- Detalles
- Categoría: Comsol
- Visto: 4571
Una de las últimas actualizaciones de Windows® impide que COMSOL Multiphysics® funcione correctamente. Por ello se ha publicado una nueva actualización del producto que animamos a todos los usuarios de COMSOL a instalar.
COMSOL Multiphysics version 5.3a update 4 está disponible para su descarga a través del enlace inferior.
Esta actualización contiene mejoras de rendimiento y estabilidad y puede aplicarse directamente a una instalación de la versión 5.3a (Build: 180) o superior. La forma más fácil de instalarla es arrancar el programa y seleccionar "Buscar actualizaciones de productos". En el sistema operativo Windows® está localizada en el menú Archivo bajo la opción Ayuda. En los sistemas operativos Linux® o macOS está localizada bajo el menú Ayuda.
Nota: Si todavía no ha descargado la versión 5.3a, visite este enlace (todas las actualizaciones ya están incluidas).
- Detalles
- Categoría: Comsol
- Visto: 4223
Le invitamos a participar en la próxima conferencia COMSOL Conference 2018, que tendrá lugar entre el 22 y el 24 de octubre en Lausanne.
El evento juntará a investigadores, ingenieros y científicos de todas partes del mundo para compartir las últimas innovaciones en modelado multifísico y simulación numérica.
Asista a la conferencia para aprovechar la oportunidad de:
- Oir la ponencias principales sobre industrias de energía, alimentación, simulación de procesos, acústica y belleza, así como en la optimización de diseños en circuitos académicos
- Seleccionar nuevas técnicas de simulación en más de 40 minicursos y talleres técnicos
- Ver un amplio abanico de trabajos de investigación y diseño de productos durante las sesiones orales y de pósteres
- Interactuar con colegas en las mesas redondas específicas según la industria
- Visita estaciones de demostración, donde puede tener discusiones cara a cara con miembros del equipo de Aplicaciones y Desarrollo de COMSOL
- Detalles
- Categoría: ChemOffice
- Visto: 12333
La versión gratuita de MNova para tablet funciona como un visualizador espectral. La mayoría de las herramientas de visualización funcionan de la misma manera que la versión completa. Si usa la versión gratuita, será más interesante cargar un espectro ya procesado para que pueda verlo en cualquier lugar. Además de las herramientas de visualización, también puede referenciar sus espectros, medir distancias o constantes de acoplamiento y normalizar integrales.
Funcionalidad habilitada
Puede ver todas las funcionalidades habilitadas para la versión gratuita resaltadas en verde y las funcionalidades bloqueadas resaltadas en amarillo.
.png)
La siguiente imagen muestra la herramienta “cruz” disponible en la versión gratuita.
.png)
Si selecciona cualquier de las opciones bloqueadas aparecerá un mensaje que le recordará la limitación de la versión de la que dispone. En este punto, si desea adquirir la versión completa seleccione “si” para ser redirigido a Google o Apple Play.
.png)
Referenciación de espectros
Seleccione la cruz y coloque el cursor sobre el pico deseado.
.png)
Puede modificar el desplazamiento químico de referencia escribiendo el valor deseado.
.png)
Normalizando valores integrales
Seleccione el valor de la integral o el cuadro de multiplete y cambie su valor.
.png)
Medida de distancias
Coloque el cursor en el punto deseado y haga doble clic para obtener el segundo cursor, de esta forma podrá medir la distancia entre dos puntos.
Ajuste de intensidades
Seleccione el icono resaltado en verde en la barra izquierda de herramientas para aumentar la intensidad de visualización al máximo de pantalla.
Espectro completo
Seleccione la herramienta resaltada en verde para obtener una visualización completa del espectro.
Modificación de propiedades
Seleccione lo que prefiere mostrar en su espectro, como puede ver en la siguiente imagen.
Puede aumentar/disminuir el tamaño de fuente en el texto del eje y las etiquetas de los picos.
