- Detalles
- Categoría: Comsol
- Visto: 1827
En la publicación Postprocesados hiperrealistas en COMSOL Multiphysics®[1] publicada en la sección de noticias de Addlink Software Científico se mostró cómo visualizar los resultados que obtenidos en las simulaciones numéricas de forma hiperrealista. No obstante, COMSOL Multiphysics® permite la integración de otros programas gráficos que pueden ser de gran utilidad para conseguir incluso un mayor nivel de detalle y calidad visual en el postprocesados de nuestros resultados. Este es el caso del programa Blender [2].
Blender es un software gratuito y de código abierto, ampliamente utilizado para la creación de gráficos 3D, animaciones y efectos visuales. Con sus herramientas avanzadas de modelado, texturizado y renderizado, Blender se ha convertido en una opción popular tanto entre artistas independientes como en estudios de animación y diseño, permitiendo la creación de visualizaciones realistas en proyectos de cine, videojuegos y arquitectura. Este programa permite renderizar imágenes estáticas y animaciones.
Para crear una animación en Blender a partir de resultados obtenidos en COMSOL Multiphysics®, es necesario utilizar dos pequeños scripts en Java y Python. A continuación, se muestra un ejemplo de cómo realizar dicha animación.
Para comenzar, en el entorno de COMSOL Multiphysics®, despliega la sección de “Results” en el Constructor de modelo. Con el botón derecho, selecciona “Exportar”. A continuación, selecciona “Image” tal y como se muestra en la Figura 1. En los ajustes que aparecerán, se elige el gráfico que interese y, en “Output”, selecciona Archivo y el formato glTF. Busca el directorio donde deseas guardar el archivo, asigna un nombre y, por último, haz clic en el botón Exportar en la parte superior. Esto generará una escena 3D del gráfico, que podrás importar a Blender.
Recuerda que, para realizar una animación, necesitarás abrir un script en Java desde el Application Method de COMSOL, que permita exportar la secuencia de imágenes de forma completa y efectiva. Para hacerlo, podremos ejecutar el script desde el “Application Builder” creando un método tal y como se muestra en la Figura 2. En la figura se aclara que el nombre asignado en el script de Java al gráfico hace referencia al valor de etiqueta que se muestra en las propiedades del gráfico.
Figura 1. Configuración e la opción "Export Image".
Figura 2. Script Java escrito en un método del "Application Builder".
Tras escribir el método, haciendo clic con el botón derecho en el nombre del mismo, se selecciona la opción de “Ejecutar”. Será necesario esperar hasta que se completen todas las operaciones; finalmente, se visualizarán las imágenes en formato “glTF” generadas en el directorio que se haya indicado.
Cabe mencionar que, para optimizar el proceso, primero se debe exportar una imagen de escena 3D que contenga únicamente los elementos constantes en toda la animación, como las paredes sólidas. Después, se ejecutará el script para las escenas que solo contienen los gráficos en movimiento. De esta manera, al importar a Blender, se obtendrá un único objeto para las paredes y diferentes objetos para cada paso de tiempo de los gráficos animados. La Figura 3 muestra un único objeto “Walls” que permanece visible durante toda la animación en Blender, mientras que hay un objeto “Mesh” para cada paso de tiempo.
Figura 3. Árbol de objetos de Blender.
Una vez que se han exportado todas las imágenes en formato “glTF”, se pueden importar en Blender (Figura 4). En el cuadro de diálogo que aparecerá, busca la ubicación donde COMSOL exportó las imágenes, selecciona todas y haz clic en el botón Importar. Este proceso puede tardar varios minutos, dependiendo del tamaño y cantidad de imágenes. Tras completarse, se podrán visualizar todas las imágenes importadas en el árbol de objetos. En el caso del ejemplo Dam Break, aparecerán los prefijos Mesh_0 y Mesh_1, que indican la isosuperficie y la pared vertical del fluido, respectivamente. Esto es normal en algunos casos, ya que el grupo gráfico de COMSOL Multiphysics® está compuesto por un gráfico de superficies y otro de isosuperficies.
