Detalles

Categoría: MapleSim

Publicado: 14 Noviembre 2025

Visto: 303

• MapleSim
• digital twin
• gemelos digitales

Con las soluciones de simulación de última generación creadas a partir de modelos de MapleSim, se puede acelerar el desarrollo de productos, transformar el rendimiento del hardware de automatización e incluso admitir diagnósticos en tiempo real para los activos de la flota industrial.

¿Qué es un gemelo digital?

Tanto las simulaciones como los gemelos digitales utilizan modelos digitales para representar los diversos procesos de un sistema, pero un gemelo digital proporciona un entorno virtual que se mantiene actualizado, lo que lo hace más flexible para las aplicaciones a lo largo del ciclo de vida de un producto

Un gemelo digital se puede utilizar durante la I+D y la producción, hasta la monitorización y el mantenimiento. Desbloquea sinergias al proporcionar una única fuente de información veraz en todos los departamentos, desde el diseño hasta la formación y el marketing.

Maplesoft se ha alineado con los líderes del sector para aceptar una definición común de gemelo digital:

Un gemelo digital es un modelo virtual de un producto físico correspondiente que se complementa con datos operativos en tiempo real para responder de la misma manera que el producto físico.

Ahorro de tiempo y dinero en el diseño Pruebas de control más rápidas Tiempo de inactividad reducido Respuestas de modelados fiables

Beneficios de los gemelos digitales a nivel de máquina En la industria, el gemelo digital ofrece posibilidades ilimitadas más allá del proceso de diseño. Para los equipos que modelan máquinas y sistemas industriales, esto incluye proporcionar un entorno virtual para el diseño, las pruebas, la monitorización, el diagnóstico y el desarrollo de una realidad extendida (realidad aumentada, virtual o mixta) para la visualización y la formación Si bien las simulaciones a nivel de fábrica tienen un atractivo visual, todo el proceso de diseño experimenta un aumento en el valor y la escalabilidad al aplicar el modelado a nivel de máquina La propuesta de valor clave de los gemelos digitales a nivel de máquina se origina en: Ahorro de tiempo y dinero en el diseño: La creación de prototipos virtuales con MapleSim es más económica y versátil para el desarrollo de productos que la creación de prototipos físicos. Pruebas de control más rápidas: La puesta en marcha virtual con MapleSim acelera la validación del código PLC y reduce el riesgo de dañar el hardware físico al probar diferentes estrategias de control. Nuestro código de simulación rápido y eficiente tiene la fidelidad necesaria para proporcionar resultados precisos con rendimiento en tiempo real Tiempo de inactividad reducido: La predicción precisa del comportamiento de los activos ayuda a configurar el mantenimiento proactivo, acelerar la respuesta de los equipos de soporte y reducir el tiempo de inactividad. El entorno virtual también se puede utilizar para solucionar problemas de rendimiento de la producción. Respuestas de modelado fiables: Los modelos de MapleSim de los sistemas de producción se pueden complementar con datos operativos y luego utilizarse para pruebas de calidad, desarrollar diagnósticos al monitorear flotas en tiempo real y para pronosticar métricas comerciales, como rendimiento, utilización o producción.

Primeros paso con los gemelos digitales

La mayoría de las empresas están entusiasmadas con la oportunidad y las eficiencias de adoptar técnicas de ingeniería digital, pero tienen dificultades para transformar varios sistemas a la vez, lo que las hace cautelosas de que realmente lograrán los objetivos comerciales a través del proceso.

Basándonos en nuestra experiencia apoyando a clientes en una variedad de industrias, ofrecemos una hoja de ruta de MapleSim para el éxito que se construye desde modelos digitales hasta gemelos digitales y le permite:

• Aplicar incrementalmente la estrategia de simulación en pasos para alinearse con sus objetivos comerciales
• Aprovechar los beneficios de completar las primeras etapas de simulación antes de planificar un mayor progreso.

A lo largo de este proceso, recomendamos:

Determinar los objetivos comerciales prioritarios En función de los puntos débiles operativos y necesidades comerciales, se pueden revisar las aplicaciones de gemelos digitales enumeradas anteriormente e identificar las más urgentes.	Comience con lo simple El primer paso es crear un modelo digital para simular el producto, y esto es fácil de completar utilizando los componentes a nivel de sistema en MapleSim, que destilan la simulación del producto en los elementos esenciales.
Adoptar el entorno de modelado virtual para las pruebas sin conexión Una vez creado el modelo virtual, se puede ahorrar tiempo y dinero utilizándolo para probar y validar su prototipo físico, su código de control e incluso para ayudar con las mejoras del producto y la solución de problemas en tiempo real.	Apoyarse en aquellos con experiencia. Las soluciones de servicio completo de Maplesoft pueden proporcionar un modelo inicial y facilitar la implementación de gemelos digitales, para que se pueda utilizar este poderoso enfoque para diagnosticar, corregir y optimizar el rendimiento de la máquina.

Hoja de ruta de MapleSim hacia los gemelos digitales a nivel de máquina

MapleSim proporciona un entorno de modelado eficiente y flexible para desarrollar el gemelo digital. Crear un modelo digital de MapleSim ofrece una representación virtual del producto y es el primer paso para aplicar la puesta en marcha virtual y los gemelos digitales para transformar digitalmente las operaciones.

La hoja de ruta de la solución progresiva proporciona un marco para cumplir rápidamente con los objetivos comerciales, con compromisos realistas de los recursos internos.

DISEÑO DE MÁQUINA El modelo de MapleSim actúa como un prototipo virtual , ayudando al diseñador a evaluar la sensibilidad de los parámetros y las expectativas generales de rendimiento, así como a seleccionar componentes, como engranajes y motores. CONTROL DE MÁQUINAS Como componente esencial de la puesta en marcha virtual moderna , el modelo de MapleSim sirve como una simulación realista para pruebas de PLC rápidas y precisas , lo que garantiza que los problemas de diseño de control se resuelvan antes de que lleguen a la planta de producción. OPERACIONES DE MÁQUINAS Cuando se combina con datos de rendimiento físico, el modelo de MapleSim se convierte en parte de un gemelo digital y proporciona características de valor añadido para sus procesos de producción, tales como: Evaluación del rendimiento y optimización del rendimiento operativo Implementación de sensores virtuales para evaluar parámetros difíciles de medir Desarrollo de diagnósticos en tiempo real para máquinas y controladores Mantenimiento correctivo y predictivo OPERACIONES DE IoT/FLOTAS La automatización de las actualizaciones de datos operativos mediante una solución de gemelo digital basada en la nube le permite incluir una flota de máquinas en la simulación de sus sistemas e instalaciones industriales. Esto desbloquea el ahorro de costos del modelado predictivo, la detección de fallas en tiempo real y el aumento del rendimiento de la línea.

Detalles

Categoría: Comsol

Publicado: 10 Noviembre 2025

Visto: 576

• COMSOL Multiphysics
• elementos finitos (FEM, MEF)
• tips
• mallado

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

Publicado: 10 Noviembre 2025

Visto: 368

• Minitab
• Minitab Statistical Software
• Minitab Solution Center
• Minitab IA

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

Publicado: 10 Noviembre 2025

Visto: 306

• BIOVIA
• Discovery Studio
• BIOVIA Discovery Studio

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

Publicado: 05 Noviembre 2025

Visto: 616

• COMSOL Multiphysics

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

Publicado: 04 Noviembre 2025

Visto: 391

• Bibliotecas nAG
• cálculos financieros

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.