owned this note   changed 3 months ago  
Linked with GitHub

Computational chemistry and High Performance Computing (HPC)

Image Not Showing Possible Reasons
  • The image was uploaded to a note which you don't have access to
  • The note which the image was originally uploaded to has been deleted
Learn More →

Πρόγραμμα

Ώρα Τίτλος Ομιλητής
10:00 → 10:15 Introduction: EuroCC@Greece Pavlos Sermpezis (Senior Researcher, EuroCC@Greece / Aristotle University of Thessaloniki)
10:15 → 10:30 Molecular sensor design using HPC Stepas Toliautas (Associate Professor, Vilnius University / NCC Lithuania)
10:30 → 11:00 Development of a high-performance quantum Monte Carlo library (QMCkl) Viiay Gopal Chilkuri (Associate Professor, Aix Marseille Univ / CNRS / Centrale Méditerranée / iSm2, Marseille, France & TREX CoE)
11:00 → 11:30 Introduction to AUTH’s HPC infrastructure Aristotelis Paschalis Korosoglou (HPC engineer, IT AUTH)
11:30 → 11:45 Break -
11:45 → 12:45 Charge Transfer Unveiled: An Exciting Journey Through TD-DFT Emmanuel Koukaras (Assistant Professor, Aristotle University of Thessaloniki)
12:45 → 13:45 Machine Learning in chemistry for everyone: A practical guide for quick development of predictive models Georgios Fanourgakis (Assistant Professor, Aristotle University of Thessaloniki)
13:45 → 14:00 Questions / Open discussion -

HackMD

Κατά τη διάρκεια των παρουσιάσεων μπορείτε να χρησιμοποιείτε το παρόν κείμενο για να κάνετε ερωτήσεις (το chat του zoom προτείνουμε να χρησιμοποιείται μόνο για θέματα που σχετίζονται με το zoom).

Βασικές επιλογές

Για να χρησιμοποιήσετε το HackMD document δεν απαιτείται να κάνετε signup ή login.

To HackMD είναι real-time editor και viewer.

Οι βασικές επιλογές του editor είναι αυτές που εμφανίζονται στην παρακάτω εικόνα.

  • Προτείνουμε την επιλογή split view (Both) στην οποία το παράθυρο χωρίζει δεξιά/αριστερά σε editor και viewer αντίστοιχα.
  • Η σύνταξη είναι σε markdown.
  • Παρακάτω ακολουθεί χώρος για ερωτήσεις/απαντήσεις. Οι εκπαιδευτές θα απαντούν στις ερωτήσεις σας inline όπως στο παρακάτω παράδειγμα:

Υλικό παρουσιάσεων

Οδηγίες για την παρουσίαση "Machine Learning in chemistry for everyone"

Για να εκτελέσουμε το Jupyter Notebook της παρουσίασης θα χρειαστούν τα εξής:

Στην κονσόλα μπορούμε να εκτλέσουμε την παρακάτω εντολή ώστε να αντιγράψουμε τα αρχεία της παρουσίασης (Jupyter notebook, CSVs) στον λογαριασμό μας:

$ cp -R /mnt/apps/share/EuroCC_8th_Course/ML_tutorial $HOME

Δημιουργία Python virtual environment

Για να δημιουργήσουμε ένα virtual environment που θα περιλαμβάνει τις απαραίτητες Python βιβλιοθήκες, μπορούμε να εκτελέσουμε την παρακάτω ακολουθεία εντολών:

$ module load gcc/13.2.0-i python/3.11.7
$ python -m venv eurocc_env
$ source eurocc_env/bin/activate
(eurocc_env) $ pip install --upgrade pip
(eurocc_env) $ pip install numpy pandas matplotlib seaborn jupyter scikit-learn

Για να εγκαταστήσουμε στον λογαριασμό μας ένα IPython kernel που θα χρησιμοποιηθεί από το Jupyter Notebook, μπορούμε να χρησιμοποιήσουμε την εντολή:

(eurocc_env) $ python -m ipykernel install --user --name eurocc-ml-env --display "EuroCC ML env"

Εκκίνηση Jupyter Notebook

Αφού προετοιμάσαμε το enviroment, μπορούμε να ξεκινήσουμε το Jupyter Notebook Server στον Αριστοτέλη και να επιλέξουμε το directory ML_tutorial από όπου μπορούμε να εκκινήσουμε το Notebook tutor_EuroCC.ipynb.

Πριν τρέξουμε το Jupyter Notebook θα χρειαστεί να ενεργοποιήσουμε το custom IPython kernel που δημιουργήσαμε:

Select Kernel

EuroCC

QMCkl

Συστοιχία Αριστοτέλης

Charge Transfer Unveiled

Documentation για το λογισμικό που χρησιμοποιήθηκε στην παρουσίαση:

Χρήσιμες οδηγίες:

Ερωτήσεις και Απαντήσεις

  • Ερώτηση 1

    • Απάντηση 1

  • Ερώτηση 2

    • Απάντηση 2
Select a repo