Figura 4. Forma de importar “import” imágenes con formato “glTF” en Blender.
A continuación, se aconseja ejecutar el script en Python que se muestra en la Figura 5, que ocultará todos los objetos que comienzan con el prefijo Mesh, de modo que solo se visualicen una única vez en un fotograma específico. Para acelerar o ralentizar la animación, se puede modificar el valor de 2.5 en la línea 29 del código que se muestra en la Figura 5. Valores más altos harán que la animación sea más lenta, mientras que valores más bajos la harán más rápida.
Figura 5. Ejemplo de script en Python para crear una animación a partir de las imágenes en formato glTF importadas de COMSOL Multiphysics®.
Para lograr el realismo necesario, es fundamental definir los materiales con las propiedades adecuadas para cada objeto. Por ejemplo, en la Figura 6 se muestra la definición de los materiales de la pared de la columna. Existen recursos en línea donde se pueden obtener materiales predefinidos. Por defecto, los objetos tendrán un material similar al importado de COMSOL Multiphysics®, ya que la imagen en formato glTF retiene los valores de color. Además, es importante añadir fuentes de luz para garantizar una iluminación adecuada de los objetos, así como ajustar el ángulo de dichas fuentes. También es posible añadir otras geometrías 3D en Blender, como paredes, suelos, techos o cualquier otro objeto o escenario que no forme parte de la simulación de COMSOL Multiphysics®.
Figura 6. Ejemplo de la definición del material de la pared de la columna.
Finalmente, en la Figura 7 se observa el resultado obtenido una vez completado el renderizado con Blender.
Figura 7. Animación del modelo Dam Break renderizado en Blender.
Otros ejemplos
Las Figuras 8 y 9 muestran otros ejemplos que permiten comparar los postprocesados hiperrealistas obtenidos en COMSOL Multiphysics® y los que se consiguen tras completar el renderizado en Blender.
Figura 8. Gráfico y líneas de corriente en el modelo “Sports car” obtenidos en Blender y COMSOL Multiphysics®.
Figura 9. Wave-Based Time-Domain Room Acoustics. Visualización en Blender y COMSOL Multiphysics®.
Nota: Versión de Blender 4.2 utilizada para la redacción de esta noticia. Los pasos de importación pueden variar en versiones diferentes.
Referencias
[1] Addlink, 2024. "Técnicas para un postprocesado realista en COMSOL Multiphysics®".
[2] Blender (Blender Foundation), 2024. https://www.blender.org/
- Detalles
- Categoría: BIOVIA
- Visto: 2833
Entendiendo el efecto hidrofóbico
Aunque parezca bastante abstracto, las interacciones de moléculas y átomos a nivel microscópico a menudo tienen efectos profundos en las propiedades macroscópicas de los materiales y la vida misma.
El software de química de solvatación de BIOVIA proporciona el enlace científico para comprender estas conexiones entre las interacciones microscópicas y moleculares y las propiedades experimentales relevantes para la industria de los líquidos, como las solubilidades, las presiones de vapor, los coeficientes de partición y muchas más. De manera ejemplar, en esta entrada del blog, queremos discutir el efecto hidrofóbico anómalo del agua a nivel molecular y sus implicaciones en las aplicaciones industriales y la vida en la Tierra en general.
El fenómeno conocido como efecto hidrofóbico, originario de las palabras griegas ύδωρ (ydor, agua) y φόβος (phobos, miedo), describe cómo las moléculas que "temen" al agua, tienden a unirse para evitar interactuar con ella. Este efecto explica por qué el aceite y el agua no se mezclan, sino que forman fases separadas, o por qué algunos compuestos son mejor solubles en agua que otros.
