El Centro de Nanociencias y Nanotecnologí de la UNAM te invita a
VI COLOQUIO DE SIMULACIONES
COMPUTACIONALES EN CIENCIAS
- del 21 al 25 de Agosto del 2023
Sesión de estudiantes.
Talleres en: Materiales Topológicos, Transporte Electrónico, y Biocomputación con Inteligencia Artificial.
Agradecimientos: Proyecto grupal DGAPA-PAPIIT IG200320
Licenciatura: Jair Othoniel Dominguez Godinez, UANL.
Maestría: Victor Hugo Medina Macias, CNyN-UNAM.
Doctorado: José Andrés Núñez Ávila, BUAP y Daniel Maldonado López, MSU.
Gracias por participar!
A los estudiantes premiados, favor de enviar un email a lvmm@ens.cnyn.unam.mx para recibir más información.
Las pláticas se encuentran disponibles en nuestro canal de YouTube
https://www.youtube.com/@lvmmmx
PROGRAMA
INVITADOS
Chemistry, University of California Irvine
Theory of Nanostructured Materials, Lawrence Berkeley National Laboratory
Physics and Astronomy, West Virginia University
Instituto de Astronomía, UNAM
Chemistry, Pennsylvania State University
Instituto de Ciencias Nucleares, UNAM
Ciencias de la Computación, Centro de Investigación Científica y de Educación Superior de Ensenada
Química, Universidad del Bío-Bío
TALLERES
Talleres cortos sin costo, con una duración de 4-5 horas. Se dará constancia a quien complete cada taller.
Inscripción al final de la página.
Nota: En el formulario de inscripción, por favor especificar el taller al que se quiere inscribir.
Las sesiones de estudiantes y las pláticas serán abiertas y podrán accesar via ZOOM:
Link: https://us06web.zoom.us/webinar/register/WN_NQzGNNb6TnKFxE4qkNII8A
Los talleres se impartirán de las 15:00 a las 19:00 hrs.
Tallerista:
Dr. Jesus Luis Alberto Ponce Ruiz.
Resumen:
Los materiales topológicos son una nueva clase de materiales con propiedades únicas que están protegidas por su estructura. Tienen el potencial de revolucionar muchos campos diferentes, incluida la computación cuántica, la espintrónica y la electrónica depotencia ultra baja.
Los materiales topológicos son importantes porque tienen el potencial de crear nuevas tecnologías que son más potentes, eficientes y respetuosas con el medio ambiente que las tecnologías actuales. La investigación sobre materiales topológicos aún se encuentra en sus primeras etapas, pero los beneficios potenciales de estos materiales son significativos. Es probable que los materiales topológicos desempeñen un papel importante en el desarrollo de nuevas tecnologías en los próximos años.
Contenido del taller:
1. Introducción:
• Teoría de bandas
• Conceptos básicos de materiales topológicos.
• Estados superficiales.
2. Identificación y clasificación de materiales topológicos:
• Sesión practica utilizando VASP e Irvsp
3. Análisis de las propiedades topológicas obteniendo las funciones de Wannier y el modelo de tight-binding.
• Sesión practica utilizando VASP, Wannier90 y Wannier tools.
Para un mejor aprovechamiento del taller se recomienda contar con los siguientes programas: VASP, phonopy, vesta, irvsp, vasp2trace, Wannier90, Wannier tools, languaje python y el paquete py4vasp.
Tallerista:
Dr. Carlos Corona García.
En los últimos años, el interés en el estudio de las propiedades electrónicas y de transporte electrónico de materiales bidimensionales (2D) y unidimensionales (1D) se ha incrementado considerablemente. Una de las principales razones es la búsqueda de materiales que sustituyan al silicio en dispositivos nanoelectrónicos. Las propiedades deseables son brechas energéticas prohibidas intrínsecas y una alta movilidad de portadores de carga.
El objetivo de este taller es introducir a los participantes en el uso de las herramientas básicas para caracterizar las propiedades de transporte electrónico de materiales semiconductores, como curvas corriente-voltaje (I-V), transmitancia y densidades de estado locales como función de la posición atómica, para su posible aplicación en dispositivos nanoelectrónicos.