Visor de página
Al igual que en el escritorio de MNova, existe un navegador de página en el lado derecho de la pantalla donde puede cargar múltiples espectros.
Puede eliminar cualquiera de los espectros simplemente deslizando la diapositiva hacia la izquierda o hacia la derecha.
Página de navegación
Sólo tiene que deslizar el rectángulo rojo para mostrar/ocultar el navegador de página resaltado a continuación.
En conclusión, en la versión gratuita de MNova para Tablet podrá realizar la visualización y el tratamiento superficial de espectros de resonancia magnética. Esta aplicación puede utilizarse como complemento al software MNova ChemDraw, disponible de manera individual o en el paquete de ChemOffice (paquete básico de uso), de esta forma podrán revisarse espectros de resonancia desde cualquier parte.
- Detalles
- Categoría: ChemOffice
- Visto: 42629
ChemDraw y Chem3D tienen herramientas para predecir espectros de RMN e IR. Esta noticia discutirá las características y métodos clave para esta predicción.
Algunos paquetes de química computacional incluyen predicciones de RMN y otros, sin embargo, predicen IR. Uno de los paquetes de química computacional, GAMESS, está integrado en Chem3D e incluido, por tanto, en el paquete de ChemOffice.
ChemNMR: predicción de RMN en ChemDraw
Este paquete está completamente integrado con ChemDraw, el usuario puede dibujar una molécula y obtener de forma sencilla su espectro RMN. Para poder visualizar las predicciones 1H-NMR y 13C-NMR se debe seleccionar la molécula objetivo y, a continuación, seleccionar el menú “estructura – predecir 1H-NMR” o “13C-NMR”. ChemDraw mostrará la información y el espectro en una nueva ventana manteniendo la molécula original sin cambios en la ventana original.
La nueva ventana presentará varias características a tener en cuenta:
- Cada hidrógeno está marcado con un número que indica su desplazamiento en ppm.
- Colocando el cursor sobre cualquier hidrógeno (o hidrógeno implícito) de la molécula, aparecerán marcadas en verde las señales correspondientes a ese núcleo.
- De igual manera, al colocar el cursor sobre cualquier señal del espectro aparecerá marcado el hidrógeno correspondiente en la molécula a estudiar.
Configuración de parámetros de NMR en ChemDraw
A menudo los usuarios de ChemDraw se preguntan si existe la posibilidad de seleccionar el disolvente en que se realizará el espectro NMR, ChemNMR no puede hacer eso. En cambio, en las predicciones que se realicen en Chem3D si podrá seleccionarse el disolvente y muchos otros parámetros.
Indicar además que la forma de la molécula en ChemDraw es irrelevante a la hora de predecir espectos, pues ChemNMR utilizará la versión “limpia” de la molécula.
Hay un parámetro que si puede modificarse en ChemNMR, aunque solo para 1H-NMR, la intensidad de campo. Por defecto, la intensidad de campo se establece en una frecuencia de espectrómetro de 300 MHz. Los espectros mostrados anteriormente utilizaban esa intensidad de campo. Para cambiar la intensidad se deberán seguir los siguientes pasos:
Seleccione la molécula con cualquiera de las herramientas de selección de ChemDraw y pulse “Alt”, mantenga pulsada esta tecla y seleccione mientras “estructura – predicción 1H-NMR”, en lugar de producirse el espectro de resonancia, aparecerá un cuadro de diálogo que le indicará con qué frecuencia se va a realizar el espectro y podrá modificarla.
Tenga en cuenta que la intensidad que establezca permanecerá como valor establecido hasta que vuelva a cambiarlo, incluso después de salir de ChemDraw.
Una vez modifique el valor y presione “ok” podrá volver a seleccionar “estructura – predicción 1H-NMR” para que ChemDraw le ofrezca el espectro con la intensidad de campo seleccionada. En esta ocasión no es necesario mantener presionada la tecla “Alt”.
