlung der Bewegungsgrößen aus der Bewegungsgleichung erfordert die Berechnung von mehr oder weniger komplizierten Integralen. Für viele Fälle kann ein Teil der Integrationen

Mehr

13 Java 4 - Entwurfsmuster am Beispiel des Rucksackproblems

13 Java 4 - Entwurfsmuster am Beispiel des Rucksackproblems 13 Java 4 - Entwurfsmuster am Beispiel des Rucksackproblems 13.1 Modellierung des Rucksackproblems 13.2 Lösung mit Greedy-Algorithmus 13.3 Lösung mit Backtracking 13.4 Lösung mit Dynamischer Programmierung

Mehr

Gefesselte Masse. Jörg J. Buchholz 23. März 2014

Gefesselte Masse. Jörg J. Buchholz 23. März 2014 Gefesselte Masse Jörg J. Buchholz 23. März 204 Einleitung In Abbildung ist eine Punktmasse m dargestellt, die sich, von einem masselosen starren tab der Länge l gefesselt, auf einer Kreisbahn bewegt. Dabei

Mehr

Approximationsalgorithmen: Klassiker I. Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling

Approximationsalgorithmen: Klassiker I. Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling Approximationsalgorithmen: Klassiker I Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling VO Approximationsalgorithmen WiSe 2011/12 Markus Chimani

Mehr

Stichprobenauslegung. für stetige und binäre Datentypen

Stichprobenauslegung. für stetige und binäre Datentypen Stichprobenauslegung für stetige und binäre Datentypen Roadmap zu Stichproben Hypothese über das interessierende Merkmal aufstellen Stichprobe entnehmen Beobachtete Messwerte abbilden Schluss von der Beobachtung

Mehr

Kostenmaße. F3 03/04 p.188/395

Kostenmaße. F3 03/04 p.188/395 Kostenmaße Bei der TM nur ein Kostenmaß: Ein Schritt (Konfigurationsübergang) kostet eine Zeiteinheit; eine Bandzelle kostet eine Platzeinheit. Bei der RAM zwei Kostenmaße: uniformes Kostenmaß: (wie oben);

Mehr

Chemische Bindung. Chemische Bindung

Chemische Bindung. Chemische Bindung Chemische Bindung Atome verbinden sich zu Molekülen oder Gittern, um eine Edelgaskonfiguration zu erreichen. Es gibt drei verschiedene Arten der chemischen Bindung: Atombindung Chemische Bindung Gesetz

Mehr

1 Grundwissen Energie. 2 Grundwissen mechanische Energie

1 Grundwissen Energie. 2 Grundwissen mechanische Energie 1 Grundwissen Energie Die physikalische Größe Energie E ist so festgelegt, dass Energieerhaltung gilt. Energie kann weder erzeugt noch vernichtet werden. Sie kann nur von einer Form in andere Formen umgewandelt

Mehr

Multinomiale logistische Regression

Multinomiale logistische Regression Multinomiale logistische Regression Die multinomiale logistische Regression dient zur Schätzung von Gruppenzugehörigkeiten bzw. einer entsprechenden Wahrscheinlichkeit hierfür, wobei als abhänginge Variable

Mehr

Approximationsalgorithmen

Approximationsalgorithmen Ausarbeitung zum Thema Approximationsalgorithmen im Rahmen des Fachseminars 24. Juli 2009 Robert Bahmann robert.bahmann@gmail.com FH Wiesbaden Erstellt von: Robert Bahmann Zuletzt berarbeitet von: Robert

Mehr

Lattice Boltzmann Simulation bewegter Partikel

Lattice Boltzmann Simulation bewegter Partikel Lattice Boltzmann Simulation bewegter Partikel, Nils Thürey, Hans-Joachim Schmid, Christian Feichtinger Lehrstuhl für Systemsimulation Universität Erlangen/Nürnberg Lehrstuhl für Partikeltechnologie Universität

Mehr

Hochdisperse Metalle

Hochdisperse Metalle Hochdisperse Metalle von Prof. Dr. rer. nat. habil. Wladyslaw Romanowski Wroclaw Bearbeitet und herausgegeben von Prof. Dr. rer. nat. habil. Siegfried Engels Merseburg Mit 36 Abbildungen und 7 Tabellen

Mehr

The role of user interaction and acceptance in a cloudbased demand response model

The role of user interaction and acceptance in a cloudbased demand response model The role of user interaction and acceptance in a cloudbased demand response model Judith Schwarzer Albert Kiefel Dominik Engel Josef Ressel Zentrum for User-Centric Smart Grid Privacy, Security and Control

Mehr

Information in einem Computer ist ein

Information in einem Computer ist ein 4 Arithmetik Die in den vorhergehenden Kapiteln vorgestellten Schaltungen haben ausschließlich einfache, Boole sche Signale verarbeitet. In diesem Kapitel wird nun erklärt, wie Prozessoren mit Zahlen umgehen.

