IV COLOQUIO DE SIMULACIONES
COMPUTACIONALES EN CIENCIAS
- del 23 al 27 de Agosto del 2021
Por ocasión especial
Evento 100% VIRTUAL
- Computación Cuántica
- Materiales Topológicos
- Dinámica Molecular Acelerada




Agradecimientos: Proyecto grupal DGAPA-PAPIIT IG200320
PROGRAMA
Ganadores Sesión de Estudiantes
Licenciatura: Valeria Ríos Vargas
Maestría: Leonardo Antonio Navarro Labastida
Doctorado: Ramón Ernesto Suárez Hernández
Los ganadores, por favor enviar correo con sus datos a lvmm@cnyn.unam.mx para hacerles llegar su premio.
- Martes 24/08
- Miércoles 25/08
- Jueves 26/08
- Viernes 27/08
Sesión 1 - Miércoles 23 de agosto
– 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.
INVITADOS

Salvador E. Venegas-Andraca
Tecnológico de Monterrey, Escuela de Ingeniería y Ciencias - The Unconventional Computing Lab.

Gregorio H. Cocoletzi
Instituto de Física “Ing. Luis Rivera Terrazas”, Benemérita Universidad Autónoma de Puebla, México.

Ricardo Díez Muiño
Centro de Física de Materiales, Centro Mixto CSIC-UPV/EHU & Donostia International Physics Center DIPC, Donostia – San Sebastián, España.
Adscripción

Carlos Alberto Duque Echeverri
Instituto de Física, Universidad de Antioquia, Medellin, Colombia.
Adscripción

Veronica A. Jimenez
Facultad de Ciencias Exactas, Universidad Andrés Bello, Chile.

Leobardo Itehua Rico
Coordinación de Supercómputo, DGCTIC, Universidad Nacional Autónoma de México.

Alfredo Tlahuice Flores
Facultad de Ciencias Físico-Matemáticas, Universidad Autónoma de Nuevo León, México.

Rodrigo Galindo-Murillo
Medicinal Chemistry Faculty, University of Utah

Gustavo Cuba-Supanta
Facultad de Ciencias Físicas, Universidad Mayor de San Marcos, Lima Perú.
CURSOS
Salvador E. Venegas-Andraca – Escuela de Ingeniería y Ciencias, ITESM Estado de México, TEC de Monterrey. The Unconventional Computing Lab.
Fecha: Lunes 23 de Agosto 2021 ( 3:00 a 7:00 PM, Tiempo del Pacífico)
Link al Taller: https://www.youtube.com/watch?v=wkQ2OGL3_sk&t=8s
Armando Reyes Serrato – Centro de Nanociencias y Nanotecnología, UNAM
Fecha: Martes 24 de Agosto 2021 ( 3:00 a 7:00 PM, Tiempo del Pacífico)
Título: Materiales Topológicos
El objetivo del taller, es mostrar uno de los caminos a seguir para aproximarse al campo de los materiales topológicos desde el área de las simulaciones computacionales en ciencias. Presentaré una breve introdución a los materiales topológicos y a continuación mostraré la forma de buscar, identificar y estudiar dichos materiales, haciendo uso de las diferentes bases de datos disponibles y de algunos programas especializados para el estudio de la estructura electrónica y propiedades de los materiales. En particular utilizaré los programas VASP, WIEN2k, Wannier90, WannierTools, VESTA y XCrysDen.
Gustavo Cuba-Supanta – Universidad Nacional de San Marcos
Fecha: Miércoles 25 de Agosto 2021 ( 3:00 a 7:00 PM, Tiempo del Pacífico)
Título: Aplicaciones de la simulación de dinámica molecular con el código LAMMPS
INSCRIPCIONES
Puedes inscribirte a los Cursos o para participar en las “Sesión de Presentaciones de Esudiantes” utilizando el siguiente formulario o directamente al correo lvmm@cnyn.unam.mx.
- Inscripción a cursos:
- Para poder inscribirte a algún curso selecciona “Inscripción a Curso” y en el cuerpo del mensaje, además de tus datos, indica el curso al que deseas inscribirte.
- Inscripción a la Sesión de Presentaciones de Estudiantes:
- Selecciona “Inscripción a la Sesión de Estudiantes” y en el cuerpo del mensaje indica tus datos. Además, te recomendamos adjuntar un archivo con el abstract de tu trabajo. Se estarán recibiendo propuestas hasta el día 10 de julio del 2021.
Buen día.
Mi nombre es Maria Corazón Flores Bautista
Disculpe no se si recibieron mi trabajo y que aplica posteriormente a esto. Muchas gracias y excelente día.
Soy de la Universidad Nacional de San Antonio abad del Cusco de la escuela professional de Fisica soy egresado de la Carrera de Fisica.
Fisica
https://www.philadelphia.edu.jo/deanships/deanship-of-scientific-research-and-graduate-studies/graduate-studies