Detalles

Categoría: Comsol

Publicado: 23 Octubre 2025

Visto: 666

• COMSOL Multiphysics
• COMSOL Conference
• Conferencias invitadas

En la Conferencia COMSOL 2025 de Ámsterdam, tendrá la oportunidad de ver cómo otros ingenieros e investigadores utilizan el modelado y la simulación en sus respectivos campos. Entre otras sesiones, los tres días de la conferencia incluirán dos sesiones con ponencias invitadas consecutivas, seleccionadas por el comité del programa a partir de las propuestas de Showcase Your Work.

Vea la lista de charlas invitadas a continuación:

SESIÓN 1

• "3D Microstructure-Resolved Modeling of Zinc–Air Batteries: Impact on Rechargeability and Performance", por Mahshid Moradi, Technical University of Berlin
• "Coupling Multiscale Phenomena in Alkaline Electrolyzer Stack Simulation Using Reduced-Order Models", por Kresten Juel Jensen, resolvent P/S
• "Analyzing the Interplay Between Strain, Temperature, and Optical Response in GeSn Microstructures", por Costanza Lucia Manganelli, IHP - Leibniz Institute for Innovative Microelectronics
• "Impact of the Key Aging Mechanisms in NMC Batteries and Their Consequences in Degradation", por Rashid Ahmed Rifat, BIC-MOBI, Vrije Universiteit Brussel

SESIÓN 2

• "How to Build a Digital Twin with a COMSOL App for Industrial Continuous Monitoring", por Giuseppe Petrone, BE CAE & Test
• "Simulation Apps at LEONI: Use Cases, Challenges, and Solutions Within a Global Company", por Michael Dauer, LEONI Bordnetz-Systeme GmbH
• "A New Licensing Tool for Compiled COMSOL Apps", por Daniel Ericsson, Deflexional AB
• "3ω-method in Production Flow for Thermal Flow Sensors", por Yuliia Tykhonenko-Polishchuk, Saxion University of Applied Sciences, LED, Applied Nanotechnology Research Group

SESIÓN 3

• "Innovative Product Design in EV Charging Connectors: Leveraging Topology and Shape Optimization", por Roman Obrist, Huber+Suhner AG
• "Modeling and Optimization of 3D Electroformed Ni Electrodes for Alkaline Electrolysis in COMSOL®", por Abimbola Ashaju, Veco B.V.
• "Lifetime Prediction of PEM Fuel Cells in Maritime Applications", por Binaya Baidar, ABB
• "3D Transient Simulation of a Planar SOFC: Bridging Microstructure and Multiphysics Models", por Mohamed El-Hachemi, Luxembourg Institute of Science and Technology

SESIÓN 4

• "Modeling Superconductor AC Losses in the STEP TF Magnet During Plasma Initiation", por P.C. Spruijtenburg, Demcon multiphysics
• "Evolution of a Geological Disposal Facility for Radioactive Waste in Domal Salt", por Jeroen Bartol, COVRA
• "Development and Utilization of Models for the Electrical Conditions in Submerged Arc Furnaces (SAF)", por Manuel Sparta, NORCE Research
"Multiphysics Modeling of Electrohydrodynamic Drying — A Staggered Modeling Approach", por Zulhaj Rizki, Wageningen University

SESIÓN 5

• "Simulation and Validation of the Transfer Molding Process of a Large-Scale Power Semiconductor Module", por Cédric Kocher, University of Applied Sciences and Arts Northwestern Switzerland, Institute of Thermal and Fluid Engineering
• "Efficient Thermohydrodynamic Lubrication Modeling of Polymer Sliders Accounting for Cavitation", por Giorgos Kakolyris, Delft University of Technology
• "Computational Modeling of Lymph Node Flow, Cell Transport, and Tissue Mechanics", por Riana Priya Kandhai, University of the West Indies
• "Modeling the Dry Conversion Process with COMSOL Multiphysics®", por Patrick Namy, SIMTEC

