Nowy Rok 2023 i nowe wyzwania.
Zaczynamy od popisania umowy o przystąpieniu do PTBF w charakterze Członka wspierającego firmy KAWA.SKA.
Liczymy, że współpraca z naszym nowym partnerem będzie źródłem inspiracji do wspólnych działań, na przestrzeni najbliższych lat.
#kawaska #ptbf #biofizyka #rozwój
Zdrowych, pogodnych i zimowych świąt Bożego Narodzenia, wszystkiego najlepszego w Nowym Roku 2023, by nowe wyzwania były prostsze w realizacji a także wielu miłych chwil spędzonych w gronie rodziny,
Życzy Zarząd Główny PTBF
Lubelski Oddział Polskiego Towarzystwa Biofizycznego zaprasza na wykład, który w najbliższy piątek wygłosi:
dr Radek ŁapkiewiczInstytut Fizyki Doświadczalnej, Wydział Fizyki, Uniwersytet Warszawski(https://optics.fuw.edu.pl/ludzie/lapkiewicz-radoslaw)
Tytuł wystąpienia: Jak poprawić rozdzielczość w mikroskopii konfokalnej i dwufotonowej używając korelacji światła fluorescencji?
Wykład odbędzie się 2 grudnia 2022 r. o godzinie 13:15 w sali A-341, Instytutu Fizyki, UMCS, pl. M. Curie-Skłodowskiej 1 Plakat ze streszczeniem.
Szanowni Państwo,
Lubelski Oddział Polskiego Towarzystwa Biofizycznego zaprasza na wykład, który w przyszły piątek wygłosi:
dr Joanna ZemłaInstytut Fizyki Jądrowej im. Henryka Niewodniczańskiego PAN
Wykład odbędzie się 25 listopada 2022 r. o godzinie 10:15 w sali D-332 (mała Aula Informatyki, III piętro), Instytut Informatyki, UMCS, wejście od pl. M. Curie-Skłodowskiej Plakat ze streszczeniem.
The Ph.D. student position is offered under the project entitled „Statistical Learning of Slow Collective Variables from Atomistic Simulations,” led by Dr. Jakub Rydzewski at the Institute of Physics, Nicolaus Copernicus University in Toruń, Poland. The project is financed by National Science Center in Poland (Sonata).
Modeling the long-timescale dynamics of biophysical and molecular systems is a fundamental task in the physical sciences. Molecular dynamics (MD) simulations enable studying complex processes on microscopic spatiotemporal scales. However, such complex processes are often characterized by thousands of degrees of freedom which is very difficult to analyze in practice.
In this project, a machine-learning method will be devised to select a small number of physically-valid degrees of freedom in a near-blind manner improving the analysis of MD simulations. This method will be applicable to long-timescale processes in chemistry, physics, and biology.
Szanowni Państwo,
Lubelski Oddział Polskiego Towarzystwa Biofizycznego zaprasza na wykład, który wygłosi:
prof. dr hab. Marcin DrągZakład Chemii Biologicznej i Bioobrazowania, Politechnika Wrocławska(https://www.fnp.org.pl/prof-marcin-drag-laureat-nagrody-fnp-2019/)
Tytuł wystąpienia:Metody obrazowania ważnych medycznie enzymów proteolitycznych
Wykład odbędzie się stacjonarnie, 28 października 2022 r. o godzinie 10:15w Sali A-341, Instytutu Fizyki, UMCS, pl. M. Curie-Skłodowskiej 1 Plakat ze streszczeniem