Contenido del taller
1. Fundamentos teóricos
a. Conceptos básicos de DFT
2. Introducción a SIESTA y TranSIESTA
a. ¿Qué es SIESTA y TranSIESTA?
b. Aplicaciones
c. Estructura de archivos para envío de cálculos
3. Procesamiento e interpretación de resultados
a. Archivos de salida
b. Densidades de estado
c. Estructura de bandas
d. Curvas de corriente como función del voltaje aplicado
e. Densidades de estado local como función de la posición atómica
4. Ejercicio práctico
Prerrequisitos: Conocimientos básicos de computación y del uso de SIESTA deseable, no
obligatorio.
Se recomienda contar con los siguientes programas: SIESTA, TranSIESTA, VESTA y para
procesamiento de datos y realizar graficas preferentemente OriginPro o Gnuplot.
Cuando se tenga la lista de asistentes se les hará llegar por correo electrónico los archivos
necesarios para el ejercicio práctico.
Talleristas:
Luis Antonio García González y Dr. Carlos A. Brizuela Rodríguez.
Resumen:
El desarrollo de fármacos asistido por computadoras (DFAC) es una disciplina transversal que se orienta al uso de herramientas computacionales para apoyar el desarrollo de nuevos fármacos. Dentro de esta disciplina se encuentran estudios cuyos objetivos se centran en optimizar el almacenamiento, representación, análisis y visualización de información química o biológica. Además, existen estudios dentro de esta disciplina que se encargan de predecir de forma in silico diversas actividades/propiedades químicas o biológicas. Dentro de estos estudios in-silico se encuentra la modelación QSAR (Quantitative Structure Activity Relationships) la cual es actualmente enriquecida con técnicas de inteligencia artificial.
Un modelo QSAR es el resultado final de un proceso que comienza con una descripción adecuada de las estructuras moleculares y culmina con alguna inferencia, hipótesis y predicción sobre el comportamiento de las moléculas en un determinado ambiente. La modelación QSAR parte de la hipótesis de que compuestos con estructuras similares presentan actividad similar. Mediante un modelo QSAR, la actividad/propiedad de un nuevo compuesto puede ser estimado a partir de compuestos con estructuras moleculares similares y cuya actividad/propiedad ha sido determinada experimentalmente.
Este tipo de estudios cobra mayor importancia en el proceso de desarrollo de fármacos teniendo en cuenta que diversas entidades reguladoras están anunciando que en un futuro cercano les retiraran el apoyo a proyectos de desarrollo fármacos que incluyan en su fase preclínica pruebas de toxicidad sobre animales.
Al finalizar este taller los participantes estarán familiarizados con un proceso básico de modelación QSAR, así como las diferentes técnicas de inteligencia artificial utilizadas en las etapas de la modelación. Además, podrán identificar las diferentes herramientas computacionales de apoyo existentes en la literatura.
Es deseable que el participante tenga conocimientos básicos de algún lenguaje de programación como Java o Python.
Contenido del taller:
1. Base de datos existentes
2. Toxicidad como diana relevante en la modelación QSAR
3. Limpieza de datos
4. Representación de compuestos químicos
5. Pasos en la Modelación QSAR
6. Modelos de aprendizaje de máquina para problemas de clasificación y regresión.
Tallerista: Carlos Cabrera
Deep Learning supervisado para clasificar y segmentar compuestos nanoestructurados heterogéneos a partir de imágenes de microscopía electrónica de transmisión
Resumen:
En este taller abordaremos una breve descripción de los avances de la IA en las últimas décadas. Debido a lo reducido del tiempo, veremos una introducción al aprendizaje supervisado, creando nuestras propias segmentaciones “ground truth’s” para hacer entrenamientos con la arquitectura Mask R-CNN, por lo tanto, usaremos un conjunto reducido de imágenes TEM de partículas nanoestructuradas heterogéneas que generan luz blanca. También se prepararán imágenes para hacer aumentación de datos. La parte de laboratorio se desarrollará con Python, pueden usar Linux/Windows. Dedicaremos un tiempo para hacer la instalación de dependencias y todas las bibliotecas necesarias.