No se trata solo de un conocimiento árido de los libros de texto, sino de un concepto fundamental para la existencia de la vida en nuestro planeta, que sirve como un impulsor clave detrás de procesos biológicos como la formación de células y el plegamiento de proteínas en estructuras activas o inactivas. Las proteínas son bloques de construcción esenciales de nuestro cuerpo, que consisten en cadenas de aminoácidos. En muchos casos, las proteínas solo funcionan correctamente cuando están en un cierto estado plegado, un estado que generalmente se logra dentro de un rango específico de temperaturas. Entre otros factores, el aumento de las temperaturas puede provocar la desnaturalización de las proteínas, dejándolas inactivas. Este proceso se puede observar fácilmente, por ejemplo, al hervir un huevo, donde la albúmina de huevo se convierte en una sustancia blanca y opaca tras la desnaturalización de las proteínas (principalmente la ovoalbúmina) por encima de 60 ° C. También a temperaturas más bajas, las proteínas pueden sufrir un despliegue reversible, un proceso conocido como desnaturalización en frío. Este comportamiento está directamente relacionado con la sensibilidad a la temperatura del efecto hidrofóbico y, para entenderlo, es necesario investigar la hidrofobicidad del agua en sí.
La sorprendente hidrofobicidad del agua
Puede sonar sorprendente, pero el agua en sí misma puede ser hidrofóbica, al menos hasta cierto punto.
Las moléculas de agua pueden estar dispuestas en formas o grupos específicos. Aquí, las moléculas están conectadas por lo que los químicos llaman un enlace de hidrógeno. En el agua, este tipo especial de enlace se produce entre un átomo de hidrógeno y el átomo de oxígeno de otra molécula de agua. Dado que el agua tiene dos átomos de hidrógeno y cada átomo de oxígeno puede acomodar dos enlaces de hidrógeno, se pueden formar redes complejas que estabilizan diferentes formas de grupos de agua. Curiosamente, la superficie de estos grupos tiene propiedades diferentes a la superficie de las moléculas de agua individuales.
Perfil de densidad de carga de cribado relativo de la superficie de una sola molécula de agua (azul, estructura arriba a la izquierda) y un grupo de 20 moléculas (naranja, estructura arriba a la derecha). Claramente es visible el pico del área neutra de carga en el centro de la curva naranja, que está ausente para las moléculas de agua aisladas.
La imagen muestra la superficie de densidad de carga del agua y un grupo de moléculas de agua conectadas por enlaces de hidrógeno, fácilmente calculables con BIOVIA Turbomole. Las áreas azules y rojas denotan áreas de superficie con grandes densidades de carga de cribado positivas o negativas, mientras que las áreas verdes denotan pequeñas densidades de carga de cribado cercanas a cero. Generalmente, como consecuencia directa de la ley de Coulomb, las cargas opuestas se atraen entre sí. Por lo tanto, los compuestos con grandes densidades de carga de cribado positivas o negativas, prefieren estar en contacto con compuestos de densidades de carga de cribado opuestas coincidentes. Los compuestos con una gran cantidad de área de superficie no polar (verde) prefieren otros compuestos no polares. Como se puede ver, el agua en sí misma tiene bastantes densidades de carga de cribado positivas y negativas (azul, rojo). En contraste con esto, la estructura del grupo tiene un área más neutra con pequeñas densidades de carga de cribado. Por esta razón, estos grupos se comportan en parte como una sustancia hidrofóbica no polar.
Por lo tanto, a bajas temperaturas, cuando estos grupos se vuelven más estables, las propiedades superficiales del agua cambian. El agua misma se vuelve cada vez más hidrofóbica y, a su vez, las moléculas hidrofóbicas se vuelven más solubles en agua. Cuando la temperatura aumenta, los grupos se rompen y la solubilidad de las moléculas hidrofóbicas disminuye. A temperaturas aún más altas, otros efectos termodinámicos vuelven a aumentar la solubilidad, lo que lleva a un mínimo de solubilidad, que normalmente se encuentra en algún lugar en el rango de 20 a 80 °C, es decir, cerca de la temperatura ambiente y corporal.
La evaluación precisa de esta dependencia de la temperatura es importante en muchas aplicaciones, que van desde la solubilidad de los aditivos en el procesamiento de petróleo o las aplicaciones de captura de carbono, hasta el cálculo de los coeficientes de partición de los ingredientes farmacéuticos activos.
