Browsing by Author "Wagner, Vincent"

Now showing 1 - 3 of 3

Open Access
Lastquantifizierung in Molekülsimulationen mit langreichweitigen Kräften
(2016) Wagner, Vincent
Durch die große Relevanz von Molekülsimulationen in der modernen Forschung ist es wichtig, auf diesem Gebiet Algorithmen nutzen zu können, die zum einen möglichst schnell und fehlerfrei funktionieren, und zum anderen sollten sie in der Lage sein, auf modernen Hochleistungscomputern deren volle Kapazität zu nutzen. Dies erfordert insbesondere effiziente Parallelisierung. Diese Arbeit gibt einen Überblick über die bereits bekannten, schnellen Algorithmen zur Simulation von Molekülen. Anschließend werden im Zuge der Parallelisierung dieser Algorithmen erst Metriken definiert, mit denen man Rechenlast quantifizierbar macht und im zweiten Schritt Partitionierungsmethoden vorgestellt, mit denen die Moleküle auf die zur Verfügung stehenden Prozesse verteilt werden. Messungen zu vielen dieser Verfahren werden präsentiert, um Aussagen über die Performance der verschiedenen Verfahren zu untermauern.
Open Access
Probabilistic modelling of population variability
(2025) Wagner, Vincent; Radde, Nicole (Prof. Dr. rer. nat.)
Vincent Wagner's dissertation summarises progress in the probabilistic modelling of population variability. It comprises two chapters with complementary approaches to this challenging and broad topic. The first chapter deals with the Method of Moments for the Chemical Master Equation, while the second chapter uses random variable transformations to estimate distributed simulation model parameters.
Open Access
SiCaSMA : an alternative stochastic description via concatenation of Markov processes for a class of catalytic systems
(2021) Wagner, Vincent; Radde, Nicole Erika
The Chemical Master Equation is a standard approach to model biochemical reaction networks. It consists of a system of linear differential equations, in which each state corresponds to a possible configuration of the reaction system, and the solution describes a time-dependent probability distribution over all configurations. The Stochastic Simulation Algorithm (SSA) is a method to simulate sample paths from this stochastic process. Both approaches are only applicable for small systems, characterized by few reactions and small numbers of molecules. For larger systems, the CME is computationally intractable due to a large number of possible configurations, and the SSA suffers from large reaction propensities. In our study, we focus on catalytic reaction systems, in which substrates are converted by catalytic molecules. We present an alternative description of these systems, called SiCaSMA, in which the full system is subdivided into smaller subsystems with one catalyst molecule each. These single catalyst subsystems can be analyzed individually, and their solutions are concatenated to give the solution of the full system. We show the validity of our approach by applying it to two test-bed reaction systems, a reversible switch of a molecule and methyltransferase-mediated DNA methylation.