GAMESS: Predicción de NMR e IR en Chem3D
El paquete de química computacional GAMESS incluye predicción RMN e IR. A partir de este paquete computacional se pueden obtener espectros para moléculas que ChemNMR consideraría iguales. Se realizará el estudio de la molécula 7,7-dimetilnorborneno, que contiene dos grupos metilo que ChemDraw considera equivalentes pero que, en cambio, Chem3D diferencia que no lo son.
La estructura Chem3D aclara la diferencia entre los dos grupos metilo: uno está cerca de un doble enlace en el anillo y el otro está cerca de un enlace simple. La siguiente estructura de Chem3D es la estructura creada por la interfaz por defecto, sin minimización de energía, por lo tanto, es solo un cálculo geométrico basado en evitar obstáculos estéricos y otras reglas estándar. Por lo tanto, vemos una ventaja inherente en observar moléculas en 3D sobre 2D.
A continuación se realiza una predicción inicial a partir de ChemNMR en ChemDraw para poder llevar a cabo una comparación. ChemNMR asigna a los dos grupos metilo la misma predicción de desplazamiento (0,92 ppm) porque los considera químicamente equivalentes.
Al observar la misma predicción de RMN a través de GAMESS se observan diferencias significativas. GAMESS indica que el desplazamiento para el grupo metilo que se encuentra cerca del doble enlace será 10,21 ppm mientras que el metilo que se encuentra cerca del enlace simple presenta un desplazamiento de 10,56 ppm. En la siguiente imagen el hidrógeno 21 pertenece al metilo cerca del enlace simple y el hidrógeno 20 pertenece al metilo cerca del doble enlace. Hay que tener en cuenta que GAMESS no predice el acoplamiento entre núcleos, en cambio ChemNMR si lo hace.
Debemos tener en cuenta que ChemDraw y Chem3D proporcionan información RMN e IR para múltiples compuestos. Cada método tiene sus propias fortalezas, pero en conjunto, satisfacen las necesidades del investigador. ChemDraw ofrece el acoplamiento entre núcleos de protón en RMN mientras que GAMESS ofrece la posibilidad de utilizar diferentes disolventes y distinguir entre núcleos aparentemente idénticos, pero que por entorno no lo son.
- Detalles
- Categoría: ChemOffice
- Visto: 17318
En esta noticia nos gustaría mostrarle como abrir, procesar, analizar y obtener información de forma rápida y eficaz de un espectro de 1H-NMR utilizando la última versión de MNova ChemDraw, interfaz presente dentro del paquete de software químico ChemOffice.
Una vez nos encontremos dentro de la interfaz de MNova, lo primero que recomendamos es abrir el navegador de datos. Para hacer esto, seleccione “ver” y, a continuación, “navegador de datos”.
Este navegador puede moverse a la izquierda de la pantalla para tener organizada la vista general de la interfaz.
Si el archivo que aparece en la ventana “navegador de datos” se encuentra en formato .mol la estructura química del compuesto se cargará automáticamente, de lo contrario podrá copiar y pegar estructuras de su paquete de dibujo preferido, como ChemDraw, utilizando "Ctrl + C" y "Ctrl + V".
Una vez generado el espectro a partir de un archivo almacenado en nuestro ordenador, podríamos mejorar la línea base del mismo. Para hacer esto deberemos seleccionar "RMN – Procesado - Auto Baseline Correction”.
El espectro ya estará listo para ser analizado utilizando las herramientas "RMN – Análisis", podremos seleccionar “referencia”, asegurándonos de esta forma de que los desplazamientos químicos presentes en el espectro sean correctos.
Ahora seleccione “RMN – Análisis – Auto Multiplet Analysis” para que el programa le facilite los valores de los picos de las señales del espectro.
Una vez obtenidos los valores de las señales podremos seleccionar cualquier recuadro, perteneciente a cualquier de las señales del espectro, y aparecerá la siguiente ventana.