Avanzando en la innovación con BIOVIA COSMOtherm
BIOVIA COSMOtherm permite simular el efecto hidrofóbico dependiente de la temperatura del agua de una manera eficiente y precisa, como se muestra en una reciente publicación de M. P. Andersson y M. Richter
Se muestran las solubilidades acuosas de hexanol y benzaldehído en un amplio rango de temperaturas. Las solubilidades experimentales (curvas azules) muestran un mínimo alrededor de 320 K (hexanol) y 290 K (benzaldehído) debido al efecto hidrofóbico del agua. COSMOtherm FINE 2023 es capaz de recuperar estos mínimos con alta precisión (325 K para el hexanol y 290 K para el benzaldehído).
La imagen muestra la solubilidad dependiente de la temperatura del hexanol y el benzaldehído en agua. Dado que ambos compuestos son bastante hidrofóbicos, la solubilidad es generalmente bastante pequeña, pero la simulación y el experimento muestran claramente un mínimo de solubilidad alrededor de 290 K (17 °C) para el benzaldehído y 320 K (47 °C) para el hexanol. Con BIOVIA COSMOtherm la solubilidad dependiente de la temperatura de cualquier compuesto en agua se puede evaluar fácilmente de inmediato, incluidas anomalías como el efecto hidrofóbico del agua. Esta capacidad permite realizar cribados in silico a gran escala de las propiedades moleculares con alta precisión que complementan los esfuerzos experimentales, aceleran la innovación y reducen el tiempo de comercialización para nuestros clientes.
¿Quieres saber más?
¿Te gustaría probar COSMO-RS o Turbomole?
¡Pincha aquí!
- Detalles
- Categoría: Minitab
- Visto: 1445
¡Minitab se complace en anunciar una nueva imagen y experiencia con el estreno de un nuevo reproductor de cursos! El reproductor de cursos es el marco en el que se muestran las rutas de aprendizaje y los cursos de e-learning, así como los cursos dirigidos por instructores. Los siguientes son algunos de los principales cambios que notará.
Nuevo diseño de la ruta de aprendizaje
- A la izquierda, encontrará una descripción detallada del curso, junto con información adicional.
- A la derecha, un widget interactivo le guía por la ruta de aprendizaje, mostrando una clara barra de progreso que refleja su avance. El botón de acción le invita a comenzar o a reanudar el curso desde donde lo dejó la última vez.
- Debajo del widget de progreso, encontrará una sección dedicada a detalles adicionales, como el tiempo de finalización, el número de créditos y otra información útil.
Nuevo diseño de los cursos
- La barra de título ofrece una descripción general inmediata y completa en la que se muestra si el curso es obligatorio para obtener un certificado de finalización, el tipo de curso (e-learning o dirigido por instructor), el idioma del curso, la cantidad de actividades completadas, junto con el menú desplegable de la ruta de aprendizaje que le permite navegar rápidamente a otros cursos de la ruta.
- Justo debajo de la barra de título del curso, en el lado izquierdo de la pantalla, se encuentra la Tabla de contenido, que representa la estructura clara y organizada del curso. Aquí podrá acceder fácilmente a todos los materiales de aprendizaje y monitorear su progreso en tiempo real.
- En el centro, el reproductor se adapta perfectamente a cualquier tipo de contenido del curso, ya sea un video, un módulo SCORM u otros materiales de capacitación, como pruebas o encuestas, lo que asegura una experiencia fluida y agradable.
También se han actualizado las guías del usuario y del administrador de licencias para reflejar la actualización del reproductor de cursos. Puede encontrar estas guías en la página de inicio de Minitab Education Hub.