SESIÓN 6

• "Surrogate Modeling-Based Optimization in Horology", por Gaétan Simonnot, HEPIA, University of Applied Sciences and Arts Western Switzerland
• "Synchrotron X-Ray and FE Modeling of Flax Yarns for Technical Textile Applications", por Sofiane Guessasma, INRAE
• "Modeling of the Molten Metal Hydrodynamics in Vacuum Arc Cathode Spots Using the Level Set Method", por Anamaria Spataru, Siemens Energy
• "Boosting the Actuator Efficiency of Reluctance Actuators with Permanent Magnets", por Mariёlle Meijer, Demcon high-tech systems

Detalles

Categoría: Lakes

Publicado: 22 Octubre 2025

Visto: 390

• AERMOD View
• Lakes
• CALPUFF View
• CALPUFF
• AERMOD

Existen muchas razones por las que puede ser necesario crear una copia de un proyecto de modelado. Quizás se desee modificar un escenario sin sobrescribir los resultados anteriores, o se necesite volver a ejecutar el proyecto con un conjunto diferente de datos meteorológicos, manteniendo el resto de las entradas.

Cada uno de los productos comerciales de Lakes Environmental Software contiene la utilidad Save Project As... para simplificar la copia de proyectos.

• Guardar proyecto como: especifique el nombre del nuevo proyecto.
• Buscar en: Seleccione la carpeta donde desea guardar el proyecto copiado. Puede ser el mismo directorio que el proyecto original o cualquier otra ubicación del equipo.
• Crear carpeta de proyecto: Guarde el proyecto en una subcarpeta independiente. Desmarcar esta opción guardará los archivos del proyecto copiados directamente en el directorio seleccionado, pero puede dificultar la gestión de archivos.
• Seleccionar archivos para copiar: Elija los archivos del proyecto original que desee conservar. Puede optar por no copiar archivos muy grandes para ahorrar tiempo y espacio.

Detalles

Categoría: Minitab

Publicado: 21 Octubre 2025

Visto: 450

• Minitab
• análisis de regresión
• fabricación
• Minitab Statistical Software
• producción
• análisis predictivo
• Minitab Solution Center
• Módulo de analítica predictiva

Por Adam Russell y Brittany Clinton

.

A medida que la fabricación de procesos se automatiza y se integra digitalmente, el volumen y la complejidad de los datos de proceso se han disparado. Los sensores registran miles de variables en tiempo real. Las métricas se rastrean en turnos, lotes y máquinas. Los métodos estadísticos tradicionales, aunque siguen siendo valiosos, a veces no logran gestionar la magnitud, la complejidad y los matices de estos datos.

Aquí es donde entra en juego el aprendizaje automático (ML), y el análisis predictivo de Minitab puede ayudarle. En resumen, el ML permite a los fabricantes descubrir patrones, predecir resultados y optimizar el rendimiento de maneras que antes no eran posibles. A diferencia de la regresión clásica, el ML no requiere suposiciones estrictas sobre la estructura de los datos. Aprende directamente de ejemplos reales, gestionando la multicolinealidad, los efectos rezagados, el comportamiento no lineal y más.

En el modelado clásico, el objetivo es definir relaciones matemáticas entre las variables de entrada (X) y las variables de salida (Y). Sin embargo, en muchos procesos, la función subyacente es demasiado compleja o desconocida. El aprendizaje automático no intenta adivinar la fórmula. Aprende patrones directamente de los datos, utilizando ejemplos uno tras otro para construir un modelo que predice Y al dar nuevos valores de X. Esto lo hace ideal para entornos de fabricación, donde los procesos son complejos y las interacciones entre variables son difíciles de definir. El aprendizaje automático aprende sin necesidad de que un humano predefina las reglas.

A continuación, se presentan seis trampas comunes en el análisis de datos que la suite de Análisis Predictivo de Minitab puede combatir. Recomendamos a todos los profesionales con nivel Black Belt y Master Black Belt que se familiaricen plenamente con las técnicas de regresión múltiple antes de utilizar el aprendizaje automático. Nuestro objetivo es ayudar a los profesionales a condensar el número de variables de entrada plausibles a las mínimas significativas para su posterior exploración mediante el Diseño de Experimentos, un método ampliamente compatible con Minitab.

Las seis trampas

Trampa n.° 1: Datos sucios

Los datos históricos pueden estar contaminados con valores extremos, valores atípicos y valores faltantes. Estos problemas dificultan la estimación fiable de coeficientes de ecuaciones de regresión.