Mehr

Multivariate Statistik

Multivariate Statistik Hermann Singer Multivariate Statistik 1 Auflage 15 Oktober 2012 Seite: 12 KAPITEL 1 FALLSTUDIEN Abbildung 12: Logistische Regression: Geschätzte Wahrscheinlichkeit für schlechte und gute Kredite (rot/blau)

Mehr

4. Grenzflächenspannung 1

4. Grenzflächenspannung 1 4. Grenzflächenspannung 1 4. GRENZFLÄCHENSPANNUNG 1. Aufgabe Mit Hilfe der Ringmethode soll die Grenzflächenspannung als Funktion der Konzentration einer grenzflächenaktiven Substanz gemessen werden. Für

Mehr

Warum gibt es Reibung? Man unterscheidet: Haftreibung (Haftung) und Gleitreibung

Warum gibt es Reibung? Man unterscheidet: Haftreibung (Haftung) und Gleitreibung 7. eibung Warum gibt es eibung? 7.1 eibung zwischen Oberflächen Einschränkung auf trockene eibung Phänomenologische esetze der eibung Die eibungskraft ist unabhängig von Auflagefläche proportional zur

Mehr

Unsupervised Kernel Regression

Unsupervised Kernel Regression 9. Mai 26 Inhalt Nichtlineare Dimensionsreduktion mittels UKR (Unüberwachte KernRegression, 25) Anknüpfungspunkte Datamining I: PCA + Hauptkurven Benötigte Zutaten Klassische Kernregression Kerndichteschätzung

Mehr

5. Vorlesung Grundlagen der Produktgestaltung WS 2008/2009

5. Vorlesung Grundlagen der Produktgestaltung WS 2008/2009 5. Vorlesung Grundlagen der Produktgestaltung WS 2008/2009 Kapitel 1 Einführung 21.10. 1. Einführung 28.10. 2. Beispiel Intelligentes Herbizid, Miniprojekt Produkt-Analyse Kapitel 2 Grundlegende Prinzipien

Mehr

Gene, Proteine, Leben: Wie Cloud Computing unser Leben verändern wird

Gene, Proteine, Leben: Wie Cloud Computing unser Leben verändern wird Gene, Proteine, Leben: Wie Cloud Computing unser Leben verändern wird Dr. Michael R. Alvers, CEO Transinsight Transinsight 2013 - Slide 1 Prolog Transinsight 2013 - Slide 2 Die Nature ist komplex Transinsight

Mehr

MOL.504 Analyse von DNA- und Proteinsequenzen

MOL.504 Analyse von DNA- und Proteinsequenzen MOL.504 Analyse von DNA- und Proteinsequenzen Kurs 1 Monika Oberer, Karl Gruber MOL.504 Modul-Übersicht Einführung, Datenbanken BLAST-Suche, Sequenzalignment Proteinstrukturen Virtuelles Klonieren Abschlusstest

Mehr

K2 MATHEMATIK KLAUSUR. Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max) 28 15 15 2 60 Punkte Notenpunkte

K2 MATHEMATIK KLAUSUR. Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max) 28 15 15 2 60 Punkte Notenpunkte K2 MATHEMATIK KLAUSUR 26.2.24 Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max 28 5 5 2 6 Punkte Notenpunkte PT 2 3 4 5 6 7 8 9 P. (max 2 2 2 4 5 3 3 4 3 Punkte WT Ana A.a b A.c Summe P. (max 7 5

Mehr

A Vortex Particle Method for Smoke, Fire, and Explosions

A Vortex Particle Method for Smoke, Fire, and Explosions Hauptseminar WS 05/06 Graphische Datenverarbeitung A Vortex Particle Method for Smoke, Fire, and Explosions ( Ein Wirbel-Partikel Ansatz für Rauch, Feuer und Explosionen ) Martin Petrasch Inhalt 1. Überblick

Mehr

Transformation und Darstellung funktionaler Daten

Transformation und Darstellung funktionaler Daten Transformation und Darstellung funktionaler Daten Seminar - Statistik funktionaler Daten Jakob Bossek Fakultät für Statistik 7. Mai 2012 Übersicht Einleitung Einordnung im Seminar Motivation am Beispiel

Mehr

Zeichnen von Graphen. graph drawing

Zeichnen von Graphen. graph drawing Zeichnen von Graphen graph drawing WS 2006 / 2007 Gruppe: D_rot_Ala0607 Christian Becker 11042315 Eugen Plischke 11042351 Vadim Filippov 11042026 Gegeben sei ein Graph G = (V; E) Problemstellung V E =

Mehr