Il corso è volto a fornire un approfondimento alle tecniche computazionali atomistiche e coarse grain usate in simulazione molecolare. Inoltre, si prefigge di illustrare come queste tecniche possano essere impiegate per descrivere e/o predire complessi fenomeni chimici, fisici e biologici.

D1 - Conoscenze e capacità di comprensione.
Alla fine del corso lo studente dovrà conoscere i principi che sottendono
le tecniche più avanzate della simulazione molecolare ed i loro parametri fondamentali.

D2- Capacità di applicare conoscenza e comprensione.
Lo studente dovrà essere in grado di utilizzare appropriatamente le diverse tecniche di simulazione molecolare avanzata per risolvere problemi inerenti l'ambito di ingegneria dei materiali e di processo.

D3 - Autonomia di giudizio.
Lo studente dovrà essere in grado di giudicare autonomamente e analiticamente i risultati ottenuti dalle simulazioni molecolari.

D4 - Abilità comunicative.
Lo studente dovrà acquisire un linguaggio tecnico corretto e descrivere in
autonomia gli esperimenti computazionali.

D5 - Capacità di apprendimento.
Lo studente dovrà essere in grado di progettare un esperimento di
simulazione molecolare in campo ingegneristico.

Chimica organica
Termodinamica
Fisica e Matematica di base
Simulazione Molecolare

Esperimenti avanzati di Dinamica Molecolare di sistemi di interesse
nano-biotecnologico e per lo sviluppo di materiali innovativi. Utilizzo di tecniche computazionali avanzate per a descrizione e la predizione di alcune proprietà chimico/fisiche fondamentali.
Alcuni esempi:
a) Descrizione atomistica del processo di auto-assemblaggio di una nanomicella.
b) Interazione tra due macro-molecole: preparazione di un sistema
proteina/proteina e descrizione quali-quantitativa dell'interfaccia di
legame.
c) Esperimenti di Steered Molecular Dynamics (SMD) per la valutazione
della stabilità di una nano-micella di interesse nano-biotecnologico e per la valutazione di proprietà meccaniche di acidi nucleici.
d) creazione di un modello rappresentativo di un esperimento AFM.

Cenni di python per
1) l'automatizzazione di alcuni processi necessari all'applicazione di tecniche avanzate di simulazione molecolare
2) comprendere l'applicazione dell'intelligenza artificiale nel campo del molecular modeling.

Dispense e materiale didattico forniti dal docente.

Esperimenti avanzati di Dinamica Molecolare di sistemi di interesse
nano-biotecnologico e per lo sviluppo di materiali innovativi. Utilizzo di tecniche computazionali avanzate per a descrizione e la predizione di alcune proprietà chimico/fisiche fondamentali.
Alcuni esempi:
a) Descrizione atomistica del processo di auto-assemblaggio di una nanomicella.
b) Interazione tra due macro-molecole: preparazione di un sistema
proteina/proteina e descrizione quali-quantitativa dell'interfaccia di
legame.
c) Esperimenti di Steered Molecular Dynamics (SMD) per la valutazione
della stabilità di una nano-micella di interesse nano-biotecnologico e per la valutazione di proprietà meccaniche di acidi nucleici.
d) creazione di un modello rappresentativo di un esperimento AFM.

Cenni di python per
1) l'automatizzazione di alcuni processi necessari all'applicazione di tecniche avanzate di simulazione molecolare
2) comprendere l'applicazione dell'intelligenza artificiale nel campo del molecular modeling.

Lezioni frontali con slide di power point fornite agli studenti contestualmente; esercitazioni in laboratorio con software e hardware dedicato.

-

La valutazione si baserà su un colloquio orale, effettuato sulla base di una tesina sviluppata sulle esperienze di laboratorio effettuate.

Dalla tesina e successivo colloquio orale dovranno emergere la conoscenza degli argomenti elencati nel programma e la capacità di applicare le conoscenze acquisite. Le valutazioni sono espresse in trentesimi, secondo i seguenti criteri:
-Eccellente (30 -30 e lode): ottima conoscenza degli argomenti, ottima proprietà di linguaggio, ottima capacità analitica; lo/la studente/essa è in grado di applicare brillantemente le conoscenze teoriche a casi concreti.
-Molto buono (27 -29): buona conoscenza degli argomenti, notevole proprietà di linguaggio, buona capacità analitica; lo/la studente/essa è in grado di applicare correttamente le conoscenze teoriche a casi concreti.
-Buono (24-26): buona conoscenza dei principali argomenti, discreta proprietà di linguaggio; lo/la studente/essa mostra una adeguata capacità di applicare le conoscenze teoriche a casi concreti.
-Soddisfacente (21-23): lo/la studente/essa non mostra piena padronanza degli argomenti principali dell'insegnamento, pur possedendone le conoscenze fondamentali; mostra comunque soddisfacente proprietà di linguaggio e sufficiente capacità di applicare le conoscenze teoriche a casi concreti.
-Sufficiente (18-20): minima conoscenza degli argomenti principali dell'insegnamento e del linguaggio tecnico, limitata capacità di applicare in modo adeguato le conoscenze teoriche a casi concreti.
-Insufficiente (<18): lo/la studente/essa non possiede una conoscenza accettabile dei contenuti dei diversi argomenti del programma.

Questo insegnamento approfondisce argomenti strettamente connessi a uno o più obiettivi dell’Agenda 2030 per lo Sviluppo Sostenibile delle Nazioni Unite