- Detalles
- Categoría: Comsol
- Visto: 873
En COMSOL Multiphysics® una malla conforme (conforming mesh) es aquella en la que los nodos y elementos se ajustan exactamente a las fronteras y geometrías del dominio del modelo (ver la Figura de la portada que presenta la comparación entre una malla conforme y otra no conforme), presentando las siguientes características principales:
- No hay superposición ni huecos entre subdominios.
- Las interfaces comparten nodos comunes, garantizando continuidad de las variables (como potencial o temperatura).
En COMSOL Multiphysics®, como se muestra en la Figura de portada, una malla no conforme (non-conforming mesh) es aquella en la que las fronteras entre subdominios no comparten nodos coincidentes, y el acoplamiento entre ellos para garantizar la continuidad entre los elementos no alineados se hace mediante interfaces matemáticas (por ejemplo, Identity Pairs).
Aunque en principio una malla conforme parece más “limpia” y físicamente continua, una malla no conforme tiene ventajas importantes en ciertos contextos. El uso de una malla no conforme (non-conforming mesh) en COMSOL ofrece flexibilidad, ya que permite mallar subdominios de forma independiente sin necesidad de que los nodos coincidan en las interfaces. Esto facilita el trabajo con geometrías complejas o multiescala, reduce el tiempo de mallado, y permite refinar localmente las zonas de mayor interés sin afectar al resto del modelo. Además, resulta especialmente útil en modelos multifísicos o con partes móviles, donde simplifica el acoplamiento entre dominios y evita tener que remallar toda la geometría al modificar componentes o condiciones del sistema.
Como se muestra en la Figura 2, para crear una non-comforming mesh es necesario que la configuración del nodo de terminación de la geometría sea de tipo “form assembly”. Esta operación también puede crear de forma automática una condición de contorno de pares idénticos (identity boundary pairs) para garantizar la continuidad entre los elementos no alineados.
Este consejo le proporcionará una herramienta útil para llevar a cabo sus modelizaciones y simulaciones numéricas en COMSOL Multiphysics®.
Figura 2. Nodo de terminación de geometría configurado como “form assembly” y creación automática de “identity pairs”.
Referencias
[1] COMSOL Blog: Using Discontinuous Meshes for Conjugate Heat Transfer Modeling.
- Detalles
- Categoría: Minitab
- Visto: 859
Por Oliver Franz.
El desafío: Empezar puede ser la parte más difícil
Ha conectado sus datos y abierto un nuevo panel, pero ahora se encuentras frente a un lienzo en blanco.
¿Por dónde empezar? ¿Qué gráficos son los más útiles? ¿Cómo convertir los números en una historia que sus compañeros puedan entender? Antes incluso de llegar ahí, es posible que su conjunto de datos necesite algo de trabajo: filtrar filas, reemplazar valores, corregir formatos inconsistentes. La preparación de datos puede ser tediosa, e incluso las tareas de limpieza simples pueden llevar horas, especialmente para usuarios nuevos u ocasionales.
Minitab ha ayudado a las personas a superar estos desafíos durante décadas. Siempre hemos creído que el análisis debe ser potente, accesible y preciso. Mucho antes de que la IA generativa se popularizara, Minitab integraba algoritmos avanzados, análisis predictivo y aprendizaje automático en nuestra plataforma. Nuestro compromiso de combinar la innovación con el rigor estadístico nos ha convertido en un líder confiable en el análisis de datos.
Durante el último año, hemos seguido desarrollando ese legado al integrar la IA generativa directamente en nuestros productos, lo que facilita más que nunca a los usuarios la interpretación de datos y la generación de ideas. En Minitab Statistical Software, presentamos resúmenes en lenguaje natural impulsados por IA que ayudan a los usuarios a comprender rápidamente sus resultados sin tener que analizar información compleja. En Minitab Brainstorm y Minitab Workspace, hemos aprovechado la IA para impulsar la creatividad y acelerar la generación de ideas, lo que ayuda a los equipos a pasar del concepto a la ejecución de forma más rápida y eficaz.