- Detalles
- Categoría: Comsol
- Visto: 1786
Introducción
Las pilas de combustible de óxido sólido (solid oxide fuel cell, SOFC) alimentadas con hidrógeno son una solución prometedora para la generación de energía limpia. Su capacidad para convertir hidrógeno en electricidad de manera eficiente y con bajo impacto ambiental las posiciona como una tecnología ideal para sistemas energéticos sostenibles. El artículo titulado “On the validation and applicability of multiphysics models for hydrogen SOFC” [1], publicado en la revista Journal of Power Sources de la editorial Elsevier, presenta una investigación desarrollada por B. Díaz y sus colaboradores en la que se utiliza COMSOL Multiphysics® para modelizar esta tecnología de pila de combustible, enfocándose en el transporte de masa y en la incertidumbre de parámetros clave como la conductividad iónica y la densidad de corriente de intercambio.
Modelado/Simulación
La Figura 1(a) muestra un esquema conceptual de la pila de combustible SOFC, que opera a 850ºC, que se ha modelizado y la Figura 1(b) muestra la geometría cilíndrica en tres dimensiones creada en COMSOL Multiphysics. Los autores utilizaron la malla que se muestra en la Figura 1(c), con el objetivo de conseguir un equilibro entre coste computacional y precisión en los resultados obtenidos a partir de las simulaciones numéricas. El acoplamiento entre las distintas físicas que intervienen en el modelo se muestra en la Figura 2. En el estudio se implementaron dos modelos para estudiar el transporte de masa: Maxwell–Stefan y la ley de Fick.
Figura 1. Pila de combustible SOFC modelizada en COMSOL Multiphysics®. (a) Sección transversal (figura descriptiva, las dimensiones no se corresponden con las del modelo). (b) Geometría 3D creada. (c) Mallado.
Figura 2. Diagrama conceptual del acoplamiento de las distintas físicas que incluidas en la modelización.
Resultados/Conclusiones
De acuerdo con los resultados obtenidos, el modelo de Maxwell–Stefan para el transporte de masa es más robusto frente a la incertidumbre de los parámetros, y presentó una dependencia logarítmica de la conductividad iónica. Sin embargo, requiere un mayor coste computacional frente al modelo basado en la ley de Fick, que es más simple.
Este estudio, pone de manifiesto el potencial de COMSOL Multiphysics® como herramienta para el estudio de problemas con físicas complejas acopladas como los que se presentan en dispositivos electroquímicos y tecnologías de hidrógeno. Además, resulta un programa excelente para comparar distintos modelos para estudiar fenómenos como la transferencia de masa y evaluar la sensibilidad con respecto a parámetros con una influencia clave en los resultados de las simulaciones numéricas.
Referencias
[1] B. Díaz, D. Celentano, P. Molina, M. Sancy, L. Troncoso, M. Walczak. On the validation and applicability of multiphysics models for hydrogen SOFC. Journal of Power Sources (2024), 607, 234493
- Detalles
- Categoría: Minitab
- Visto: 1353
Cualquiera que haya tomado un curso de ciencias, aunque sea de nivel medio, sabe que un procedimiento minucioso y un laboratorio organizado son la forma más eficiente de garantizar el éxito de un experimento. Sin embargo, al pasar de los laboratorios de la escuela media a los laboratorios de la escuela secundaria, a los laboratorios universitarios y a los laboratorios profesionales reales, las cosas se complican mucho más. Los procedimientos se vuelven más complejos , la organización se vuelve más difícil y los experimentos fallan con mayor frecuencia. Cualquier investigador de cualquier nivel sabe que la experimentación es complicada: nueve de cada diez veces, las cosas no siempre salen como uno quiere.
Por qué la organización es importante en laboratorios de todos los tamaños
Aunque un investigador no pueda controlar por completo el éxito o el fracaso, lo que siempre se puede controlar en un entorno de laboratorio es la organización. A menudo, los procedimientos escritos se vuelven un caos y se pierden los dibujos o las notas físicas. Con Minitab Workspace, puede garantizar una organización visual y escrita ideal con total facilidad. Los formularios como el formulario de Métricas Y pueden ayudar con la recopilación de datos, mientras que la Hoja de trabajo de planificación del DOE es perfecta para diseñar experimentos y garantizar que se tengan en cuenta todas las variables. Para demostrarlo, observemos uno de los experimentos científicos más famosos y usemos Minitab Workspace para dibujar un procedimiento detallado.