• Valores extremos: un valor único, X_i, puede estar alejado del resto de los datos; si este es el caso, X_i puede ejercer una gran influencia en la estimación de regresiones.
• Valores atípicos: X_i puede no estar muy lejos de los otros valores X, pero el residuo del modelo (real - predicción) puede ser grande y mayor que 3 desviaciones estándar, suponiendo que los residuos se distribuyen normalmente con un promedio general = 0.
• Valores faltantes: en la regresión por pasos y de mejores subconjuntos, se eliminarán filas enteras de datos si algún predictor elegido (X) tiene un valor faltante en la fila.

Trampa n.° 2: Big Data

El tamaño de los datos está relacionado con el número de filas y el número de columnas.

• Si el número de predictores (p) es grande en relación con el número de observaciones (n), entonces esto se vuelve muy complejo, o incluso computacionalmente imposible, para la regresión clásica.
• En la regresión clásica, n debe ser mayor que p para estimar el error del modelo y calcular los valores p de cada predictor. Si no se estima el error del modelo, no existe un valor de r-cuadrado.
• Sin r-cuadrado y residuos, no podemos saber si la ecuación de regresión modela bien los datos.

Trampa n.° 3: Multicolinealidad

Cuando las entradas (X) están correlacionadas (son dependientes) entre sí, los coeficientes de correlación entre dos predictores superiores a 0,5 indican un problema.

• La ventana de sesión de regresión clásica proporciona información sobre la multicolinealidad.
• Factor de Inflación de la Varianza (FIV): mide cuánto aumenta la varianza de un coeficiente de regresión estimado si los predictores están correlacionados. FIV = 1 / (1 – r² ). Si FIV > 5, esto podría representar un problema grave para el modelo.
• R-cuadrado y R-cuadrado (ajustado): Añadir predictores correlacionados en un modelo de regresión clásica provoca la divergencia de estos valores. El R-cuadrado (ajustado) impide al modelador incluir predictores correlacionados con otros predictores ya presentes en el modelo.

Trampa n.° 4: Interacciones

Cuando la influencia de un predictor (X₁) depende de la configuración de un segundo predictor independiente (X₂).

• Las interacciones aumentan los términos del modelo: matemáticamente, el número de interacciones aumenta exponencialmente con el número de predictores. Las interacciones pueden ser bidireccionales, tridireccionales, cuádruples, etc. En la práctica, las interacciones bidireccionales son frecuentes, pero las interacciones de orden superior son poco frecuentes.
• Interacciones globales vs. locales: La regresión clásica obliga a que las interacciones sean globales; si se descubre que una interacción es significativa, debe ocurrir por igual en todas las dimensiones del espacio predictor. Las interacciones localizadas pueden ocurrir en la industria, pero son difíciles de modelar con la regresión clásica.

Trampa n.° 5: No linealidad

La regresión clásica es lineal por diseño. La expresión común de regresión lineal es Y = mx + b. Esta fórmula básica puede extenderse a otros tipos de ecuaciones lineales. Por ejemplo, X² es una función lineal. Sin embargo, 2^X no lo es. Para que una función sea lineal, debe serlo en sus exponentes.

Las funciones no lineales no se pueden modelar mediante regresión simple, regresión por pasos o regresión por mejores subconjuntos. Si se espera no linealidad, el usuario debe proporcionar la relación no lineal subyacente o elegir entre varias alternativas.

El aprendizaje automático asume que todas las relaciones X-Y son no lineales. Esta suposición significa que incluso las funciones lineales pueden modelarse de forma sencilla con algoritmos de aprendizaje automático. El usuario no necesita conocer la función no lineal adecuada para continuar con el aprendizaje automático.

Trampa n.° 6: Efectos retardados

En el análisis de datos de fabricación de procesos continuos, el analista debe crear o desplazar con frecuencia cada predictor (X) hacia adelante en el tiempo para que coincida con la respuesta esperada (Y). Si bien la regresión clásica también puede gestionar los efectos rezagados, los modelos de aprendizaje automático suelen ser más eficaces a la hora de incorporarlos.