Ahora, estamos ampliando la forma en que la IA impulsa el análisis y la toma de decisiones en toda la plataforma, ayudando a los usuarios a preparar datos, crear paneles y descubrir información que genere resultados significativos. Estas últimas mejoras en el Centro de Soluciones de Minitab (Minitab Solution Center) facilitan superar la página en blanco y llegar a conclusiones más rápido con claridad, confianza y control. Esta es una IA en la que puede confiar, diseñada para mejorar su juicio, no para reemplazarlo.
Creación automática de paneles con IA: Pase de los datos al diseño en segundos
Convertir los datos en información debería ser sencillo. Con la creación automática de paneles, Minitab sugiere instantáneamente gráficos, métricas y diseños que tienen sentido para sus datos en el momento en que conecta un conjunto de datos, lo que le proporciona un punto de partida sólido sin la pantalla en blanco.
Verá un panel listo para usar con elementos visuales e indicadores clave ya configurados. Puede editarlo, reorganizarlo o agregarle elementos en cualquier momento, pero nunca tendrá que empezar desde cero, lo que le ahorrará horas de valioso tiempo.
Esta nueva función de IA ayuda a los usuarios a encontrar la dirección más rápido y a centrarse en interpretar los resultados en lugar de lidiar con la configuración. Convierte ese primer momento de duda en progreso y conocimiento.
Más información sobre los paneles con IA
Preparación de datos en lenguaje natural: Hable con sus datos
Por supuesto, los mejores paneles comienzan con datos limpios y fiables. Ahí es donde entran en juego las nuevas funciones de preparación de datos con IA de Minitab.
La nueva preparación de datos conversacional en Minitab Data Center le permite describir lo que desea hacer en lenguaje sencillo.
Por ejemplo, simplemente puede escribir:
"Filtrar mi conjunto de datos por Pensilvania."
La IA de Minitab comprende su intención, aplica la acción correcta y muestra el resultado en los pasos de preparación de datos. Puedes revisar o ajustar el resultado cuando lo necesite.
Esta capacidad elimina clics innecesarios y ayuda a cualquier persona, independientemente de su nivel de experiencia, a trabajar con datos de manera eficiente. Ahorra tiempo, reduce la confusión y mantiene cada transformación visible y fácil de entender.
Vea cómo Data Center puede reducir drásticamente el tiempo de preparación de sus datos
IA donde importa
La IA de Minitab aparece donde realmente importa: en el trabajo diario de explorar, limpiar y visualizar datos. Ayuda a los usuarios a centrarse en comprender sus resultados y resolver problemas, no en averiguar por dónde empezar.
También amplifica su experiencia. La plataforma de Minitab combina el poder de la IA generativa y predictiva con la precisión de métodos estadísticos confiables, brindándole información clara, rastreable y lista para la acción.
Estas mejoras forman parte del compromiso continuo de Minitab para ayudar a los usuarios a pasar sin problemas de la preparación de datos a la visualización y la toma de decisiones. La experiencia es más rápida, más intuitiva y está diseñada para funcionar bajo presión.
- Detalles
- Categoría: BIOVIA
- Visto: 1702
Cribado virtual GOLD en el descubrimiento de fármacos
En el panteón de los algoritmos de cribado virtual, GOLD (Genetic Optimization for Ligand Docking) del Centro de Datos Cristalográficos de Cambridge (CCDC) destaca como un caballo de batalla de confianza, cuya reputación y fiabilidad se han construido y mantenido durante más de 20 años. Es conocido por su capacidad para predecir con precisión cómo se unen los ligandos a los sitios de unión de proteínas, ayudando a los investigadores a través de las etapas del descubrimiento de fármacos, desde la identificación de los clientes potenciales hasta la optimización de los mismos, para centrarse en los candidatos terapéuticos más prometedores.
En esencia, GOLD utiliza un algoritmo genético para imitar el proceso de selección natural, explorando de manera eficiente el espacio conformacional de moléculas pequeñas en busca de las mejores formas en que un ligando puede orientarse en un sitio de unión a proteínas. GOLD puede manejar tanto la flexibilidad del ligando como la flexibilidad parcial en el objetivo de la proteína, así como el desplazamiento de las moléculas de agua durante el proceso de unión. GOLD ofrece múltiples funciones de puntuación para evaluar la afinidad de unión y la calidad de la pose, y esto ha ayudado a convertirlo en un algoritmo versátil, adaptable a una amplia gama de objetivos de descubrimiento de fármacos.