En 1862, el científico francés Louis Pasteur ideó un experimento que se escribiría en los libros de texto de ciencias durante años. Fue un experimento que refutó la generación espontánea, la idea de que las formas de vida podían surgir de otras inertes sin necesidad de que se las provocara, y que también fue un ejemplo ideal del método científico y el procedimiento científico. Casi todas las personas con educación secundaria han aprendido este experimento, y es el siguiente:
- Prepare un caldo y vierta una cantidad igual en dos matraces de cuello largo diferentes. Uno de ellos debe tener el cuello recto y el otro debe estar doblado en forma de S.
- Hervir el caldo en cada matraz para matar cualquier ser vivo en el líquido.
- Deje el líquido de cada matraz a temperatura ambiente. Asegúrese de que los cuellos de ambos matraces estén abiertos.
- Después de unas semanas, tome observaciones del caldo en cada matraz. ¿Hay alguna diferencia?
Súper sencillo, ¿verdad? De hecho, es un experimento muy fácil que cualquier científico de cualquier edad podría llevar a cabo.
Pero ¿y si le dijera que podría ser aún más fácil? Una de las mejores medidas que puede adoptar un investigador para optimizar los resultados es asegurarse de que su procedimiento sea minucioso y de que comprenda exactamente qué está probando y qué significa exactamente cada paso. De esa manera, cuando algo salga mal, el error potencial se podrá detectar de manera fácil y rápida. Con Minitab Workspace, la comprensión de los procedimientos puede llevarse al siguiente nivel con diagramas y diagramas de flujo visuales al alcance de su mano.
Visualización del éxito: mapas de procesos y más en Minitab Workspace
Al crear un mapa de procesos en Minitab Workspace, podemos crear este diagrama de flujo para el experimento de Pasteur que describe los pasos y notas más breves que incluyen información clave en menos de cinco minutos. Este procedimiento ya se está perfilando como más atractivo y fácil de seguir que nuestro procedimiento escrito anterior. Con un poco más de ajustes, podemos personalizar nuestro diagrama aún más con funciones útiles:
En esta segunda iteración, este diagrama de flujo del experimento de Pasteur ahora está codificado por colores e incluye diagramas para una mejor visualización. Incluso con un experimento relativamente simple que es bastante directo y breve, existen todo tipo de posibilidades para crear un diagrama de flujo óptimo en Minitab Workspace.
En el caso de experimentos más grandes, se pueden utilizar formularios adicionales, como una Carta del proyecto, que pueden proporcionar una descripción general de los objetivos y las metas, mientras que una lista de tareas garantiza que se realice un seguimiento de todos los pasos y se asignen a las personas adecuadas. Estas funciones hacen que la gestión de proyectos complejos no solo sea más sencilla, sino también más eficiente.
Con el avance de la tecnología, los laboratorios están cambiando, y para mejor. Solo es necesario que los procedimientos y la organización del laboratorio crezcan a la velocidad de la tecnología. Minitab Workspace ofrece todo tipo de funciones útiles y eficientes para ampliar la forma en que aborda la recopilación de datos, ya sea un estudiante de séptimo grado que comienza con el experimento de Pasteur o un médico que está encontrando la cura para el cáncer de páncreas. Considere Minitab Workspace junto con otras aplicaciones de Minitab, como Minitab Statistical Software, para sus necesidades de investigación.
Esta publicación de blog fue escrita por Delinda Ura, becario de marketing del verano de 2024 en Minitab LLC.