Por ejemplo, un proceso químico tiene un predictor importante (X) de una variable de respuesta (Y). El tiempo de residencia nominal del proceso es de 4 horas. Si el operador modifica X, la variable de respuesta (Y) cambia 4 horas después del cambio en X. Por supuesto, este sencillo ejemplo implica ciertas suposiciones importantes. En ocasiones, los procesos de flujo pistón no son exactamente de flujo pistón y la retromezcla influye. En ocasiones, el efecto del cambio en X se extiende en el tiempo en comparación con la respuesta en Y. En estas situaciones, es necesario evaluar múltiples desplazamientos temporales del predictor (X).

De las trampas a la transformación

Los métodos tradicionales siguen siendo valiosos, pero no siempre están diseñados para la escala y la complejidad de los datos de fabricación de procesos modernos. El aprendizaje automático en el análisis predictivo de Minitab ayuda a superar estos desafíos al gestionar automáticamente la no linealidad, los efectos retardados y las variables complejas del mundo real. Con él, puede ir más allá del simple análisis de datos para predecir resultados, prevenir fallos y optimizar el rendimiento con confianza.

Detalles

Categoría: Maple

Publicado: 15 Octubre 2025

Visto: 623

• Maple
• radiofrecuencia
• ingeniería eléctrica
• microondas
• circuitos eléctricos

Desde la adaptación de "stubs" y el análisis de circuitos hasta el modelado de líneas de transmisión y la matemática de semiconductores, Maple ofrece un entorno sólido y auditable para los tipos de análisis realizados por ingenieros eléctricos, electrónicos y de telecomunicación

El conjunto de funcionalidades de Maple es ideal para los cálculos que requieren los ingenieros en general, y particularmente los ingenieros eléctricos, electrónicos y de telecomunicación.

Capturar la intención del diseño

Un documento de Maple combina matemáticas en tiempo real, texto, imágenes y gráficos en un solo documento. De hecho, Maple captura las suposiciones y el proceso de pensamiento inherentes a un análisis, así como los cálculos.

Matemáticas simbólicas y numéricas de alto nivel

Maple ofrece herramientas prácticas de alto nivel para matemáticas numéricas y simbólicas, análisis de datos y programación. Estas herramientas están diseñadas para problemas de ingeniería tanto simples como complejos.

• Resolver numéricamente las ecuaciones para la correspondencia de stubs
• Manipular simbólicamente las funciones de transferencia que surgen del análisis de circuito

Los motores matemáticos simbólicos y numéricos están perfectamente conectados; los parámetros, ecuaciones y cálculos fluyen fluidamente entre ambos. Esto significa que puede derivar y evaluar numéricamente sus ecuaciones en un único flujo de trabajo cohesivo. Además, el lenguaje de programación de Maple se beneficia de un entorno de desarrollo interactivo y puede utilizar cualquiera de las herramientas matemáticas de alto nivel de Maple.

• El código es más rápido de desarrollar, depurar y verificar
• Puede utilizar las funciones matemáticas de alto nivel de Maple y
• Es más fácil de leer para los humanos.

Reducir el riesgo de cálculo con unidades

Casi todas las magnitudes que utiliza un ingeniero eléctrico, ya sea resistencia, voltaje o longitud, tienen una unidad. Las unidades se integran fluidamente en Maple y pueden usarse en cálculos sencillos, así como en la resolución de ecuaciones numéricas, la optimización y la visualización.

volt := 5.2 V :
curr := 3.2 A :
power := curr volt = 16,64 W

El uso de unidades en los cálculos elimina el riesgo de introducir errores de conversión de unidades y también actúa como un control de la validez física de las ecuaciones.

Ejemplos de aplicación en ingeniería eléctrica

Análisis de circuitos utilizando funciones de transferencia y transformadas de Laplace

