En un importante paso hacia la innovación en herramientas científicas, los reconocidos productos ChemDraw y ChemOffice han evolucionado bajo la firma de revvity para originar Signals ChemDraw, una plataforma que redefine la experiencia en el dibujo y análisis químico. Esto ha llevado a la desaparición de ChemOffice de la cartera de productos de revvity.
Signals ChemDraw mantiene la esencia de ChemDraw, el estándar de la industria en la creación de estructuras químicas, y la complementa con capacidades avanzadas de gestión de datos e integración con otras herramientas científicas. Este cambio responde a la creciente necesidad de laboratorios y empresas de contar con soluciones más eficientes y conectadas en el ecosistema digital.
Con Signals ChemDraw, los usuarios podrán disfrutar de una experiencia optimizada, con mejoras en la colaboración, almacenamiento en la nube y compatibilidad con plataformas de análisis de datos. Además, la integración con Signals Notebook facilita el flujo de trabajo, permitiendo a los investigadores registrar, compartir y analizar sus hallazgos de manera más intuitiva y productiva.
Esta evolución refuerza el compromiso de revvity con la innovación, asegurando que científicos, investigadores y docentes dispongan de herramientas de vanguardia para acelerar sus descubrimientos. Con Signals ChemDraw, el futuro del diseño químico y la gestión de datos científicos entra en una nueva era.
A partir de ahora encontrará las noticias de ChemDraw bajo la sección de Signals ChemDraw.
La función "Infinite Element Domains" en COMSOL Multiphysics permite modelar dominios extendidos sin necesidad de aumentar significativamente el número de elementos de malla, optimizando el uso de recursos computacionales. Esta técnica es especialmente útil en simulaciones donde el comportamiento del sistema debe analizarse en regiones que se extienden al infinito o en grandes volúmenes de espacio.
¿Cómo se utiliza? Veamos su aplicación a través del ejemplo que se muestra en la Figura 1. Se trata de una placa de titanio con generación de calor en su parte central muy larga en la dirección del eje x. En la figura se destaca la diferencia entre la modelización de la pieza basada en las dimensiones reales y la alternativa simplificada basada en el uso de la función “infinite domains”. Estudiaremos la transferencia de calor en la pieza.

Figura 1. Geometría tridimensional utilizada como ejemplo para comprender cómo se utiliza la función de “infinite domains” en COMSOL Multiphysics®.
En primer lugar, añadiremos la función “infinite domains”, disponible en la sección de “Definiciones” tal y como se muestra en la Figura 2, a nuestro flujo de trabajo. Seguidamente, seleccionaremos aquellos dominios que sean lo suficientemente largos como para poder asumirse infinitos. A partir de aquí, la asignación de materiales y condiciones de contorno se realiza del mismo modo que en cualquier modelo basado en las dimensiones reales de la pieza.

Figura 2. Selección de la función “Infinite Domains” en COMSOL Multiphysics®.
En la Figura 3 se muestran los resultados de temperatura obtenidos, señalándose la evolución de la temperatura en los dominios infinitos. En resumen, el uso de "Infinite Element Domains" tiene las ventajas de trabajar con una geometría simplificada e implementación sencilla, y permite reducir el coste computacional de nuestras simulaciones.
!Esperamos que pueda sacar partido a esta función en futuros modelos y simulaciones en COMSOL Multiphysics®!

Figura 3. Representación gráfica de la temperatura obtenida para una línea de corte (izquierda), y temperatura en todo el volumen de la pieza (derecha).



Por Shawn Shapiro.
Nota sobre este artículo: el pasado mes de febrero fue el Mes del Corazón en Estados Unidos. Las enfermedades cardíacas son la principal causa de muerte en Estados Unidos. Los datos de 2022 muestran que 1 de cada 5 muertes se debió a enfermedades cardíacas y, según la Asociación Estadounidense del Corazón, más de 121 millones de adultos en Estados Unidos padecen enfermedades cardiovasculares.
Hace más de ocho años, me uní a los 121 millones cuando sufrí un episodio de fibrilación auricular (FA).
Cuando era joven, estaba muy nervioso por lo que esto significaba para mi futuro. Desde entonces, me he propuesto mantenerme activo y ser consciente de la salud de mi corazón. Me puse como meta correr una media maratón. Al comprender la relación entre la salud del corazón y correr, decidí planificar mejor mis carreras para mantener mi frecuencia cardíaca en un nivel óptimo.
Afortunadamente, como empleado de Minitab, puedo aprovechar algunas de las soluciones de análisis de datos más potentes para hacer esto.
Cuando empecé a correr, registré datos sobre diversos factores que pueden afectar mi frecuencia cardíaca promedio, como la distancia recorrida, el desnivel ganado, el ritmo promedio, el día de la semana (tal vez algunos días sean más estresantes que otros) y la temperatura. Con el siguiente conjunto de datos, explicaré cómo utilicé las Soluciones de Minitab para analizar estos datos y planificar las mejores carreras para la salud de mi corazón.

Importación de datos a Minitab: comencé importando los datos de mis ejecuciones a Minitab mediante formularios de Minitab Connect. Fue una manera sencilla y sin inconvenientes de importar datos sin necesidad de abrir Minitab después de cada ejecución.
Estadísticas descriptivas: luego, utilicé la herramienta Estadísticas descriptivas para obtener una descripción general de mis datos. Esto me proporcionó medidas como la media, la mediana, la desviación estándar y el rango para cada variable, solo para tener una idea básica de cómo se encuentran actualmente mis datos.