GOLD y Discovery Studio
La relación entre GOLD y Discovery Studio se remonta a 2006 antes de que la empresa, Accelrys, pasara a formar parte de Dassault Systèmes. Las herramientas de preparación de proteínas en Discovery Studio fueron preferidas por muchos usuarios en ese momento, y hasta el día de hoy siguen siendo flujos de trabajo excelentes y fáciles de usar para preparar automáticamente estructuras de proteínas. Desde la corrección de problemas con estructuras cristalinas experimentales, átomos faltantes, cadenas laterales y bucles, hasta el cálculo de estados de pK y protonación y la identificación y preparación de sitios de unión, muchos usuarios prefieren la interfaz y las herramientas de Discovery Studio. Los usuarios también tienen la opción de seleccionar a mano cada uno de los aspectos de la preparación de proteínas por sí mismos y también incluir otros pasos, como la dinámica molecular para refinar estructuras. Para la preparación de ligandos existen herramientas para bibliotecas de ligandos para corregir valencias, ionización, tautómeros e isómeros, así como para generar coordenadas 3D listas para acoplarse.
Después de acoplar sus bibliotecas de ligandos con GOLD, los usuarios encuentran que la gran cantidad de herramientas de refinamiento, análisis y filtrado posteriores al acoplamiento en Discovery Studio son esenciales para optimizar los resultados del acoplamiento. Los usuarios pueden refinar aún más fácilmente las poses acopladas con minimización y dinámica molecular adicionales. Si las numerosas funciones de puntuación en GOLD no son suficientes para el objetivo de un usuario, Discovery Studio proporciona una gran cantidad de funciones de puntuación de literatura adicional, funciones de puntuación de varios otros algoritmos de acoplamiento, así como funciones basadas en energía, como la energía de enlace y los cálculos de energía de interacción. Además, las interacciones detalladas sin vínculo se pueden calcular y analizar rápidamente para todas las poses. En conjunto, estos datos ayudan a los usuarios a clasificar mejor las poses, filtrar las interacciones y orientaciones indeseables y discriminar entre ligandos activos e inactivos, según los objetivos de detección particulares. Dependiendo de la etapa de una evaluación virtual en la que estén trabajando los usuarios (prueba, validación o pantalla final), Discovery Studio incluye un conjunto completo de herramientas para maximizar los resultados y el valor de la evaluación virtual GOLD.
GOLD en la plataforma 3DEXPERIENCE
Hoy, la colaboración entre BIOVIA y CCDC se refuerza con la incorporación de GOLD a la plataforma 3DEXPERIENCE, donde ahora está disponible y accesible desde un mayor número de aplicaciones.
BIOVIA Discovery Studio Simulation es la versión software como servicio (SaaS) de la conocida herramienta de simulación y modelado atomístico de ciencias de la vida BIOVIA Discovery Studio. Ofrece las mismas capacidades para ejecutar procesos de virtual screening con GOLD, junto con todas las herramientas y flujos de trabajo complementarios ya descritos.
La principal diferencia radica en que Discovery Studio Simulation ejecuta todos los cálculos en la infraestructura en la nube de alto rendimiento de Dassault Systèmes, dentro de la plataforma 3DEXPERIENCE.
Esto libera a los usuarios de las preocupaciones relacionadas con el hardware, la instalación o el mantenimiento de TI, y les permite aprovechar la flexibilidad de los recursos compartidos en la nube.
Gracias a ello, pueden acceder de forma inmediata a la potencia de cálculo necesaria para respaldar distintos tipos y escalas de proyectos de descubrimiento de fármacos, sin requerir costosas inversiones iniciales en equipos propios.