Puede utilizar Maple para derivar y manipular funcines de transferencia de circuitos eléctricos mediante las leyes de corriente y voltaje de Kirchoff. Las funciones de transferencia pueden convertirse en ecuaciones diferenciales o discretizarse, y pueden generarse fácilmente gráficos de fase y magnitud. Las funciones de transferencia pueden contener coeficientes simbólicos; estos parámetros pueden optimizarse para que coincidan con una respuesta objetivo.</p< Maple incluye numerosas funciones que facilitan la manipulación simbólica de funciones de transferencia. Entre ellas se incluyen: solve – reorganiza funciones de transferencia y ecuaciones nodales simplify – simplifica las funciones de transferencia de circuitos de la forma más concisa indets – identifica parámetros desconocidos en un conjunto de ecuaciones eval – sustituye valores numéricos en una ecuación simbólica Complemento gratuito SYRUP para Maple – convierte descripciones de circuitos tipo netlist en funciones de transferencia DynamicSystems – Genera gráficos de amplitud y fase Un paquete gratuito para Maple permite convertir listas de conexiones SPICE en funciones de transferencia. Esta transferencia se puede analizar en el entorno matemático simbólico y numérico de Maple. Por ejemplo, se pueden realizar análisis de CA y CC, generar gráficos de fase y magnitud, reorganizar la función de transferencia para parámetros específicos o convertirla en una ecuación diferencial, entre otras funciones.

Modelado matemático de dispositivos semiconductores

Los semiconductores son dispositivos complejos, pero Maple le ayuda a derivar los modelos matemáticos para describir con precisión sus características. Los MOSFET son un componente esencial de la electrónica moderna, como los teléfonos inteligentes y otros dispositivos portátiles. Los MOSFET de baja potencia son cruciales para la conmutación en sistemas de alimentación. Con Maple, puede convertir modelos de circuitos equivalentes de MOSFET en ecuaciones analíticas escribiendo y manipulando las relaciones básicas. Estas aplicaciones, por ejemplo, le ayudarán a modelar el efecto de la inductancia de la fuente y la conducción cruzada en los MOSFET de potencia modernos.

Derivación de las ecuaciones para el voltaje de compuerta de un MOSFET

Análisis del circuito del peor caso

Los componentes eléctricos se fabrican en grandes cantidades. Las inconsistencias en los materiales y el proceso de fabricación hacen que los parámetros de los componentes tengan una distribución estadística. Es decir, la resistencia de un lote de resistencias podría describirse mediante una distribución normal. Dada la cantidad de componentes de un circuito y la distribución de sus parámetros, es posible que el circuito no funcione según lo especificado. Este riesgo debe identificarse, gestionarse y mitigarse en las primeras etapas del proceso de diseño. Los ingenieros eléctricos suelen usar Maple para el análisis de circuitos en el peor de los casos. Se puede emplear: Análisis de Monte Carlo, en el que se seleccionan aleatoriamente parámetros de una distribución y se simula el circuito entre 1000 y 100 000 veces. Esto utiliza las herramientas de Maple para distribuciones de probabilidad de muestreo Cálculos elemento por elemento para una evaluación numérica rápida Generación de histogramas y análisis estadístico o evaluar las ecuaciones del circuito en el valor extremo de todos los componentes del circuito Esto utiliza las herramientas de Maple para generar permutaciones de parámetros cálculos elemento por elemento Una vez preparado, puede generar automáticamente una tabla de resultados y completarla con los resultados de su análisis, incluida la coloración condicional para los parámetros fuera de especificación.

Adaptación de stubs en una línea de transmisión

Los ingenieros de RF y microondas a menudo necesitan adaptar la carga a la impedancia de una línea de transmisión. Esto se conoce como adaptación de ramales (stubs) e implica la resolución numérica de un conjunto de ecuaciones no lineales. Esto requiere soluciones numéricas potentes, como las que se encuentran en fsolve. Esto reemplaza los enfoques tradicionales que utilizan diagramas de Smith. Los parámetros en estos problemas suelen tener dimensiones (por ejemplo, las resistencias se expresan en ohmios y las distancias en metros, etc.). Maple puede trasladar las unidades desde la definición de los parámetros hasta la solución numérica final de las ecuaciones.

Diseño de antenas y radar

Los profesionales del diseño de antenas y radares utilizan Maple para crear documentos de diseño ejecutables que capturan los aspectos espaciales, temporales y espectrales de sus diseños. Estos documentos pueden contener las ecuaciones, la programación y las visualizaciones necesarias para el diseño. Los documentos de diseño se pueden implementar en la web o en el escritorio.