- Detalles
- Categoría: Lakes
- Visto: 1755
La EPA de EE.UU. ha estado muy activa este mes. La actualización de su Guía de Modelos de la Calidad del Aire, junto con los cambios asociados al sistema de modelado AERMOD significan que Lakes Environmental estará muy ocupado en las próximas semanas, ya que actualizará sus productos AERMOD View y AERMET View para incorporar los nuevos modelos. Estos cambios adoptan muchas formas:
- Inclusión de nuevos ejecutables de modelos en cada aplicación (AERMOD y AERMAP en AERMOD View, AERMET y AERSURFACE en AERMET View)
- Desarrollo de un nuevo modelo AERMOD MPI paralelizado
- Incorporación de nuevas características correspondientes a cada lanzamiento del modelo
- Actualización de la funcionalidad del modelo existente (por ejemplo, elevación de RLINE, GRSM y COARE para que funcionen con el modo regulatorio predeterminado de AERMOD)
- Garantizar que todos los aspectos de los modelos se manejen con una precisión del 100%
- Actualización de la documentación
- ¡Y más!
Anticipamos que las actualizaciones de Lakes Environemental Software se completarán en diciembre de 2024. Esté atento a la comunicación por correo electrónico de Lakes Environmental anunciando la disponibilidad de las nuevas versiones de AERMOD View y AERMET View.
Si su copia de AERMOD View no está en mantenimienot, contacte con nuestro departamento comercial para solicitar su presupuesto.
- Detalles
- Categoría: Comsol
- Visto: 2466
La versión 6.3 de COMSOL Multiphysics® ofrece nuevas capacidades de simulación, que incluyen mejoras significativas en el rendimiento y actualizaciones de la interfaz de usuario. El nuevo módulo de descarga eléctrica (Electric Discharge Module) permite realizar simulaciones detalladas de descargas eléctricas y rupturas en gases, líquidos y sólidos, mientras que la aceleración por GPU ofrece simulaciones acústicas hasta 25 veces más rápidas y entrenamiento de modelos subrogados. Las nuevas herramientas de preparación de geometría dan como resultado mallas de mayor calidad para simulaciones más rápidas y sólidas. Un entorno Java interactivo admite ediciones de modelos sobre la marcha mediante la API de COMSOL, con un chatbot opcional disponible para ayudar en la programación Java.
Las nuevas capacidades multifísicas para mecánica estructural incluyen funciones para modelar la electromecánica de estructuras delgadas y la hinchazón inducida por la humedad, así como una gestión simplificada de puntos de soldadura y fijaciones. El modelado del flujo de fluidos se ha ampliado con modelos de turbulencia de tensión de Reynolds para la simulación de patrones de flujo anisotrópico y separado. Las simulaciones electromagnéticas ahora ofrecen cálculos de fuerza electrostática más precisos para dispositivos MEMS y nuevas capacidades para el modelado eficiente de hierro laminado en motores y transformadores. Un nuevo flujo de trabajo mejora drásticamente el manejo de estructuras periódicas en óptica de ondas, y una nueva herramienta de extracción de parámetros RLGC para líneas de transmisión mejora aún más el modelado de RF y microondas.
A continuación, hemos resumido las principales novedades de la versión 6.3 del software COMSOL®:
Actualizaciones generales
- Nuevo módulo de descarga eléctrica para simular descargas en gases, líquidos y sólidos
- Aceleración GPU que ofrece simulaciones acústicas transitorias hasta 25 veces más rápidas
- Herramientas automatizadas de preparación de geometría para una generación de mallas robusta
- Entorno Java interactivo que permite realizar modificaciones de modelos sobre la marcha mediante la API de COMSOL para su uso con Java
- Herramienta de chatbot opcional que proporciona asistencia con el código Java y respuestas a consultas generales
- Creación eficiente de modelos subrogados con soporte de entrenamiento basado en GPU
- Resolvedor de valores propios no lineal
- Marcadores de gráficos interactivos para valores de campo
- Unidades predeterminadas definidas por el usuario
- Los comentarios en la ventana Propiedades ahora también se muestran en la ventana Configuración
- Resolvedor de optimización de parámetros globales
- Nueva ventana del Visor de datos para un fácil acceso a parámetros y declaraciones