GOLD también está disponible como método de cribado virtual dentro de Generative Therapeutics Design (GTD), la más reciente aplicación de BIOVIA para la generación y optimización de leads de moléculas pequeñas, así como en Insight for Research, una herramienta que permite a los químicos medicinales analizar y visualizar datos experimentales.
Cuando un químico computacional desarrolla un protocolo de acoplamiento exitoso para una diana específica utilizando GOLD y Discovery Studio Simulation, el modelo de proteína y el método empleados pueden publicarse en el repositorio de modelos del proyecto.
De este modo, los demás miembros del equipo pueden acceder fácilmente a ellos y reutilizarlos desde GTD o Insight for Research, fomentando la colaboración y la coherencia en los flujos de trabajo de diseño molecular.
GTD actúa como un verdadero nexo en el diseño de fármacos, un punto central donde los usuarios pueden integrar numerosos modelos destinados a generar nuevas terapias basadas en moléculas pequeñas, optimizadas según un perfil de producto objetivo (TPP) definido a medida.
Estos modelos pueden incluir algoritmos de aprendizaje automático, modelos de acoplamiento de farmacóforos 3D o modelos GOLD de Discovery Studio Simulation, entre otros, y pueden combinarse libremente para evaluar tanto dianas terapéuticas como antidianas.
Además, es posible incorporar calculadoras de propiedades relacionadas con el desarrollo de fármacos, como propiedades fisicoquímicas, predicciones ADME/Tox o puntuaciones de viabilidad de síntesis, contribuyendo así a construir un TPP más completo y realista.
Durante el proceso, GTD genera nuevas moléculas y las evalúa mediante optimización multiobjetivo, conservando las mejores y repitiendo iterativamente el ciclo generativo para producir candidatos moleculares óptimos, listos para ser sintetizados por los químicos de laboratorio.
Los resultados experimentales se retroalimentan al sistema para reentrenar los modelos y refinar el perfil objetivo, acelerando la evolución de las siguientes generaciones de moléculas.
En este contexto, para proyectos de diseño de fármacos que implican una diana proteica, GOLD desempeña un papel fundamental al acelerar la ideación generativa de candidatos más prometedores para los equipos de descubrimiento. Los usos de GOLD en la plataforma 3DEXPERIENCE se han enfocado tradicionalmente en usuarios expertos, como los químicos computacionales, que realizan campañas de virtual screening o emplean métodos de acoplamiento como parte de programas de optimización dentro del diseño generativo de fármacos.
Sin embargo, GOLD también está disponible para los miembros no expertos del equipo de descubrimiento a través de la aplicación Insight for Research de 3DEXPERIENCE. El mismo modelo y protocolo de acoplamiento GOLD publicado desde Discovery Studio Simulation, que se utiliza en los ciclos generativos de GTD, puede ser empleado por los químicos medicinales para explorar ideas moleculares propias.
El modelo publicado en Insight for Research simplifica al máximo el proceso de acoplamiento, permitiendo a los usuarios centrarse en analizar los ligandos acoplados y priorizar los candidatos más prometedores para avanzar al laboratorio.
Un algoritmo de virtual screening tan ampliamente validado y reconocido como GOLD es una herramienta esencial en el conjunto actual de métodos de diseño de fármacos, ya que permite predecir con precisión las interacciones moleculares y acelerar la identificación y optimización de nuevas terapias.
La integración de GOLD en la plataforma 3DEXPERIENCE con Discovery Studio Simulation, Generative Therapeutics Design (GTD) e Insight for Research ofrece una combinación muy potente. Juntas, estas aplicaciones proporcionan un algoritmo de acoplamiento avanzado, un diseño iterativo de moléculas y herramientas integrales de análisis virtual, facilitando a los equipos de descubrimiento acelerar sus procesos y mejorar los resultados de desarrollo de fármacos.
- Detalles
- Categoría: Comsol
- Visto: 920
COMSOL Multiphysics® ha sido herramienta clave para modelizar y analizar el ciclo de adsorción-desorción en un sistema de Direct Air Capture (DAC) basado en adsorbentes sólidos en el artículo titulado “Optimization of direct air capture processes using reactive transport models of adsorption-desorption cycles” [1] recientemente publicado en la revista Computers & Chemical Engineering de la editorial Elsevier. La Figura 1 muestra el diagrama del proceso de captura de aire estudiado.
