Machine-learned coarse-graining per sistemi polimerici

Le simulazioni di dinamica molecolare ci permettono di ricavare l'evoluzione temporale di un sistema atomistico o molecolare e di conseguenza ottenere una stima di loro proprietà cinetiche e termodinamiche. Tuttavia, tali proprietà molecolari richiedono stime su lunghe scale temporali e di conseguenza risultano infattibili per le moderne capacità computazionali. Il coarse-graining ci permette di simulare per tempi maggiori grazie alla definizione di pseudoatomi rappresentanti gli atomi originali e di un potenziale efficace di interazione. In questa tesi si illustrano tecniche di machine learning volte ad imparare un coarse-graining automatico e le forze d'interazione tra gli atomi. Successivamente sono state applicate al caso di polimeri ad anello ed è stato verificato se la procedura di coarse-graining automatico preservasse la topologia o introducesse dei nodi.