Modeli koji se koriste za opis većine prirodnih pojava imaju velik broj slobodnih parametara čije vrijednosti određujemo prilagodbom teorijskih predviđanja modela empirijskim podacima. U jednostavnim modelima, promjena bilo kojeg parametra znatno utječe na kvalitetu prilagodbe predviđanja empirijskim podacima, no također postoje modeli koji sadrže i aljkavo odredive parametre. To su određeni parametri i/ili kombinacije parametara koje se mogu značajno promijeniti uz minimalnu promjenu kvalitete prilagodbe. Nedavno je razvijena aproksimacijska metoda mnogostrukosti s rubom (MBAM) kojom je moguće eliminirati što veći broj aljkavih stupnjeva slobode modela, uz minimalan gubitak na preciznosti same prilagodbe. Problem MBAM metode jest u tome što zahtijeva izračun numeričkih derivacija modela. U ovome smo diplomskom radu razvili računalnu implementaciju MBAM metode poboljšane tehnikama algoritamske diferencijacije kako bi uklonili numeričke greške nastale zbog numeričke diferencijacije. Računalnu implementaciju smo testirali na širokom rasponu modela zadanih ili kao analitički izrazi ili rješenja sustava diferencijalnih jednadžbi. U konačnici provjerili smo postoji li razlika prilikom korištenja preciznijih derivacija u MBAM redukciji na modelu atomske jezgre zasnovanom na nuklearnom energijskom funkcionalu gustoće DD-PC1.