Figura 1. Ciclo de adsorción para la captura directa de CO2.
El modelo del ciclo de adsorción se implementó en COMSOL Multiphysics® utilizando un componente unidimensional (1D). Se emplearon varios módulos y físicas de COMSOL Multiphysics®:
- Transport of Concentrated Species, para resolver las ecuaciones de transporte de masa de los componentes adsorbidos.
- Extended Darcy’s Law, para modelar el flujo de fluido en el lecho poroso del adsorbedor.
- Coefficient Form PDE, para formular ecuaciones diferenciales parciales personalizadas; se utilizó dos veces, una para describir la cinética de adsorción y otra para la transferencia de calor (temperatura).
- Chemistry Module, para calcular propiedades termodinámicas del sistema (densidad, viscosidad, difusividades), usando modelos de gas ideal y NRTL para las fases gaseosa y líquida, respectivamente.
La Figura 2 muestra los perfiles de captura de CO₂ y temperatura obtenidos a partir de las simulaciones en COMSOL Multiphysics®. Los resultados obtenidos se integraron posteriormente en Pyomo para formular el problema de optimización y con IPOPT para resolverlo, demostrando cómo la combinación de COMSOL Multiphysics® con herramientas de machine learning y optimización puede acelerar el diseño de sistemas energéticos sostenibles.
Figura 2. Perfiles de captura de CO₂ y temperatura para una geometría 2D axisimétrica, bajo las condiciones óptimas de operación obtenidas mediante el modelo 1D simulado en COMSOL Multiphysics®. a) Perfil de captura de CO₂ durante la etapa de adsorción. b) Perfil de temperatura durante la etapa de adsorción. c) Perfil de captura de CO₂ durante la etapa de desorción. d) Perfil de temperatura durante la etapa de desorción.
Referencias
[1] Pedrozo et al. Optimization of direct air capture processes using reactive transport models of adsorption-desorption cycles, Computers & Chemical Engineering (2026), 204, 109379.
- Detalles
- Categoría: NAG
- Visto: 688
Cuando las empresas trasladan cargas de trabajo analíticas a nuevas arquitecturas, la precisión y la reproducibilidad no pueden verse comprometidas. Nuestro último proyecto de ingeniería demuestra cómo nAG cierra la brecha entre la precisión numérica y la eficiencia en la nube, creando una implementación de Linux ARM a medida de la biblioteca nAG para una institución financiera líder.
Descubra cómo nuestro enfoque conecta algoritmos confiables con entornos informáticos en evolución, lo que garantiza la reproducibilidad, el rendimiento y la confianza a escala.
Lea la información técnica completa → https://nag.com/insights/bridging-the-gap-numerical-precision-cloud-efficiency/
Librerías nAG: Software numérico robusto y confiable, experiencia de vanguardia en HPC e IA. Acelerando la ingeniería, la ciencia y los negocios.
- Detalles
- Categoría: Minitab
- Visto: 777
Por Caitlin Pagano.
¿Qué sucede cuando la calidad es responsabilidad de todos, pero no es la prioridad de todos?
Si le preguntas a diez personas de tu organización quién es el responsable de la calidad, probablemente obtendrás diez respuestas diferentes.
Algunos podrían decir "el equipo de calidad". Otros podrían señalar operaciones, ingeniería o incluso éxito del cliente.
Pero lo cierto es que la calidad no es un departamento, sino una responsabilidad. Y últimamente, esa responsabilidad se siente más pesada que nunca.
La brecha de confianza oculta
En todos los sectores, los datos se han convertido en nuestro asesor más fiable, y a veces en nuestra mayor fuente de dudas. Realizamos un seguimiento, medimos, supervisamos e informamos sobre todas las operaciones comerciales. Sin embargo, cuando llega el momento de tomar una decisión, ¿cuántos de nosotros podemos decir con total seguridad: "Sí, estos datos son correctos y confío en lo que me dicen"?
