IV Coloquio de Simulaciones Computacionales en Ciencias

– Fernando Rojas Íñiguez – Director Centro de Nanociencias y Nanotecnología, UNAM.

Exploring the landscape of two and one-Dimensional Materials: A Synergy of DFT and AIe

– Aldo Romero, Eberly Distinguished Professor  – Physics and Astronomy, West Virginia University.

Resumen

In this talk, I will introduce an innovative approach that combines a systematic symmetry-based method with graph neural networks to revolutionize structural search and design in materials science. I will provide a comprehensive explanation of the methodology, with a specific focus on the obtained geometries and the discovery of 

new crystal families featuring two and three species compositions. Though our methodology is general enough to work in any dimensionality, I will focus in two- and one-dimensional cases.  Furthermore, I will delve into the concept of graph neural networks and elucidate their significance in the realm of crystal structures. Demonstrating the versatility of this method, I will also explore potential applications beyond crystal structures that extend its reach to various other domains. I will provide insights into the systematic symmetry-based approach, sharing details on the screening process and introducing our transfer learning process aimed at optimizing crystal structures using the proposed Universal potential.

Moreover, I will discuss intriguing and previously unreported results that have emerged from this approach. Additionally, I will explore how existing databases can serve as valuable resources for theoreticians and experimentalists, aiding them in their quest for fascinating materials.

Join me as we embark on a journey to unlock the hidden potential of materials through this groundbreaking fusion of symmetry-based methods and graph neural networks.

Física Diferenciable: Aprovechando el Poder de la Diferenciación Automática para Simulaciones Físicas

– Rodrigo Alejandro Vargas-Hernandez – Faculty of Science, McMaster University

Resumen

La diferenciación automática (DA) ha surgido como una herramienta fundamental para mejorar la eficiencia y precisión del diseño inverso en sistemas físicos. Su versatilidad y capacidad para proporcionar cálculos de gradientes eficientes la hacen ideal para simular sistemas físicos complejos, incluido el diseño inverso molecular y los protocolos de control de estados estacionarios no equilibrados. En esta charla, profundizaremos en el uso de la DA en simulaciones físicas, explorando su potencial para optimizar objetivos de diseño teniendo en cuenta restricciones adicionales. Discutiré cómo la DA puede resultar en sistemas nuevos y mejorados, eliminando la necesidad de algoritmos de búsqueda exhaustiva que consumen tiempo. También resaltaremos la importancia de la DA en el campo de las simulaciones físicas y discutiremos sus implicaciones para la investigación y la innovación futuras.

Remoción de Pb2+ mediante grafeno oxidado obtenido a partir de Sargazo

– Julieta Gutierrez Ojeda – Modelación de Nanomateriales, CNYN-UNAM

Resumen

A pesar de que el grafeno es un material topológico con extraordinarias propiedades, el costo de síntesis limita sus aplicaciones tecnológicas. Por ello se ha indagado en alternativas de síntesis, por ejemplo, a partir de biomasa. Actualmente, el sargazo ha mostrado ser un problema ecológico dando como resultado un exceso de material el cual puede ser aprovechado para la obtención del grafeno. Por otro lado, se ha mostrado experimentalmente que el grafeno oxidado (GOs) captura metales pesados, como el Pb 2+ , disueltos en medios acuosos. En ese sentido, en el presente trabajo se realizó un estudio teórico-experimental de la interacción del Pb 2+ con las especies presentes en la superficie del GOs (COOH, OOH, OH y O). El cálculo de la energía de formación muestra que el COOH es el grupo funcional más favorable, no obstante, experimentalmente se ha identificado que la presencia del CO 3 promueve la adsorción del Pb 2+ en la superficie de GOs. Este resultado se comprobó mediante el cálculo de las interacciones no covalentes, ya que muestran la existencia de una interacción tipo Van der Waals entre el CO 3 de los Pb(CO 3 ) 3 con la superficie de GOs indicando que el -CO 3 tiene un rol importante durante el proceso de adsorción del Pb2+ .

Cálculo de las Propiedades Electrónicas y Ópticas de la Zeolita LTA-Sódica

–Roberto Núñez González – Ciencias Exactas y Naturales, UNISON

Resumen

En este trabajo se presentan los resultados obtenidos del cálculo de las propiedades electrónicas y ópticas de la Zeolita LTA Sódica. Los cálculos se hicieron con el paquete computacional WIEN2k, utilizando el potencial TB-mBJ. Partiendo de la estructura atómica optimizada de la zeolita, se calcularon las bandas de energía, la densidad de estados y propiedades ópticas.

Retos y desafíos en la implementación de un modelo predictivo mediante algoritmos de Machine Learning

– Rodrigo Domínguez García  – Coordinación de Tecnologías de la Información CIMAV

Resumen

Para llevar a cabo la implementación exitosa de un proyecto de Machine Learning, existen varios retos o desafíos que debemos enfrentar. El primer reto es comprender a fondo el problema que deseamos resolver, definir objetivos, alcances y criterios de evaluación para determinar la viabilidad de nuestra solución. El siguiente reto es la recopilación y procesamiento de los datos, abordando temas como inconsistencias en el manejo de variables, errores de captura, estrategias para manejar datos faltantes y atípicos, así como clases desbalanceadas, lo cual requerirá una gran parte del tiempo del proyecto. Otro desafío es realizar un análisis exploratorio de los datos para identificar variables relevantes que se utilizarán en los algoritmos de Machine Learning. Esto nos lleva al siguiente desafío, que es la selección de los algoritmos adecuados, comprendiendo sus fortalezas y limitaciones, y determinando cuál es el más apropiado para el caso en cuestión. Por último, pero no menos importante, está la interpretación de los resultados, comprendiendo cómo se toman las decisiones y cómo se generan las predicciones, lo cual puede requerir una exploración más profunda y un análisis de los factores más influyentes en las predicciones. Sortear todos estos desafíos es una tarea crucial que tendrá un impacto significativo en el rendimiento y la precisión de nuestro modelo predictivo.

Aprendizaje de máquina y optimización en la lucha contra patógenos.

– Carlos Brizuela – Ciencias de la Computación, CICESE

Resumen

La continua proliferación de agentes infecciosos capaces de resistir a los fármacos antimicrobianos actuales, se ha convertido en una de las mayores preocupaciones para la salud pública mundial. Esto a pesar del arsenal de moléculas pequeñas y más recientemente proteínas con las que se dispone para luchar contra estos patógenos. La computación juega un papel cada vez más relevante en el diseño de estos fármacos. La siguiente generación de diseño de proteínas con potencial farmacológico estará guiada por el enfoque conocido como diseño computacional libre de moldes, donde se busca que, sin intervención humana, los algoritmos generen moléculas pequeñas y proteínas con la actividad deseada. Analizaremos dos enfoques computacionales principales para el descubrimiento y diseño de proteínas con potencial terapéutico: aprendizaje de máquina y optimización combinatoria. En esta plática mostraremos cómo se usan actualmente estos enfoques para el descubrimiento y diseño de proteínas con potencial actividad contra patógenos como virus, bacterias y hongos. También describiremos algunos de los desafíos que se deben superar para avanzar en esta área del diseño libre de molde y la relación de estos con los proyectos que abordamos en el laboratorio de biocomputación del CICESE.