Procesado de señales digitales

Maple ofrece muchas herramientas para analizar y manipular señales e imágenes. Utilice FFT, wavelets, análisis de Lomb-Scargle para datos muestreados irregularmente y más Las señales se pueden sobremuestrear o reducir, y los espacios faltantes se pueden rellenar mediante interpolación. Genere periodogramas, espectrogramas, gráficos de fase y magnitud y más Importar y exportar muchos tipos de datos, incluidos Excel, texto, audio e imágenes. Las matemáticas simbólicas te ayudan a comprender conceptos como la convolución. Los solucionadores numéricos que reconocen unidades le ayudan a resolver problemas iterativos, como los que surgen en el diseño de antenas. Muchos ejemplos y aplicaciones para que explores Realice y documente sus análisis en una única interfaz e impleméntelos en el escritorio y la web.

Diseño de un filtro FIR y generación de un espectrograma y periodograma

Detalles

Categoría: Comsol

Publicado: 14 Octubre 2025

Visto: 697

• COMSOL Multiphysics
• CAD Import Module
• Design Module
• Módulos LiveLink for CAD

Hay varias vías para para trabajar con ficheros CAD en COMSOL Multiphysics®, según tus herramientas disponibles, el nivel de integración que se desea y el flujo de trabajo:

Figura 1. Add-ons en COMSOL Multiphysics® que permiten trabajar con ficheros CAD.

1. Funcionalidades nativas de COMSOL Multiphysics

En la versión básica de COMSOL se pueden importar archivos 2D DXF y archivos 3D STL o VRML. Estos formatos funcionan bien para geometrías simples o escaneos. Para modelos más complejos, la importación puede no conservar detalles robustos, por lo que a menudo se convierten en mallas o se limpian posteriormente. También COMSOL ofrece operaciones virtuales para “limpiar” geometrías importadas, ignorando detalles menores o defectuosos que entorpecen el mallado.

2. Productos LiveLink™

Si tiene instalado un programa CAD (como SOLIDWORKS, Inventor, AutoCAD, PTC Creo, o Revit), los módulos LiveLink™ permiten una integración bidireccional entre el software CAD y COMSOL. Esto implica que cambios que se hagan en el CAD se pueden reflejar automáticamente en COMSOL, manteniendo la asociatividad de geometría, condiciones de frontera, selecciones, etc. Los módulos LiveLink™ permiten trabajar dentro del mismo entorno CAD/COMSOL sin necesidad de múltiples exportaciones e importaciones manuales. Como ejemplo se muestra en la Figura 2 cómo interactúa el LiveLink™ con SolidWorks.

Figura 2. La interfaz de usuario de SOLIDWORKS® muestra la geometría original, mientras que la interfaz de usuario de COMSOL Multiphysics® muestra el soporte optimizado.

3. CAD Import Module y Design Module

Si no dispone del CAD original instalado o prefiere solo importar archivos, existen CAD Import Module o Design Module como opciones. Ambos permiten importar una amplia gama de formatos CAD (STEP, IGES, Parasolid, etc.) tal y como se muestra en la Figura 3. A diferencia de LiveLink™, la importación es unidireccional: si se modifica el modelo original en el software de CAD, se tendrá que reimportar manualmente en COMSOL y volver a asignar condiciones, selecciones y parámetros.

Design Module añade funcionalidades adicionales para modelado geométrico (como fillets, loft, “thicken”, etc.), complementando lo que ofrece CAD Import Module.

Figura 3. Formato de ficheros que se pueden importar/exportar con el CAD Import Module de COMSOL Multiphyscis®.

4. ECAD Import Module (para datos de electrónica / circuitos

Para importar datos provenientes de diseño electrónico (PCB, MEMS, IC layouts), existe ECAD Import Module. Aunque la transferencia no es asociativa, se respeta la estructura por capas y las selecciones creadas en la importación pueden reutilizarse después de modificaciones.

¿Qué módulo elegir?

• Use LiveLink™ si disponee del software CAD en la misma máquina que COMSOL Multiphysics® y quiere una integración fluida y parametrizable.
• Utilice CAD Import Module o Design Module cuando solo tenga acceso a archivos CAD externos o no puedas instalar el CAD. Entre esos, Design Module ofrece flexibilidad adicional para construir o modificar geometría dentro de COMSOL.
• Si trabaja con diseño electrónico, ECAD Import Module es la opción adecuada.