Esa es la tensión silenciosa que experimentan la mayoría de las organizaciones. Tenemos más paneles de control que nunca, pero menos personas que se sientan realmente seguras al usarlos. Hemos automatizado la recopilación de datos, pero no su comprensión. Y hemos transformado la calidad de una disciplina en un resultado: algo que se debe lograr, no algo que se debe encarnar.
Cuando la calidad está presente en todas partes, la responsabilidad también debe estarlo.
Las organizaciones más exitosas no son las que tratan la calidad como un mero trámite. Son las que la tratan como un lenguaje compartido, hablado en todas las etapas: diseño, desarrollo, producción e incluso liderazgo.
Cuando una cultura de calidad se basa en la responsabilidad compartida, suceden dos cosas:
- Las personas toman mejores decisiones porque confían en el proceso y en los datos que lo respaldan.
- Los líderes obtienen una visibilidad real, no solo de las métricas, sino también de la confianza que las respalda.
En otras palabras, la calidad deja de ser una función aislada y se convierte en el tejido conectivo de la organización.
La responsabilidad como la nueva ventaja
Al adentrarnos en un nuevo Mes de la Calidad, tal vez la pregunta no sea "¿cómo podemos medir la calidad?".
Tal vez la pregunta sea "¿cómo podemos apropiarnos de ello?".
La calidad no es algo que se logra después de la fabricación de un producto o la prestación de un servicio; está presente en cada acción, decisión y traspaso que se produce a lo largo del proceso. Las organizaciones que prosperan son aquellas que hacen que la confianza sea medible, rastreable y compartida.
Porque, al fin y al cabo, el éxito no depende solo de la calidad, sino también de la confianza que tu gente tiene en su capacidad para crearla.
- Detalles
- Categoría: BIOVIA
- Visto: 700
A través de ciclos iterativos de generación molecular y poda, GTD refina estos candidatos, pero 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 explicar dónde se originaron los nuevos candidatos moleculares, se ha desarrollado una nueva función de visualización. Esta característica, llamada árbol genealógico, proporciona una representación gráfica interactiva del historial de transformación de una molécula. Construido con Angular y D3.js, tiene como objetivo mejorar tanto la transparencia como la interpretabilidad del proceso de diseño molecular.
Este componente se integra como una pestaña de visualización dedicada dentro de la vista detallada de cada compuesto. Cuando se selecciona una molécula, el árbol se genera dinámicamente y se centra en esa molécula, lo que permite a los usuarios rastrear sus orígenes y ver moléculas relacionadas a lo largo de su linaje. Al hacer clic en un nodo, los usuarios pueden acceder a información molecular relevante, como representación estructural, detalles de transformación, valores de propiedades y puntuaciones de rendimiento.
Visualización del árbol genealógico
Mostrado como un diagrama en forma de árbol, el árbol genealógico muestra cómo se ha llegado a una molécula a través de múltiples pasos de transformación, a partir de un compuesto de entrada proporcionado por el usuario. Cada nodo del árbol representa una molécula, y cada borde corresponde a una alteración realizada por el motor generativo GTD que produce nuevos candidatos a partir de los anteriores. Procediendo de izquierda a derecha en la visualización, las moléculas de entrada se representan como nodos raíz, y las ramas ilustran los diversos caminos que GTD ha explorado para llegar a una estructura final que se muestra en el borde derecho del diagrama.
Más allá de simplemente mostrar cómo se generó una molécula, el árbol genealógico ofrece una visión más amplia de todo el camino de exploración. Ayuda a identificar no solo direcciones de diseño prometedoras, sino también ramas menos exitosas, casos en los que no se produjeron moléculas bien calificadas. Esta visibilidad ayuda a identificar dónde la configuración del filtro o el dominio de aplicabilidad pueden estar cortando la exploración. También aclara qué clases de moléculas de entrada se han explorado a fondo y cuáles fueron superadas rápidamente.
En resumen, el árbol genealógico es una herramienta poderosa para cualquiera que busque comprender el proceso de evolución molecular en GTD. Aporta claridad a los resultados de experimentos complejos y apoya un diseño y parametrización más informados de los experimentos GTD posteriores