- Cálculos por lotes controlados por línea de comandos con bases de datos de Model Manager
Electromagnetismo
- Modelado eficiente de hierro laminado en motores y transformadores
- Soporte para excitación de cuadratura directa (DQ) en motores, lo que permite estrategias de control comunes y cálculos de parámetros clave de la máquina
- Modelado de conductores de bobinas Litz homogeneizadas, teniendo en cuenta el número de hilos, la resistencia de CC y la pérdida de alta frecuencia
- Precisión mejorada en los cálculos de fuerza electrostática para dispositivos MEMS
- Simulación de la dispersión dieléctrica en tejido biológico
- Cálculo de parámetros RLGC para líneas de transmisión multiconductoras
- Análisis de líneas de transmisión en el dominio del tiempo
- Configuración automatizada de estructuras periódicas en óptica ondulatoria
- Generación automática de diagramas de puntos y gráficos de funciones de transferencia de modulación geométrica (MTF) en óptica de rayos
- Cálculo preciso de la corriente de fuga en dispositivos semiconductores
- Interfaces dedicadas para simular el flujo de plasma no isotérmico
Mecánica estructural
- Modelado electromecánico de carcasas y membranas
- Simulación multifísica de la contracción y el hinchamiento inducidos por la humedad
- Modelado eficiente de puntos de soldadura y fijaciones
- Condiciones de contacto mecánico para límites interiores, eliminando la necesidad de pares de contacto
- Simulación viscoelástica en el dominio del tiempo con propiedades de material dependientes de la frecuencia
- Modelado geométrico de materiales compuestos de partículas aleatorias
- Biblioteca de piezas para geometrías de celosía
- Cálculos de plasticidad hasta un 50% más rápidos
- Plasticidad dependiente de la presión para espumas
Acústica
- Cálculos acelerados por GPU para acústica de presión explícita en el tiempo
- Simulación en el dominio del tiempo con propiedades de materiales dependientes de la frecuencia
- Simulación acústica termoviscosa más rápida utilizando el modelo linealizado secuencial de Navier-Stokes (SLNS)
- Modelado poroacústico anisotrópico
Fluido y calor
- Modelos de turbulencia de tensión de Reynolds para flujos secundarios en conductos y flujos con fuerte remolino o rotación media
- Simulaciones de flujo de alto número de Mach mejoradas con una nueva opción de energía cinética
- Migración inducida por cizallamiento para fraccionamiento de partículas y microfiltración
- Funcionalidad de plano de mezcla para modelado eficiente de bombas, turbinas y maquinaria rotatoria en general
- Flujo no newtoniano en medios porosos
- Simulaciones de secado rápido con transporte de humedad fuera de equilibrio
- Método de celdas unitarias repetitivas para transferencia de calor en materiales compuestos y medios porosos
- Disparo de rayos hacia adelante para una mayor precisión de la radiación externa
- Aumento del rendimiento de la radiación de superficie a superficie en modelos más grandes
Química y electroquímica
- Nuevo modelo de dos electrodos concentrados y opciones de electrodos de una sola partícula para el diseño de baterías
- Formulación precisa para modelar electrolitos concentrados en celdas electroquímicas
- Simulación de precipitación y cristalización para nucleación y crecimiento de partículas con distribución de tamaño de partícula
- Aplicación de demostración que presenta modelos subrogados dependientes del tiempo para ciclos de prueba de batería
Geometría, malla, módulo de importación CAD, módulo de diseño y productos LiveLink™ para CAD
- Detección y eliminación automática de pequeños detalles y espacios para una generación de mallas robusta
- Nuevo algoritmo de dimensionamiento de elementos de malla para resolver detalles geométricos
- Mallado controlado por física para archivos STL importados
- Operaciones de extrusión y revolución para aristas y vértices
- Selección de componentes a importar desde un ensamblaje
- Filetes de radio variable y ancho constante
- Proyección de aristas hacia las caras
- Nueva operación virtual para fusionar rostros
- Malla de barrido más fácil entre superficies desconectadas
- Importación de contornos de componentes y creación de vías chapadas para PCB
- Exportación ECAD al formato OASIS
Oracle y Java son marcas registradas de Oracle y/o sus filiales.