Esta ventana nos ofrece información sobre el valor de desplazamiento de la señal, la multiplicidad, y el número de núcleos.
En “RMN – Análisis – Tabla de multipletes” podrá generar un informe sobre la multiplicidad de las señales que, posteriormente, podrá adjuntar al espectro de 1H-RMN.
Una vez satisfecho con el análisis realizado seleccione “Archivo – guardar” para guardarlo como un archivo MNova, o bien seleccione “archivo – exportar a PDF”.
- Detalles
- Categoría: Minitab
- Visto: 5122
El beneficio potencial de los datos almacenados en servidores es enorme. Los bancos, empresas de seguros, telefónicas, fabricantes - de hecho las organizaciones de todas las industrias necesitan aprovecharse los datos de que disponen para mejorar sus operaciones, comprender mejor a sus clientes y encontrar una ventaja competitiva.
Con la llegada de la Industria 4.0 y la Internet industrial de las cosas (IIoT), la información llega fluyendo desde muchas fuentes — desde equipos en líneas de producción, sensores en productos, datos de ventas y mucho más. Ser capaz de recoger, cotejar y analizar esta información se está haciendo incluso más crítico a medida que lasa empresas los utilizan para encontrar mayor conocimiento de sus procesos y mejorar la eficiencia y efectividad.
Esta situación representa una cantidad masiva de nuevas oportunidades, pero también trae algunos retos significativos.
Nuevos retos
La gran cantidad de datos producidos desde estos sistemas modernos actuales presentan retos únicos no vistos con los conjuntos de datos más pequeños. Estos conjuntos de datos pueden contener un gran número de predictores, un gran número de filas, o ambos. También es habitual para los datos observacionales como estos que sean más complejos que lo que se podía encontrar con datos obtenidos de experimentos diseñados cuidadosamente.
Este artículo describe cómo afectan estos asuntos al análisis de datos.
Gran número de predictores
Las herramientas de modelado estadístico tradicionales, como la regresión y la regresión logística, se basan en los p-valores para detectar efectos significativos. Específicamente, a menudo queremos que un predictor con un p-valor menor que 0.05 sea estadísticamente significativo. Sin embargo, este valor de referencia de 0.05 significa que estamos de acuerdo con una tasa de error del 5%, o que un predictor de cada veinte será significativo solo por casualidad. Con muchos predictores, confiar en los p-valores puede generar un modelado de ruido aleatorio.
Para ilustrar esto, hemos simulado aleatoriamente 100 columnas, normalmente distribuidas, con 15 observaciones cada una. Una regresión por pasos muestra que no menos de 13 columnas de 99 variables tienen un efecto estadísticamente significativo en la última columna (valores P muy cercanos a 0) y el valore del cuadrado de R es extremadamente alto (100%). Obviamente todos estos son efectos espurios causados exclusivamente por fluctuaciones aleatorias (ver los resultados a continuación).
Gran cantidad de observaciones: Potencia vs. significancia práctica
Tamaños de muestra muy grandes mejoran la potencia y la capacidad de detectar términos estadísticamente significativos incluso cuando son (muy) pequeños, sin embargo, tales efectos estadísticamente significativos no implican necesariamente una significancia práctica. Con grandes conjuntos de datos, el P-valor puede llegar a ser demasiado sensible a efectos pequeños pero reales que conduzcan a un modelo final muy complejo que contenga la mayoría de los potenciales predictores iniciales.
Aunque estos términos pueden ser estadísticamente significativos, la mayoría de ellos en realidad tienen poca significancia práctica.
Para ilustrar esto, se simularon 6 columnas con 100000 observaciones cada una. Se introdujo un modelo para que las 5 coumnas de entrada tuvieran un pequeño efecto en la última columna (impacto real pero muy pequeño). El R cuadrado es, comprensiblmente, extremadamente pobre (cerca del 0%), pero los P- valores indican que los efectos son muy significativos desde una perspectiva estadística (ver los resultados a continuación).