Análisis de correlación: A continuación, realicé un análisis de correlación para ver cómo se relacionan las distintas variables con mi frecuencia cardíaca promedio. Esto me ayudó a comprender qué factores tienen el impacto más significativo en mi frecuencia cardíaca.

Gráfico de intervalos: como pude ver que la temperatura tiene un papel más importante del que esperaba, quería una visualización clara. Por lo tanto, creé un gráfico de intervalos de frecuencia cardíaca promedio frente a temperatura.

Análisis de regresión: ahora que tenía mis ideas claras, era hora de predecir y planificar cómo y cuándo debería correr. Realicé un análisis de regresión para crear un modelo que prediga mi frecuencia cardíaca promedio en función de las otras variables. Pude ver cómo los cambios en el ritmo, la distancia, el desnivel y la temperatura afectan mi frecuencia cardíaca.

Al realizar este ejercicio, esperaba plenamente que mi ritmo promedio tuviera el mayor impacto en mi frecuencia cardíaca promedio.
Me equivoqué.
Una variable sobre la que tengo mucho menos control juega un papel más importante en mi frecuencia cardíaca promedio mientras corro: la temperatura. Sin embargo, esto me resulta increíblemente útil a la hora de planificar las carreras. No quiero dejar de correr solo porque hace más calor afuera, pero como tengo una afección cardíaca, necesito ser cauteloso. También me permite hacerme cargo de las variables que puedo controlar, como el ritmo promedio.
Un ejemplo de cómo puedo planificar el futuro: si estoy planeando una carrera de 5 millas con un desnivel de 32 y afuera hay 75 grados, según mi ecuación de regresión, necesito reducir mi ritmo promedio a 13 minutos por milla. Esto me daría una frecuencia cardíaca promedio prevista de 155.
Como persona competitiva, ¡esto parece muy lento! Pero mi objetivo para el año que viene es mantener la salud cardíaca, no tanto correr rápido. No soy estadístico, pero la facilidad de uso que brindan las soluciones de Minitab permite que cualquiera pueda tomar decisiones basadas en datos.
Al utilizar Minitab para analizar los datos de mis carreras, puedo tomar decisiones informadas sobre mi plan de entrenamiento para optimizar la salud de mi corazón. Comprender el impacto del ritmo y la temperatura en mi frecuencia cardíaca me permite adaptar mis carreras para mantener mi frecuencia cardíaca dentro de un rango saludable. Prioricemos nuestra salud cardíaca manteniéndonos activos y tomando decisiones basadas en datos para apoyar nuestro bienestar
| "El legado de Martin Karplus trasciende sus logros científicos, viviendo en los innumerables científicos de los que fue mentor entre ellos e inspiró a superar los límites de la química tradicional. Su visión y generosidad de espíritu han dejado una huella indeleble en la comunidad científica. El fallecimiento de Martin marca el final de una era, pero su trabajo sigue siendo una piedra angular de la química moderna, dando forma al campo para las generaciones venideras. Extrañaré profundamente su sabiduría y la bondad con la que la compartió. Martin Karplus, una figura imponente en la química teórica, remodeló profundamente el campo de la simulación molecular. Galardonada con el Premio Nobel de Química en 2013, Karplus fue pionera en métodos computacionales para modelar y predecir el comportamiento de sistemas químicos complejos, cerrando la brecha entre los marcos teóricos y la ciencia experimental. Su trabajo pionero sentó las bases de la química computacional moderna, permitiendo a los investigadores visualizar la dinámica molecular y comprender las interacciones químicas con una precisión sin precedentes. Entre sus contribuciones monumentales se encuentra el desarrollo de CHARMM, un programa que revolucionó las simulaciones de dinámica molecular. CHARMM se volvió esencial para la investigación farmacéutica y la ciencia de los materiales, desbloqueando conocimientos sobre el plegamiento de proteínas, el diseño de fármacos y las interacciones moleculares. Su integración en Discovery Studio amplificó su impacto, proporcionando una plataforma accesible para que los científicos aprovechen sus capacidades para abordar los desafíos del mundo real." |
Es habitual trabajar en el model builder de COMSOL Multiphysics® con varios componentes que comparten la misma geometría, por ejemplo, si queremos comparar los resultados de simulación numérica obtenidos cuando se emplean distintos modelos de radiación.
Veamos el ejemplo que se muestra en la Figura 1. Se incluyen dos componentes en el mismo entorno de trabajo y que comparten idéntica geometría, la cual representa la sección de una tubería. Una vez definidos los materiales, las físicas y sus condiciones de contorno se ha configurado la malla del primer componente.
Tras definir la configuración de la malla para el primer componente, una forma rápida de asignar la misma configuración de malla para la geometría del segundo componente es utilizar la función “importar”. La configuración de esta función se muestra en la Figura 2. De esta manera, ahorrará tiempo en la definición de la malla del segundo componente
¡Esperamos que le sirva este “truco” para agilizar la definición de malla en entornos de simulación multicomponente en COMSOL Multiphysics®!

Figura 1. Entorno de modelización multicomponente en COMSOL Multiphysics® prestando atención al mallado.

Figura 2. Función “importar” para utilizar la misma configuración de malla del componente 1 en el componente 2.