Referencias

COMSOL Blog, Which Module Should I Choose for Working with My CAD Data?
CAD Import Module
Design Module

Detalles

Categoría: BIOVIA

Publicado: 14 Octubre 2025

Visto: 488

• BIOVIA
• Discovery Studio
• BIOVIA Discovery Studio

Diseño de Terapéutica Generativa (GTD) es una solución de vanguardia para explorar el espacio químico a partir de un conjunto de moléculas iniciales y propiedades objetivo que permite generar candidatos moleculares altamente plausibles.

GTD refina estos candidatos a través de ciclos iterativos de generación molecular y poda, aunque el proceso evolutivo puede ser opaco y complejo.

Comprender el espacio químico

Para facilitar una mejor comprensión del espacio químico explorado en un experimento y mostrar el origen de los nuevos candidatos moleculares, se ha desarrollado una nueva herramienta de visualización: el árbol genealógico molecular.

Esta funcionalidad ofrece una representación gráfica e interactiva del historial de transformaciones de una molécula. Desarrollada con Angular y D3.js, está diseñada para mejorar la transparencia y la interpretabilidad del proceso de diseño molecular.

El árbol genealógico se integra como una pestaña específica dentro de la vista detallada de cada compuesto. Al seleccionar una molécula, el árbol se genera dinámicamente y se centra en ella, permitiendo a los usuarios rastrear su origen y explorar las moléculas relacionadas dentro de su linaje. Además, al hacer clic en cualquier nodo, es posible acceder a información relevante, como su estructura molecular, los detalles de las transformaciones, los valores de propiedades y las puntuaciones de rendimiento.

Visualización del árbol genealógico

Representado como un diagrama de árbol, el árbol genealógico muestra el recorrido que sigue una molécula a través de múltiples pasos de transformación, partiendo de un compuesto inicial definido por el usuario. Cada nodo del árbol corresponde a una molécula, mientras que cada conexión representa una modificación aplicada por el motor generativo GTD, que produce nuevos candidatos a partir de los anteriores.

En la visualización, el recorrido se desarrolla de izquierda a derecha: las moléculas de entrada se muestran como nodos raíz, y las ramas ilustran los distintos caminos explorados por GTD hasta llegar a la estructura final, ubicada en el extremo derecho del diagrama.

Más allá de representar cómo se generó una molécula específica, el árbol genealógico ofrece una visión integral del proceso de exploración, permitiendo identificar tanto las direcciones de diseño más prometedoras como las rutas menos exitosas, en las que no se obtuvieron moléculas con un buen desempeño. Esta perspectiva facilita la detección de posibles limitaciones en la configuración de filtros o en el dominio de aplicabilidad, factores que pueden restringir la amplitud de la exploración.

Además, el árbol ayuda a reconocer qué familias de moléculas de partida se han investigado en mayor profundidad y cuáles fueron descartadas en etapas tempranas.

En conjunto, el árbol genealógico molecular se consolida como una herramienta valiosa para comprender el proceso de evolución molecular dentro de GTD, aportando claridad y contexto a los resultados de experimentos complejos, y favoreciendo un diseño más informado y eficaz en las fases posteriores de experimentación.

Conclusión

La incorporación del árbol genealógico molecular en BIOVIA Discovery Studio refuerza su papel como una plataforma integral para el diseño y la optimización molecular asistidos por IA. Esta nueva funcionalidad no solo amplía las capacidades de análisis dentro del entorno, sino que también mejora la transparencia y la trazabilidad de los procesos de generación de compuestos mediante el motor GTD (Generative Therapeutics Design).

Al permitir visualizar de forma interactiva las relaciones entre moléculas y sus transformaciones, Discovery Studio ofrece a los científicos una perspectiva más profunda del espacio químico explorado. Esto facilita la interpretación de resultados complejos, ayuda a identificar patrones de diseño prometedores y contribuye a una toma de decisiones más informada en etapas tempranas de descubrimiento.

En conjunto, esta innovación refuerza la misión de BIOVIA Discovery Studio de ofrecer herramientas avanzadas que aceleren el descubrimiento racional de nuevos candidatos moleculares, combinando la potencia del modelado computacional con la claridad que aporta una visualización científica bien diseñada.