Complejidad debida a efectos no lineales, así como valores atípicos y perdidos
En un rango más amplio y en un periodo de tiempo prolongado, es probable que las variables sigan patrones no lineales. Es más probable que los valores perdidos y los valores atípicos estén presentes en grandes conjuntos de datos y afecten a la eficiencia de herramientas de modelado estadístico (debido a un único valor perdido, por ejemplo, la fila completa de observaciones podría no ser tenida en cuenta).
Típicamente, un banco que intenta identificar transacciones fraudulentas necesitará analizar una gran cantidad de predictores y observaciones, con muchos efectos complejos no lineales, valores perdidos y valores atípicos, lo mismo para un centro de producción que busque identificar detractores del rendimiento, o para una empresa demonitorización de registros de equipos de mantenimiento para evitar fallos.
Minería de datos y análisis predictivo
Las potentes herramientas de aprendizaje automático como CART, Random Forests, TreeNet Gradient Boosting, y Multivariate Adaptive Regression Splines son una útil adición al juego de herramientas de cualquier practicante, especialemente cuando se enfrentan a conjuntos de datos más grandes. Estas técnicas basadas en reglas se ven menos afectadas por limitaciones que ese han descrito anteriormente, ya que no se basan en p-valores de umbrales de significación estadística y se basan en árboles de decisión con reglas IF, AND, O que también aislarán valores atípicos e "imputarán" valores perdidos.
Por supuesto, los días de los conjuntos de datos pequeños y medianos están lejos de haber terminado. Las herramientas estadísticas inteligentes como los diseños de experimentos y otras herramientas de modelado estadístico seguirán siendo populares entre los ingenieros de procesos, I+D, calidad o validación, para optimizar las herramientas o procesos. Los Black Belts y Master Black Belts continuarán implementando herramientas de análisis de datos Six Sigma para el análisis de causas raíz, la calidad y la mejora de la eficiencia en todos los niveles, en toda la empresa, utilizando P-valores para identificar preditores que sean estadísticamente significativos.
Conclusión
A medida que avanzamos en un futuro que requiere que las organizaciones extraigan información a partir de una cantidad cada vez mayor de datos, se vuelve incluso más imporatne garantizar que se elijan las herramientas correctas para poder analizar datos de diferentes tamaños y complejidad.
Las modernas herramientas de aprendizaje automático como CART, TreeNet, Random Forests y MARS proporcionan una excelente opción para grandes datos y/o relaciones más complejas, mientras que las técnicas de modelado más tradicionales como la regresión continuarán siendo las herramientas preferidas cuando se cumplen los supuestos del modelo y el objetivo es encontrar una ecuación simple e interpretable.
Los enfoques tanto de la estadística como del aprendizaje automático juegan un papel fundamental en la búsqueda de inteligencia procesable, y será la colaboración y la comunicación entre estas dos disciplinas impulsadas por los datos lo que permitirá a las organizaciones tomar mejores decisiones y obener una ventaja competitiva.
Para los clientes en ruta hacia el manejo de grandes conjuntos de datos complejos, la oferta de productos Minitab ha evolucionado integrando una plataforma rápida y altamente precisa para minería de datos y análisis predictivo que incluye CART, Treenet Gradient Boosting, MARS y otras metodologías.
- Detalles
- Categoría: Comsol
- Visto: 5363
Los usuarios de COMSOL Multiphysics podrán encontrar la solución al problema de actualización de celdas con expresiones en las tablas utilizando el siguiente Hotfix para Windows.
Esta actualizacion para Windows® permite que COMSOL Multiphysics® funcione correctamente. El hotfix para COMSOL Multiphysics soluciona este problema y ahora está disponible para sistemas operativos Windows® 10 y Windows® 7.
Para instalar el hotfix visite: