مقاله گریدهای محاسباتی

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 19

زمانبندی

در گریدهای محاسباتی

چکیده

زمانبندی در گریدهای محاسباتی مهمترین نقش را در بهبود کارایی ایفا می کند. زمانبندی ضعیف باعث افزایش زمان اجرای کار و در نتیجه کاهش گذردهی گرید می شود. سیستم گرید صدها یا هزاران کار را به طور همزمان اجرا می کند و در نتیجه تصمیم گیری ضعیف در مورد مکان اجرای کار می تواند به طور چشمگیری باعث کاهش کارآیی شود. اما زمانبندی موثر یا به عبارت دیگر تصمیم گیری خوب در مورد مکان اجرای کار یک مساله بسیار دشوار و NP – Complete است که با چالش های مختلفی روبروست. یکی از این چالشها ارتباطات بین وظایف یا زیر کارهای موجود در یک کار است. علاوه بر آن محیط گرید یک محیط بسیار پویاست که تعداد منابع، در دسترس بودن آنها، بار پردازنده و فضای دیسک در طول زمان مداوم در حال تغییرند. از طرف دیگر کارهای ویژگی های متفاوتی دارند که این امر زمانبندی های متفاوتی را طلب می کند. به عنوان مثال بعضی از کارها نیازمند توان پردازشی بالا و بعضی نیازمند توان ارتباطی بالا بین وظایف خود هستند. در نهایت

یکی از مهمترین ویژگی های زمانبندی گرید که آن را از دیگر زمانبندی ها(مانند زمانبندی کلاستر) متمایز می کند، قابلیت مقیاس پذیری آن است. زمانبندی که

بسیار ساده ای(مانند زمانبندی تصادفی، چرخشی تکراری و ...) استفاده می کنند و زمان ارتباطات بین وظایف یک کار و همچنین زمان ارسال یک کار از یک نقطه گرید به نقطه دیگر را نادیده می گیرند. علاوه برآن با توجه به این که غالب زمانبندها عمل زمانبندی را در یک سطح انجام می دهند و با عناصر پردازنده و وظیفه سروکار دارند، معمولاً قابلیت مقیاس پذیری خوبی ندارند.

در این تحقیق به منظور مقیاس پذیر بودن، مساله زمانبندی در دو سطح بررسی شده است. در سطح بالا که همان زمان بندی در سطح گرید است، زمانبند با عناصر کلاستر یا سایت و کار سروکار دارد. در حقیقت گرید مجموعه ای از سایت ها در نظر گرفته شده که هر یک نماینده یک سازمان یا فرد است . از یک تا چند صد ماشین دارد. تاکید اصلی تحقیق نیز بر روی همین زمانبند سطح بالا است که به آن گلوبال یا سراسری نیز گفته می شود و وظیفه آن اختصاص کل یک کار(با تمام وظایف موجود در آن) به یک کلاستر است. سپس زمانبند سطح پایین (زمانبند سطح کلاستر) وظایف موجود در کار را بر روی نودهای موجود در کلاستر زمانبندی و اجرا می کند. پیشتر، زمانبندی های سطح کلاستر خوبی طراحی و پیاده سازی شده است.

زمانبند گلوبال پیشنهادی با درنظر گرفتن از یک طرف نیازهای ارتباطی بین وظایف یک کار، زمان مورد نیاز برای انتقال یک کار از یک نقطه گرید به نقطه دیگر و علاوه برآن نیاز پردازشی و محاسباتی کار و از طرف

دیگر اطلاعات راجع به بار کلاسترها(سایت ها)، میزان ترافیک موجود در شبکه هر کلاستر و گرید، سعی در تصمیم گیریهای موثر دارد. به منظور برخورد کیفی با این پارامترهای مختلف از منطق فازی استفاده شده است تا تطابق بین نیازهای کار و ورودی و ویژگی های فعلی هر کلاستر تعیین شود و در نهایت کار به کلاستر با بالاترین تطابق ارسال شود.

1 مقدمه

تحقیق در مورد مکانیک کوانتوم محاسباتی و شبیه سازی (word)

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 13

مکانیک کوانتوم محاسباتی و شبیه سازی

، روشهای مدلسازیی، که ارزشی معادل یا حتی اثری بزرگتر در کاربردهای صنعتی دارند، وجود دارد. بر خلاف مدلهای مبتنی بر مکانیک کوانتوم محاسباتی وشبیه سازی که «انرژی»، را ارزیابی می‌کنند و بر اساس آن پروسه‌های ترمودینامیک را پیش بینی می‌کنند، این مدلهای نوین که بر پایه غیر «انرژی» استوارند، عموماً طبیعتی کیفی نگر دارند و در مطالعه فلسفه طراحیها بکار گرفته می‌شوند.  گرافیک کامپیوتری:رشد گرافیک کامپیوتری محتملاً بزرگترین مولفه فناوری‌انفورماتیک در گستره وسیعی از شبیه سازیهای مولکولی است:قابلیت تصویر سازی اهداف داروها( زمانی که ساختار آنها شناخته شده است) یا خانواده ترکیبی از آنالوگهای فعال و غیرفعال در حوزه مدلسازی، ضروری می‌نماید.(مثلاً در ساخت شیمیایی مواد) گرافیک کامپیوتری قدمتی از آغاز ترکیب صدا و رنگ به منظور شفاف سازی پیامها، تاکنون که با هدف توسعه دانش تصویرسازی کامپیوتری برای نمایش پروسه‌های شیمیایی و بیوفیزیکی، بکار گرفته می شود، دارد.«هندسه بعد»: زمینه مهم دیگری که توسعه علمی آن اثری مهم،حداقل در شبیه‌سازی و مدلسازی در زیست – فیزیک و زیست – شیمی و صنعت داروسازی بر جای خواهد گذاشت، دانش«هندسه بعد» است . انتقال این حوزه از ریاضیات محض بسوی علم‌شیمی و سیستم‌های مولکولی بوسیله"‌Grippen" صورت گرفت." "Kuntz","Havel در اواخر دهه 70 میلادی (‍ CrippenوHavel در 1988 میلادی) این تکنیک را در اندازه‌گیریهایNMR و QSAR بکار گرفتند. Crippen این پروسه را تا تحقق این علم برای مدلسازی بر هم کنش ماکرومولکولهای پیوندی، ادامه داد. (Crippen 1999)QSR/QSPR:سومین زمینه مدلسازی شامل ارتباط میان داده‌های آزمایشگاهی با همان خواص فیزیکی یا غیر آن، در قالب سیستم مدلسازی است. این روشها که موسوم به QSR/QSPR می‌باشند دارای تاریخچه‌ای طولانی در مدلسازی سیستمهای بیولوژیک می‌باشند و اکنون نیز نقش مؤثری در تحلیل نتایج و استفاده از نتایج مدلسازی مولکولی در صنایع شیمی دارند. یک مثال نمونه جهت استفاده از این تکنیک‌ها این است که:نمونه‌ای را با یک سری از خواص فیزیکی در نظر بگیرید که می‌خواهید آن را بهینه کنید(سودمندی دارو، ارتباطات آنزیمی، مقاومت کششی یک پلیمر)چگونه آن را حل خواهید کرد:در زمره تازه‌ترین روشهای حل این مسأله که متعلق به "Hansch" می باشد (1971) مبتنی بر ارتباط فعالیت‌های بیولوژیک مولکول در قالب پارامتر«آب گریزی» آن که به عنوان ثابت اکتاتل به آب، معرفی می‌شود.این روش، در طول انرژی آزاد خطی در شیمی ‌فیزیک ‌زیستی قرار می‌گیرد. (یعنی: روابط Hammett(1935))، که انرژی آزاد(لگاریتم ثابت تعادل)، به نوع دیگری از انرژی یا خواص ماده که بر اساس انرژی آزاد سنجیده می‌شود، وابسته است. همانظور که پیشنهاد شد، ساده‌ترین چنین روشهائی به عنوان مدلهای خطی مطرحند و رگریسون خطی برای آن استفاده می‌شود. به همین ترتیب که مدل پیچیده‌تر می‌شود، مدل به سمت رگریسون غیر خطی میل می‌کند(Kowalski 1984) و .(Andrea & Kalayeh1991)به منظور توالی چنین مدلهائی، تا حصول روابطی میان خواص فیزیکی ماده ومیزان فعالیتهای آن می بایستی در مدلسازی به روش«شبکه عصبی» بکار گرفته شود.علاوه بر «آب گریزی»، سایر پارامترهای مؤثر و مرتبط به عنوان متغیرهای مستقل در چنین مدلهائی، عبارتند از:نسبت آرایش اتمها به نیروهای واندروالس و خواص الکترواستاتیک.یک روش که در برگیرنده اطلاعات 3 بعدی در قالب یک مدل باشد مانند «آنالیز میدانهای مولکولی تطبیقی که به اختصار COMFA خوانده می‌شود.

COMFA: Comparative Molecular Field Analysis

که توسط" "Cramer،"Patterson" و" Bunce"‌ در سال 1988 پایه‌گذاری شد این پارامترها و متغیرهای وابسته به آن عمومی می باشند و در بهینه سازی مدل مؤثرند. علاوه بر آن ارتباطات میان مولکولی را در جهت توجیه ساختار ماکرومولکول در ابعاد 3 بعدی توجیه می‌کند. (به این

علوم محاسباتی و علم نانو

لینک دانلود و خرید پایین توضیحات

دسته بندی : وورد

نوع فایل :  .doc ( قابل ویرایش و آماده پرینت )

تعداد صفحه : 38 صفحه

 قسمتی از متن .doc : 

علوم محاسباتی و علم نانو

قسمت دوم

یکی از کاربردی ترین و مولدترین زمینه ها در علوم محاسباتی، کاربرد آن در شاخه های علوم مولکولی و نانوفناوری است. این زمینه ها در کنار هم و در کنار علومی چون بیولوژی مولکولی ، ژنتیک مولکولی، فناوری اطلاعات و علوم شناختی ارکان انقلاب صنعتی-علمی را تشکیل می دهند. اشتراک بین این 4 رکن در آینده نزدیک ،به خلق فناوری همگرای فوق العاده ای منجر می شود که بوجود آمدن سیستم ها و ابزار و مواد هوشمندی را نوید می دهد؛ که ازپایین به بالا، اتم به اتم و مولکول به مولکول چیده شده و این در بر دارنده تمام کاراکترها، عملکردها و مکانیزم های پیچیده در سیستم های هوشمند زنده مانند حافظه، تعمیر خود به خود، تکثیربرنامه ریزی شده بی نقص، خود چیدمانی و خود سازماندهی می‌باشد.

 همگرایی در مقیاس نانو رخ می دهد؛ جایی بنیادین که در آنجا بلوک های ساختمانی پایه، اعم از فیزیکی، بیلوژیکی و مواد هوشمند در کنار هم قرار می گیرند. نانوساختارها (یعنی اندازه ای بین 1 تا 100 نانومتر) چیده می شوند و قوانین میکروسکوپی چیدمان، ساختار قرارگیری زیر لایه ها را کنترل می کنند. در نهایت علوم محاسباتی و فناوری نانو با هم دانشی عالی را برای دستکاری و اصلاح ساختاری مواد در سطوح اتمی و هسته ای، بوجود آورده و چگونگی امکان کنترل کامل روی شکل گیری، عملکرد و خواص آنها را به عنوان مواد جدید هوشمند در اختیار ما می گذارند.  باکمک علوم نانو محاسبات اکنون می توانیم روی یک تک اتم در یک سیستم پیچیده مولکولی سوار شده  و به بررسی تعاملات ذرات آن بپردازیم، نظربه اینکه این سیستم نانومتری می تواند جامد، سیال، گاز، یک پروتئین DNA و یا یک ویروس باشد که در فاز خود از یک میکرو حالت به میکرو حالتی دیگر سویچ کرده و نتایج محاسباتی معنی داری را برای خواص قابل مشاهده بدست دهد.

مثال این آزمایش مفید در تصاویر زیر آمده؛ جایی که توزیع یک شکافت دینامیک در یک لایه اتمی به تصویر کشیده شده است.

رنگ ها نشان دهنده فشار در تراز مولکولی هستند بدین ترتیب که رنگ آبی کمترین و رنگ قرمز بیشترین فشار را نشان می دهد. موتورهای پروتئینی برائونی که از انواع آن می توان کینسین ها و میوسین ها(انتقال دهنده های غذا به داخل سلول های بدن) را نام برد و موتور چرخنده ATPase که برای سلول ها تولید سوخت ATP می کند ،جزسیستم هایی هستند که در چندین بخش دچار تغییر شده اند و بر اساس دینامیک لانژوین بهترین مثال برای کاربرد مدل سازی محاسباتی در سیستم های نانو بیولوژیکی هستند.

شبیه سازی در مقیاس های بزرگ در بخش نانو هم اکنون در کشورهای آمریکا، ژاپن و اروپا در حال انجام است. علاوه بر شبیه سازی مبتنی بر دینامیک کلاسیک، ما اکنون شاهد وقوع انفجاری در کاربردهای کوآنتم مکانیکی بر پایه روش های شبیه سازی برای طراحی مواد جدید وسیستم های کوچک که شامل چدین تن اتم می باشند هستیم. وقتی شبیه سازی انجام می شود داده های خروجی به سادگی به چشم می آیند و دیدی عمیق را نسبت به عمل شبیه سازی در اختیار محققان قرار می دهند. به عنوان یک نتیجه ابزار بصری در حال ورود به انقلابی در کاربردهای خود می باشند. دید خوب نسبت به نتایج، به ما امکان تصحیح فیزیک پایه را بوسیله دستیابی سریع به تغییر شکل های تحمل شده توسط سیستم می دهد.

در سطوح بین المللی علوم محاسباتی افق های جدیدی را برای کشورهای در حال توسعه بوسیله منابع و تعدیل مصارف روشن کرده است تا بتوانند در سطح جهانی نقش آفرین باشند. در ایران انستیتو تحقیقات علوم پایه (IPM) که در سال 1989 تاسیس شد، موسسه پیشگام در این زمینه بوده و در چندین شاخه از علوم پایه مانند فیزیک پلاسما، علوم نانو، پردازش تصویر، ریاضیات محاسباتی و مدل سازی پدیده ها در فیزیک ذرات با استفاده از داده های CERN فعالیت می کند. ما اکنون از این شادمان هستیم که می بینیم علوم محاسباتی در ایران با استقبال از سوی مراکز علمی همچون دانشگاه ها روبرو شده و در حال تبدیل به شاخه ای مستقل است. 

جلبک ها درخدمت نانوگیاه پزشکی

جلبک ها با قدمتی بالغ بر 40 میلیون سال در مقایسه با دیگر رستنی ها توانسته اند مقام نخست را از نظر تولید انرژی و همچنین مواد تجدیدشونده بویژه در دنیای نانو، کسب کنند.

نانولوله های کربنی؛ خواص و کاربرد

مواد ساخته شده از نانو لوله های کربنی می توانند به طور ریشه ای و پایه ای و به طرز اساسی جرم ساختاری را کاهش دهند, وسایل الکتریکی مورد استفاده را ریزتر و کوچکتر بسازند و مصرف انرژی را نیز کم کنند.

نانوسرامیک قسمت اول

نانوفناوری را هم از نظر شاخه های علمی و فنی آن و هم از نظر کاربردهای صنعتی می توان دسته بندی نمود که یکی دیگر از آنها نانوسرامیک ها هستند.

تحقیق در مورد مکانیک کوانتوم محاسباتی و شبیه سازی

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 13

مکانیک کوانتوم محاسباتی و شبیه سازی

، روشهای مدلسازیی، که ارزشی معادل یا حتی اثری بزرگتر در کاربردهای صنعتی دارند، وجود دارد. بر خلاف مدلهای مبتنی بر مکانیک کوانتوم محاسباتی وشبیه سازی که «انرژی»، را ارزیابی می‌کنند و بر اساس آن پروسه‌های ترمودینامیک را پیش بینی می‌کنند، این مدلهای نوین که بر پایه غیر «انرژی» استوارند، عموماً طبیعتی کیفی نگر دارند و در مطالعه فلسفه طراحیها بکار گرفته می‌شوند.  گرافیک کامپیوتری:رشد گرافیک کامپیوتری محتملاً بزرگترین مولفه فناوری‌انفورماتیک در گستره وسیعی از شبیه سازیهای مولکولی است:قابلیت تصویر سازی اهداف داروها( زمانی که ساختار آنها شناخته شده است) یا خانواده ترکیبی از آنالوگهای فعال و غیرفعال در حوزه مدلسازی، ضروری می‌نماید.(مثلاً در ساخت شیمیایی مواد) گرافیک کامپیوتری قدمتی از آغاز ترکیب صدا و رنگ به منظور شفاف سازی پیامها، تاکنون که با هدف توسعه دانش تصویرسازی کامپیوتری برای نمایش پروسه‌های شیمیایی و بیوفیزیکی، بکار گرفته می شود، دارد.«هندسه بعد»: زمینه مهم دیگری که توسعه علمی آن اثری مهم،حداقل در شبیه‌سازی و مدلسازی در زیست – فیزیک و زیست – شیمی و صنعت داروسازی بر جای خواهد گذاشت، دانش«هندسه بعد» است . انتقال این حوزه از ریاضیات محض بسوی علم‌شیمی و سیستم‌های مولکولی بوسیله"‌Grippen" صورت گرفت." "Kuntz","Havel در اواخر دهه 70 میلادی (‍ CrippenوHavel در 1988 میلادی) این تکنیک را در اندازه‌گیریهایNMR و QSAR بکار گرفتند. Crippen این پروسه را تا تحقق این علم برای مدلسازی بر هم کنش ماکرومولکولهای پیوندی، ادامه داد. (Crippen 1999)QSR/QSPR:سومین زمینه مدلسازی شامل ارتباط میان داده‌های آزمایشگاهی با همان خواص فیزیکی یا غیر آن، در قالب سیستم مدلسازی است. این روشها که موسوم به QSR/QSPR می‌باشند دارای تاریخچه‌ای طولانی در مدلسازی سیستمهای بیولوژیک می‌باشند و اکنون نیز نقش مؤثری در تحلیل نتایج و استفاده از نتایج مدلسازی مولکولی در صنایع شیمی دارند. یک مثال نمونه جهت استفاده از این تکنیک‌ها این است که:نمونه‌ای را با یک سری از خواص فیزیکی در نظر بگیرید که می‌خواهید آن را بهینه کنید(سودمندی دارو، ارتباطات آنزیمی، مقاومت کششی یک پلیمر)چگونه آن را حل خواهید کرد:در زمره تازه‌ترین روشهای حل این مسأله که متعلق به "Hansch" می باشد (1971) مبتنی بر ارتباط فعالیت‌های بیولوژیک مولکول در قالب پارامتر«آب گریزی» آن که به عنوان ثابت اکتاتل به آب، معرفی می‌شود.این روش، در طول انرژی آزاد خطی در شیمی ‌فیزیک ‌زیستی قرار می‌گیرد. (یعنی: روابط Hammett(1935))، که انرژی آزاد(لگاریتم ثابت تعادل)، به نوع دیگری از انرژی یا خواص ماده که بر اساس انرژی آزاد سنجیده می‌شود، وابسته است. همانظور که پیشنهاد شد، ساده‌ترین چنین روشهائی به عنوان مدلهای خطی مطرحند و رگریسون خطی برای آن استفاده می‌شود. به همین ترتیب که مدل پیچیده‌تر می‌شود، مدل به سمت رگریسون غیر خطی میل می‌کند(Kowalski 1984) و .(Andrea & Kalayeh1991)به منظور توالی چنین مدلهائی، تا حصول روابطی میان خواص فیزیکی ماده ومیزان فعالیتهای آن می بایستی در مدلسازی به روش«شبکه عصبی» بکار گرفته شود.علاوه بر «آب گریزی»، سایر پارامترهای مؤثر و مرتبط به عنوان متغیرهای مستقل در چنین مدلهائی، عبارتند از:نسبت آرایش اتمها به نیروهای واندروالس و خواص الکترواستاتیک.یک روش که در برگیرنده اطلاعات 3 بعدی در قالب یک مدل باشد مانند «آنالیز میدانهای مولکولی تطبیقی که به اختصار COMFA خوانده می‌شود.

COMFA: Comparative Molecular Field Analysis

که توسط" "Cramer،"Patterson" و" Bunce"‌ در سال 1988 پایه‌گذاری شد این پارامترها و متغیرهای وابسته به آن عمومی می باشند و در بهینه سازی مدل مؤثرند. علاوه بر آن ارتباطات میان مولکولی را در جهت توجیه ساختار ماکرومولکول در ابعاد 3 بعدی توجیه می‌کند. (به این

تحقیق در مورد مکانیک کوانتوم محاسباتی و شبیه سازی

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 13

مکانیک کوانتوم محاسباتی و شبیه سازی

، روشهای مدلسازیی، که ارزشی معادل یا حتی اثری بزرگتر در کاربردهای صنعتی دارند، وجود دارد. بر خلاف مدلهای مبتنی بر مکانیک کوانتوم محاسباتی وشبیه سازی که «انرژی»، را ارزیابی می‌کنند و بر اساس آن پروسه‌های ترمودینامیک را پیش بینی می‌کنند، این مدلهای نوین که بر پایه غیر «انرژی» استوارند، عموماً طبیعتی کیفی نگر دارند و در مطالعه فلسفه طراحیها بکار گرفته می‌شوند.  گرافیک کامپیوتری:رشد گرافیک کامپیوتری محتملاً بزرگترین مولفه فناوری‌انفورماتیک در گستره وسیعی از شبیه سازیهای مولکولی است:قابلیت تصویر سازی اهداف داروها( زمانی که ساختار آنها شناخته شده است) یا خانواده ترکیبی از آنالوگهای فعال و غیرفعال در حوزه مدلسازی، ضروری می‌نماید.(مثلاً در ساخت شیمیایی مواد) گرافیک کامپیوتری قدمتی از آغاز ترکیب صدا و رنگ به منظور شفاف سازی پیامها، تاکنون که با هدف توسعه دانش تصویرسازی کامپیوتری برای نمایش پروسه‌های شیمیایی و بیوفیزیکی، بکار گرفته می شود، دارد.«هندسه بعد»: زمینه مهم دیگری که توسعه علمی آن اثری مهم،حداقل در شبیه‌سازی و مدلسازی در زیست – فیزیک و زیست – شیمی و صنعت داروسازی بر جای خواهد گذاشت، دانش«هندسه بعد» است . انتقال این حوزه از ریاضیات محض بسوی علم‌شیمی و سیستم‌های مولکولی بوسیله"‌Grippen" صورت گرفت." "Kuntz","Havel در اواخر دهه 70 میلادی (‍ CrippenوHavel در 1988 میلادی) این تکنیک را در اندازه‌گیریهایNMR و QSAR بکار گرفتند. Crippen این پروسه را تا تحقق این علم برای مدلسازی بر هم کنش ماکرومولکولهای پیوندی، ادامه داد. (Crippen 1999)QSR/QSPR:سومین زمینه مدلسازی شامل ارتباط میان داده‌های آزمایشگاهی با همان خواص فیزیکی یا غیر آن، در قالب سیستم مدلسازی است. این روشها که موسوم به QSR/QSPR می‌باشند دارای تاریخچه‌ای طولانی در مدلسازی سیستمهای بیولوژیک می‌باشند و اکنون نیز نقش مؤثری در تحلیل نتایج و استفاده از نتایج مدلسازی مولکولی در صنایع شیمی دارند. یک مثال نمونه جهت استفاده از این تکنیک‌ها این است که:نمونه‌ای را با یک سری از خواص فیزیکی در نظر بگیرید که می‌خواهید آن را بهینه کنید(سودمندی دارو، ارتباطات آنزیمی، مقاومت کششی یک پلیمر)چگونه آن را حل خواهید کرد:در زمره تازه‌ترین روشهای حل این مسأله که متعلق به "Hansch" می باشد (1971) مبتنی بر ارتباط فعالیت‌های بیولوژیک مولکول در قالب پارامتر«آب گریزی» آن که به عنوان ثابت اکتاتل به آب، معرفی می‌شود.این روش، در طول انرژی آزاد خطی در شیمی ‌فیزیک ‌زیستی قرار می‌گیرد. (یعنی: روابط Hammett(1935))، که انرژی آزاد(لگاریتم ثابت تعادل)، به نوع دیگری از انرژی یا خواص ماده که بر اساس انرژی آزاد سنجیده می‌شود، وابسته است. همانظور که پیشنهاد شد، ساده‌ترین چنین روشهائی به عنوان مدلهای خطی مطرحند و رگریسون خطی برای آن استفاده می‌شود. به همین ترتیب که مدل پیچیده‌تر می‌شود، مدل به سمت رگریسون غیر خطی میل می‌کند(Kowalski 1984) و .(Andrea & Kalayeh1991)به منظور توالی چنین مدلهائی، تا حصول روابطی میان خواص فیزیکی ماده ومیزان فعالیتهای آن می بایستی در مدلسازی به روش«شبکه عصبی» بکار گرفته شود.علاوه بر «آب گریزی»، سایر پارامترهای مؤثر و مرتبط به عنوان متغیرهای مستقل در چنین مدلهائی، عبارتند از:نسبت آرایش اتمها به نیروهای واندروالس و خواص الکترواستاتیک.یک روش که در برگیرنده اطلاعات 3 بعدی در قالب یک مدل باشد مانند «آنالیز میدانهای مولکولی تطبیقی که به اختصار COMFA خوانده می‌شود.

COMFA: Comparative Molecular Field Analysis

که توسط" "Cramer،"Patterson" و" Bunce"‌ در سال 1988 پایه‌گذاری شد این پارامترها و متغیرهای وابسته به آن عمومی می باشند و در بهینه سازی مدل مؤثرند. علاوه بر آن ارتباطات میان مولکولی را در جهت توجیه ساختار ماکرومولکول در ابعاد 3 بعدی توجیه می‌کند. (به این